OpenJ9项目中JDK24 FIPS模式下的安全测试失败分析
在OpenJ9项目的JDK24版本测试过程中,发现了一些在FIPS模式下运行的安全相关测试用例失败的情况。本文将对这些测试失败进行技术分析,并解释其背后的原因。
测试环境与背景
测试运行在Windows 10 x86-64平台上,使用的是OpenJ9虚拟机24+36版本,启用了FIPS模式和OpenJCEPlusFIPS自定义配置文件。FIPS(Federal Information Processing Standards)是美国政府制定的一系列计算机安全标准,在加密模块方面有严格要求。
主要测试失败分析
TLS相关测试失败
sun/security/pkcs11/tls/tls12/FipsModeTLS12.java测试失败,原因是尝试在FIPS模式下通过编程方式设置jdk.tls.disabledAlgorithms属性。根据FIPS安全规范,某些安全属性在FIPS模式下不允许被动态修改,这是预期的安全限制行为。
同样,TLSCipherSuiteWildCardMatchingDisablePartsOfCipherSuite.java和TLSCipherSuiteWildCardMatchingIllegalArgument.java测试也因相同原因失败,它们都尝试修改被FIPS模式保护的TLS相关安全属性。
加密算法相关测试失败
sun/security/provider/NamedEdDSA.java测试失败,因为EdDSA(Edwards-curve Digital Signature Algorithm)算法在FIPS模式下不可用。EdDSA是一种基于椭圆曲线的数字签名算法,但当前FIPS认证的OpenJCEPlusFIPS配置中未包含此算法实现。
sun/security/provider/NamedKeyFactoryTest.java测试失败,原因是尝试使用"sHA"密钥对生成器,这在FIPS模式下也不被支持。FIPS对可用的加密算法有严格限制,只允许使用经过认证的算法实现。
证书验证失败
sun/security/ssl/X509TrustManagerImpl/distrust/Entrust.java测试失败,原因是无法构建有效的证书路径。在FIPS模式下,证书验证机制更加严格,测试中使用的证书可能不符合FIPS验证要求。
技术影响与解决方案
这些测试失败反映了FIPS模式下的安全限制特性,而非真正的功能缺陷。在FIPS合规环境中:
- 动态修改安全策略受到限制
- 可用的加密算法集合被严格控制
- 证书验证标准更加严格
对于测试框架,合理的解决方案是将这些测试用例在FIPS模式下排除,因为它们测试的功能在FIPS环境中本身就是受限或被禁止的。这符合FIPS安全规范的要求,也能确保测试结果的准确性。
总结
OpenJ9项目在JDK24版本中加强了对FIPS模式的支持,这些测试失败验证了FIPS安全限制的正确实施。开发者和测试人员应当理解FIPS环境下的特殊限制,并在设计和测试加密相关功能时考虑这些约束条件。对于必须运行在FIPS环境中的应用程序,建议预先验证所有使用的加密算法和证书是否符合FIPS标准。
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