PolarSSL项目中MD_CAN_SHA224宏向PSA_WANT_ALG_SHA_224迁移的技术解析
2025-06-05 14:17:26作者:农烁颖Land
背景介绍
在PolarSSL(现称为Mbed TLS)密码学库的持续演进过程中,开发团队正在逐步将传统的配置宏迁移到更现代的PSA(Platform Security Architecture)接口体系。本次变更涉及将MBEDTLS_MD_CAN_SHA224宏替换为PSA_WANT_ALG_SHA_224,这是PolarSSL向PSA加密接口过渡的重要一步。
新旧宏对比分析
传统MD_CAN宏
MBEDTLS_MD_CAN_SHA224是PolarSSL中用于控制SHA-224哈希算法支持的配置宏。该宏属于传统的消息摘要(Message Digest)配置系统,主要特点包括:
- 命名遵循
MBEDTLS_MD_CAN_XXX模式 - 直接控制底层哈希算法的可用性
- 与旧版API紧密耦合
PSA_WANT宏
PSA_WANT_ALG_SHA_224则是PSA加密接口中的算法需求宏,具有以下特征:
- 命名遵循
PSA_WANT_ALG_XXX统一规范 - 属于PSA加密接口的配置系统
- 支持更细粒度的算法控制
- 为未来功能扩展提供更好支持
技术实现细节
宏替换范围
此次替换主要针对库源代码中除include目录外的所有文件。保留include目录中的定义是为了保持向后兼容性,确保现有应用程序不会因宏变更而立即失效。
测试保障
为确保替换不影响功能正确性,需要:
- 保持现有测试用例不变
- 确保测试覆盖率不降低
- 验证所有SHA-224相关测试仍能通过
- 检查性能基准测试结果无明显变化
迁移带来的优势
- 统一配置系统:减少配置宏的多样性,使项目更易于维护
- 更好的可扩展性:PSA接口为未来添加新算法提供更清晰的路径
- 增强的安全性:PSA接口提供更严格的安全检查和安全保证
- 代码简洁性:减少条件编译的复杂性,提高代码可读性
开发者注意事项
- 过渡期处理:在过渡期间,项目可能同时支持两种宏定义
- 版本兼容性:检查使用的PolarSSL/Mbed TLS版本是否已完全支持PSA接口
- 构建系统调整:可能需要更新CMake或Makefile中的配置选项
- 代码审查重点:特别注意SHA-224相关功能的测试
未来演进方向
这一变更标志着PolarSSL/Mbed TLS向现代加密接口架构的持续演进。预计未来会有更多传统配置宏被迁移到PSA体系,开发者应关注:
- 其他哈希算法宏的类似迁移
- 加密算法配置的统一化
- PSA接口功能的持续增强
- 与传统接口的兼容层设计
通过这样的架构改进,PolarSSL/Mbed TLS将能够更好地满足现代嵌入式系统对安全性和灵活性的双重需求。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.18 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
690
325
Ascend Extension for PyTorch
Python
229
258
暂无简介
Dart
679
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
346
147