AWS s2n-tls v1.5.19 发布:新增后量子ML-DSA证书支持
项目简介
s2n-tls 是 AWS 开发的一个轻量级 TLS/SSL 实现,专注于安全性、性能和简洁性。作为 AWS 基础设施的重要组成部分,s2n-tls 被广泛应用于各种云服务和产品中。该项目采用 Apache 2.0 和 MIT 双重许可,是一个开源项目。
核心更新:后量子密码学支持
本次发布的 v1.5.19 版本最重要的特性是增加了对后量子密码学 ML-DSA(Module Lattice-based Digital Signature Algorithm)证书的支持。这是 s2n-tls 在应对量子计算威胁方面迈出的重要一步。
ML-DSA 技术解析
ML-DSA 是一种基于格密码学的数字签名算法,被 NIST 选为后量子密码标准化项目的一部分。与传统 RSA 或 ECC 签名算法不同,ML-DSA 基于数学上的格问题,即使在量子计算机面前也能保持安全性。
s2n-tls 在此版本中实现了:
- ML-DSA 签名算法的加密原语支持
- 握手过程中 ML-DSA 签名的处理能力
- 相关证书链的验证逻辑
其他重要改进
测试与稳定性增强
开发团队对测试套件进行了多项改进:
- 减少了集成测试中的不稳定性因素
- 改进了测试日志的可调试性
- 默认关闭了集成测试中的详细模式,提高测试效率
- 增加了对 s2n_stream_cipher_null 的测试覆盖率
Rust 绑定更新
Rust 语言绑定部分也有多项改进:
- 将最低支持的 Rust 版本(MSRV)提升至 1.82.0
- 增加了 Config 类型的 as_ptr() API
- 更新了多个依赖项的版本
安全相关改进
- 将测试用的 Apache 证书从 RSA1024 升级到更安全的 RSA2048
- 修复了基准测试中的会话恢复机制问题
技术细节
对于希望深入了解 ML-DSA 集成的开发者,值得关注以下几个技术点:
-
证书处理:s2n-tls 现在能够正确处理包含 ML-DSA 公钥的 X.509 证书,包括证书链验证。
-
握手签名:在 TLS 握手过程中,服务器可以使用 ML-DSA 算法对握手消息进行签名,客户端能够验证这些签名。
-
加密原语集成:底层加密库中新增了 ML-DSA 相关的实现,包括密钥生成、签名和验证等操作。
向后兼容性
虽然新增了后量子密码学支持,但 s2n-tls 保持了良好的向后兼容性。现有的 RSA 和 ECC 算法仍然完全支持,ML-DSA 是作为一个额外的可选特性加入的。
开发者建议
对于考虑采用新版本的项目,建议:
- 评估是否需要后量子密码学支持
- 测试现有应用与新版本的兼容性
- 关注性能影响,特别是在资源受限环境中
总结
s2n-tls v1.5.19 通过引入 ML-DSA 支持,为应对未来的量子计算威胁做好了准备。同时,该版本在测试覆盖率、稳定性和 Rust 绑定等方面都有显著改进,是一个值得升级的版本。对于关注长期安全性的项目,特别是那些需要前瞻性安全保护的场景,升级到这个版本将获得重要的安全增强。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00