OpenJ9项目中Kerberos相关测试在FIPS 140-2模式下的兼容性问题分析
在OpenJ9项目的最新版本测试过程中,开发团队发现了一个与Kerberos安全协议相关的测试用例问题。这个问题出现在JDK 24版本中,具体表现为sun/security/krb5/NullStringToKey.java测试用例在FIPS 140-2合规模式下运行时出现预期外的失败。
Kerberos是一种网络认证协议,它通过使用密钥加密技术为客户端/服务器应用程序提供强大的认证功能。在Java安全体系中,Kerberos相关的实现通常依赖于特定的加密算法和密钥派生函数。然而,当Java虚拟机运行在FIPS 140-2合规模式下时,情况会变得复杂。
FIPS 140-2是美国联邦政府制定的加密模块安全标准,它严格规定了哪些加密算法可以被使用。在这种模式下,某些Kerberos依赖的加密算法可能不被支持,导致相关功能无法正常工作。这正是测试用例失败的根本原因——测试期望某些算法不可用,但在FIPS模式下,这些算法可能通过其他加密提供者变得可用。
开发团队经过分析后确认,这个问题是预期行为,因为Kerberos本身就不被FIPS 140-2标准所支持。解决方案是将这个测试用例添加到FIPS 140-2的排除列表中,这样在FIPS模式下运行时就会自动跳过这个测试。
值得注意的是,这个问题只出现在JDK 24中,因为相关的测试用例是在2024年12月5日新加入的,在JDK 21及更早版本中并不存在。因此,解决方案也只需要应用于JDK 24及后续版本,无需向后移植。
这个案例很好地展示了在安全合规环境下运行Java应用程序时可能遇到的兼容性问题。开发者在设计安全相关的测试用例时,需要考虑不同安全模式下的行为差异,特别是当应用程序需要在严格的安全合规环境中运行时。同时,这也体现了OpenJ9项目团队对安全标准的重视和对问题快速响应的能力。
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