i2pd项目在OpenBSD系统上的编译问题与解决方案
背景介绍
i2pd是一个轻量级的I2P路由器实现,使用C++编写。近期在OpenBSD 7.5(amd64)系统上编译i2pd 2.53.0版本时出现了编译错误,主要与加密库的兼容性有关。OpenBSD系统默认使用LibreSSL而非OpenSSL作为其TLS实现,这导致了特定的编译问题。
问题分析
编译过程中出现的错误主要集中在NTCP2.cpp文件中,具体表现为:
- 无法识别EVP_PKEY_SIPHASH标识符
- 无法识别EVP_PKEY_CTRL_SET_DIGEST_SIZE标识符
这些错误源于LibreSSL与OpenSSL在API实现上的差异。虽然LibreSSL是从OpenSSL分支出来的,但两者在后续发展中出现了API差异,特别是在SipHash相关功能的实现上。
技术细节
SipHash是一种加密哈希函数,被用于i2pd的网络传输层安全中。在OpenSSL中,这部分功能通过特定的API实现,但在LibreSSL中可能实现方式不同或缺失。
错误出现的代码段涉及:
- 使用EVP_PKEY_new_raw_private_key函数创建SipHash密钥
- 使用EVP_PKEY_CTX_ctrl函数设置摘要大小
解决方案
针对这一问题,项目维护者提供了明确的解决方案:在Crypto.h文件中禁用OpenSSL的SipHash实现。具体做法是:
#define OPENSSL_SIPHASH 0
这一修改会强制i2pd使用其内部的SipHash实现,而非依赖OpenSSL/LibreSSL提供的实现,从而避免了API兼容性问题。
更深层次的技术考量
-
加密库兼容性:现代软件项目需要考虑不同加密库的实现差异,特别是跨平台项目。OpenSSL和LibreSSL虽然同源,但在某些高级功能上存在差异。
-
可移植性设计:i2pd项目通过条件编译和功能宏定义来处理不同平台的差异,这是跨平台C++项目的常见做法。
-
安全考量:SipHash作为一种加密哈希函数,在网络安全中扮演重要角色。确保其在所有平台上正确实现至关重要。
实施建议
对于需要在OpenBSD或其他使用LibreSSL的系统上编译i2pd的用户,建议:
- 检查项目中的Crypto.h文件
- 确保OPENSSL_SIPHASH被正确设置为0
- 如果使用自定义构建系统,确保相关编译标志正确设置
总结
i2pd项目在保持跨平台兼容性方面做出了努力,但不同系统加密库的差异仍可能带来挑战。通过合理配置和条件编译,可以解决大多数兼容性问题。对于使用LibreSSL的系统,禁用OpenSSL特定的SipHash实现是一个经过验证的有效解决方案。
这一案例也提醒开发者,在依赖系统级加密库时需要特别注意不同实现的API差异,必要时提供备用实现方案。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0194
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0123
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07