liboqs项目中的ACVP测试失败问题分析与解决
2025-07-03 06:24:17作者:房伟宁
问题背景
在开源量子安全密码库liboqs的0.11.0和0.12.0版本中,用户在使用FreeBSD和NetBSD系统进行测试时遇到了多个测试用例失败的问题。这些测试主要涉及ML-KEM和ML-DSA算法的ACVP(自动化加密验证协议)向量验证,错误表现为无法找到预期的测试向量文件。
具体问题表现
测试过程中出现的错误信息显示,系统无法在指定路径"build/tests/vectors_kem"和"build/tests/vectors_sig"下找到测试向量文件。这个问题影响了以下关键测试场景:
- ML-KEM算法的密钥生成测试(512、768和1024三种安全级别)
- ML-KEM算法的加密/解密验证测试
- ML-DSA算法的密钥生成测试(44、65和87三种安全级别)
- ML-DSA算法的确定性签名生成测试
- ML-DSA算法的随机化签名生成测试
- ML-DSA算法的签名验证测试
问题根源分析
经过技术团队的深入调查,发现这个问题与测试向量的生成和存储路径管理有关。在liboqs的构建系统中,ACVP测试向量应该在构建过程中自动生成并放置在指定的目录结构中。然而,在某些BSD系统环境下,这一自动化过程未能正确执行,导致测试时无法找到预期的测试向量文件。
解决方案
该问题已在liboqs的主干分支和0.13.0-rc1版本中得到修复。修复方案主要涉及以下几个方面:
- 改进了构建系统中测试向量的生成逻辑
- 确保了测试向量目录的正确创建
- 优化了跨平台兼容性,特别是针对BSD系列操作系统
验证结果
技术团队在FreeBSD 14.1(AArch64架构)环境下验证了修复后的版本,使用Python 3.11运行测试,结果显示所有相关测试均通过,未再出现文件未找到的错误。用户也确认在最新版本中问题已解决,测试通过率达到预期。
技术建议
对于使用liboqs的开发者和系统集成人员,建议:
- 如果遇到类似测试失败问题,首先检查测试向量目录是否存在
- 考虑升级到最新稳定版本,特别是0.13.0及以上版本
- 在BSD系统上部署时,注意检查文件系统权限和路径设置
- 对于需要严格验证的场景,建议运行完整的ACVP测试套件
这个问题展示了开源项目中跨平台兼容性的重要性,也体现了社区协作在解决技术问题中的价值。通过及时的问题报告和开发团队的快速响应,最终为用户提供了可靠的解决方案。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
jiuwenclawJiuwenClaw 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0205- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
AtomGit城市坐标计划AtomGit 城市坐标计划开启!让开源有坐标,让城市有星火。致力于与城市合伙人共同构建并长期运营一个健康、活跃的本地开发者生态。01
MarkFlowy一款 AI Markdown 编辑器TSX01
项目优选
收起
deepin linux kernel
C
27
12
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
610
4.06 K
Ascend Extension for PyTorch
Python
452
537
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++
924
778
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
374
254
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
69
21
暂无简介
Dart
857
205
🎉 (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
1.47 K
832
React Native鸿蒙化仓库
JavaScript
322
377
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
114
177