PolarSSL项目中TLS测试用例从RSA解密迁移到ECDHE-ECDSA或PSK的技术分析
2025-06-05 02:08:39作者:温艾琴Wonderful
在PolarSSL(现为Mbed TLS)项目中,随着对RSA解密功能的移除计划,需要对现有的TLS 1.2测试用例进行迁移改造。本文将深入分析这一迁移工作的技术背景、具体实施方案以及对测试覆盖率的影响。
背景与动机
RSA解密在TLS协议中主要用于密钥交换环节,但随着密码学技术的发展,基于ECDHE(椭圆曲线迪菲-赫尔曼)和PSK(预共享密钥)的方案已成为更安全、更高效的选择。项目决定移除RSA解密功能,这就要求对现有测试套件进行相应调整。
测试用例迁移策略
迁移工作遵循以下原则:
- 完全移除:专门测试RSA解密功能的用例将被直接移除
- 功能替代:通用测试用例将改用ECDHE-ECDSA或PSK方案
- 覆盖保证:确保不损失原有测试覆盖率(RSA解密相关除外)
具体迁移方案
test_suite_ssl测试套件改造
-
handshake_cipher测试:
- 原使用AES-128-CCM+RSA解密的测试将改为ECDHE-ECDSA方案
- 保持对CCM模式认证加密的测试覆盖
-
handshake_ciphersuite_select测试:
- AES-256-CBC-SHA256测试用例将迁移到ECDHE-ECDSA
- 确保仍能测试SHA256哈希算法
-
resize_buffers_renegotiate_mfl测试:
- 原AES-128-CCM测试改用ECDHE-ECDSA
- 保持对缓冲区大小调整和重协商的测试
ssl-opt.sh测试脚本调整
-
基础功能测试组:
- "Encrypt then MAC"等基础功能测试改用ECDHE-ECDSA
- 保持对加密后MAC功能的验证
-
数据包处理测试:
- 大小数据包测试用例迁移到ECDHE-ECDSA
- 确保仍能测试边界条件下的数据包处理
-
特殊场景测试:
- "Force a non ECC ciphersuite"改为PSK方案
- 由于移除FFDH和RSA解密后,非ECC方案仅剩PSK
移除的测试用例
- 异步回调测试:
- 原测试部分回调支持的用例将被移除
- 因为现在异步回调路径已统一,不再需要测试部分支持场景
技术考量
-
ECDHE-ECDSA优势:
- 密码学要求最低(无需RSA)
- 提供前向安全性
- 比PSK更接近实际部署场景
-
PSK适用场景:
- 当必须测试非ECC密码套件时
- 资源受限环境测试
-
测试覆盖保证:
- 通过代码覆盖率工具验证无遗漏
- 确保关键路径仍被测试
向后兼容性
虽然主要针对开发分支,但考虑将新测试用例反向移植到3.6版本,以:
- 提供额外的测试覆盖
- 平滑过渡到完全移除RSA解密
- 验证新方案在不同版本的兼容性
总结
本次测试用例迁移工作是PolarSSL/Mbed TLS项目现代化进程中的重要一步。通过系统性地将RSA解密测试迁移到更现代的ECDHE-ECDSA和PSK方案,项目不仅跟上了密码学最佳实践,还保持了全面的测试覆盖。这一改造为后续完全移除RSA解密功能奠定了坚实基础,同时确保了TLS实现的可靠性和安全性。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.17 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
685
324
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
678
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
343
146