OpenSSL项目中ML-DSA证书优先级的调整与考量
在OpenSSL项目的开发过程中,开发团队注意到一个关于证书选择优先级的重要技术问题:当服务器同时支持RSA和ML-DSA(基于后量子密码学的模块化格签名算法)证书时,默认情况下系统总是优先选择RSA证书。这一现象引发了关于后量子密码学过渡期最佳实践的深入讨论。
问题背景
在实际测试场景中,当使用OpenSSL的s_server工具同时配置RSA和ML-DSA证书时,客户端连接默认会选择RSA证书。即使启用服务器偏好设置(-serverpref选项),这一行为依然不变。要让系统选择ML-DSA证书,必须显式修改签名算法优先级顺序。
这一现象反映出当前OpenSSL默认配置的一个潜在问题:系统并未将后量子密码学算法置于优先地位。考虑到全球正在向后量子密码学过渡,这种默认行为可能与管理员配置ML-DSA证书的初衷相悖。
技术分析
OpenSSL的证书选择机制基于签名算法优先级列表。当前默认列表中,传统算法(如RSA、ECDSA)排在ML-DSA等后量子算法之前。这种排序导致即使服务器配置了ML-DSA证书,系统仍会优先选择传统算法证书。
从技术实现角度看,这种选择涉及多个层面:
- 协议兼容性:确保与不支持后量子算法的客户端保持兼容
- 性能考量:不同签名算法的计算开销差异
- 安全演进:平衡当前安全需求与未来抗量子计算需求
社区讨论与决策
OpenSSL开发团队对此进行了深入讨论,主要观点包括:
-
预期行为调整:多数成员认为,当管理员明确配置ML-DSA证书时,系统应默认优先使用这些证书,这符合配置者的安全意图。
-
算法优先级排序:建议调整默认签名算法优先级,将ML-DSA算法(包括mldsa44、mldsa65和mldsa87)置于传统算法之前,同时保持完整的算法支持列表。
-
实施时机:虽然临近版本发布周期,但考虑到后量子密码学过渡的重要性,团队决定在3.5版本中实施这一变更。
-
相关算法考量:讨论也涉及SLH-DSA等其他后量子签名算法,但由于缺乏TLS代码点支持且性能不适合TLS场景,暂不考虑其优先级调整。
技术影响评估
这一变更将带来多方面影响:
-
兼容性影响:客户端必须支持ML-DSA算法才能建立连接,可能影响与旧版本客户端的互操作性。
-
性能影响:ML-DSA算法的签名验证速度与传统算法存在差异,可能影响服务器性能表现。
-
安全演进:加速后量子密码学在实际部署中的应用,为抗量子计算安全做准备。
-
配置灵活性:仍保留通过-sigalgs参数手动指定算法优先级的能力,满足特殊场景需求。
实施建议
对于OpenSSL用户和管理员,建议:
- 评估现有客户端对ML-DSA算法的支持情况
- 在测试环境中验证变更后的连接行为
- 对于关键系统,考虑显式配置签名算法优先级
- 关注后量子证书的部署最佳实践和性能优化
这一调整体现了OpenSSL项目在后量子密码学过渡期的积极姿态,既保持了系统的灵活性,又推动了更安全算法在实际环境中的部署。随着后量子密码学标准的成熟和硬件支持的改进,预期这种优先级的调整将成为行业标准做法。
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
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00