Open Quantum Safe liboqs 项目配置指南
前言
Open Quantum Safe (OQS) 的 liboqs 是一个开源的密码学库,专注于后量子密码学算法的实现。本文将深入解析 liboqs 的配置选项,帮助开发者根据自身需求定制化构建这个重要的密码学工具。
基础构建配置
构建类型选择
liboqs 支持两种主要的构建类型:
-
Debug 模式 (
-DCMAKE_BUILD_TYPE=Debug)- 关闭所有编译器优化
- 生成调试信息
- 仅对 GCC 或 Clang 编译器有效
- 可配合代码覆盖率测试 (
-DUSE_COVERAGE=ON) - 使用 Clang 时可启用各种检测器 (
-DUSE_SANITIZER=...)
-
Release 模式 (
-DCMAKE_BUILD_TYPE=Release) [默认]- 启用 O3 优化级别
- 设置减小二进制大小的编译器标志
库类型选择
-DBUILD_SHARED_LIBS=ON:构建动态链接库-DBUILD_SHARED_LIBS=OFF:构建静态链接库 [默认]
算法选择配置
算法集预设
-DOQS_ALGS_ENABLED 提供几种预设算法集合:
STD:仅包含 NIST 标准化的算法NIST_R4:包含 NIST PQC 竞赛第四轮评估的所有算法NIST_SIG_ONRAMP:包含 NIST PQC "onramp" 标准化评估的额外签名方案All[默认]:包含 liboqs 集成的所有算法
单个算法控制
通过以下模式可精细控制每个算法:
-DOQS_ENABLE_KEM_ALG=ON/OFF-DOQS_ENABLE_SIG_ALG=ON/OFF-DOQS_ENABLE_SIG_STFL_ALG=ON/OFF
其中 ALG 需替换为具体算法名称,如:
-DOQS_ENABLE_KEM_BIKE=ON
-DOQS_ENABLE_SIG_DILITHIUM=OFF
最小化构建
-DOQS_MINIMAL_BUILD 允许指定分号分隔的算法列表,构建仅包含这些算法的最小化库:
-DOQS_MINIMAL_BUILD="KEM_kyber_768;SIG_dilithium_3"
性能优化配置
目标架构优化
-DOQS_DIST_BUILD 控制构建目标:
ON[默认]:构建适用于目标架构所有变体的分发版本OFF:为当前机器的特定微架构优化
CPU 特性指令
当 OQS_DIST_BUILD=OFF 时,可手动控制特定 CPU 指令集的使用:
x86-64 平台支持:
-DOQS_USE_ADX_INSTRUCTIONS=ON
-DOQS_USE_AVX2_INSTRUCTIONS=OFF
...
ARM64v8 平台支持:
-DOQS_USE_ARM_AES_INSTRUCTIONS=ON
-DOQS_USE_ARM_NEON_INSTRUCTIONS=OFF
...
优化目标指定
-DOQS_OPT_TARGET 可设置为:
auto[默认]:自动检测并使用本地 CPU 特性generic:使用通用优化- 特定架构标识:如
-DOQS_OPT_TARGET=skylake
外部依赖配置
OpenSSL 集成
-DOQS_USE_OPENSSL=ON [默认] 允许使用 OpenSSL 的加密原语实现,可进一步控制:
-DOQS_USE_AES_OPENSSL=ON[x86-64 平台有条件默认]-DOQS_USE_SHA2_OPENSSL=ON[默认]-DOQS_USE_SHA3_OPENSSL=OFF[默认]
动态加载选项:
-DOQS_DLOPEN_OPENSSL=ON
cuPQC 集成
-DOQS_USE_CUPQC=ON 启用 NVIDIA cuPQC 库支持(当前仅支持 ML-KEM)
特殊功能配置
状态式哈希签名
控制 XMSS 和 LMS 签名方案:
-DOQS_ENABLE_SIG_STFL_XMSS=ON
-DOQS_ENABLE_SIG_STFL_LMS=ON
安全警告:密钥生成功能需谨慎启用:
-DOQS_HAZARDOUS_EXPERIMENTAL_ENABLE_SIG_STFL_KEY_SIG_GEN=ON
ARM 性能监控
-DOQS_SPEED_USE_ARM_PMU=ON 启用 ARMv8 性能监控单元,需内核支持
安全检测
- 恒定时间测试:
-DOQS_ENABLE_TEST_CONSTANT_TIME=ON
- 严格警告:
-DOQS_STRICT_WARNINGS=ON
- 检测器选项(Clang Debug 模式下):
-DUSE_SANITIZER=Address
-DUSE_SANITIZER=Undefined
...
特殊构建场景
嵌入式构建
-DOQS_EMBEDDED_BUILD=ON 适用于裸机嵌入式环境,需自定义随机数生成回调
Libjade 集成
-DOQS_LIBJADE_BUILD=ON 使用形式验证的算法实现,当前支持:
- Kyber512
- Kyber768
模糊测试
-DOQS_BUILD_FUZZ_TESTS=ON 启用模糊测试套件(需 Clang 编译器)
结语
liboqs 提供了丰富的配置选项,使开发者能够根据具体应用场景(如嵌入式系统、高性能服务器等)和安全性需求定制构建。理解这些选项对于优化性能、减小代码体积和确保安全性至关重要。建议开发者在发布前充分测试所选配置,特别是涉及安全性关键选项时。
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