Mbed TLS项目中PK模块的ECDSA宏替换技术解析
2025-06-05 22:00:18作者:宣海椒Queenly
背景概述
在Mbed TLS项目的持续演进过程中,开发团队正在对公钥(PK)模块中的ECDSA相关宏定义进行现代化改造。这项工作的核心目标是将传统的MBEDTLS_PK_CAN/HAVE_ECDSA*系列宏替换为基于PSA(Platform Security Architecture)标准的PSA_WANT宏,以统一项目的配置体系并提高代码的可维护性。
宏替换的具体内容
此次替换涉及以下关键宏定义的变更:
-
密钥类型宏:
- 原
MBEDTLS_PK_HAVE_ECC_KEYS将被替换为PSA_WANT_KEY_TYPE_ECC_PUBLIC_KEY
- 原
-
ECDSA功能宏:
MBEDTLS_PK_CAN_ECDSA_SIGN替换为PSA_WANT_ALG_ECDSA && PSA_WANT_KEY_TYPE_ECC_KEY_PAIR_BASICMBEDTLS_PK_CAN_ECDSA_VERIFY替换为PSA_WANT_ALG_ECDSA && PSA_WANT_KEY_TYPE_ECC_PUBLIC_KEYMBEDTLS_PK_CAN_ECDSA_SOME替换为PSA_WANT_ALG_ECDSA
技术实现要点
在实施过程中,开发团队特别强调了几个关键技术点:
-
ECDSA算法变体处理:
- 实际实现中需要考虑随机化ECDSA和确定性ECDSA两种变体
- 为此项目新增了
PSA_HAVE_ALG_SOME_ECDSA组合宏,定义为(PSA_WANT_ALG_ECDSA || PSA_WANT_ALG_DETERMNISTIC_ECDSA) - 该宏将放置在
include/psa/*adjust*.h文件中
-
替换范围控制:
- 替换工作将覆盖项目中的所有文件
- 但明确排除了配置文件(
mbedtls_config.h)、配置检查文件(check_config.h)和配置调整文件(config_adjust_*.h)
-
测试保障:
- 要求确保替换前后测试用例的执行方式和结果保持一致
- 这保证了功能变更不会引入回归问题
技术意义与影响
这项变更工作具有重要的技术意义:
-
架构统一:
- 将传统的PK模块配置逐步迁移到PSA标准体系下
- 提高了代码配置的一致性和可维护性
-
功能细化:
- 新的宏定义更加精确地区分了签名和验证功能
- 明确区分了公钥和密钥对的使用场景
-
算法变体支持:
- 通过组合宏的方式统一处理ECDSA的不同变体
- 为未来可能增加的算法变体提供了扩展性
实施建议
对于开发者而言,在实施此类替换工作时应注意:
-
全面性检查:
- 确保替换覆盖所有相关代码路径
- 特别注意条件编译和功能开关相关的代码
-
测试验证:
- 建立完整的测试覆盖
- 特别关注边缘情况和异常路径
-
文档更新:
- 同步更新相关API文档和配置说明
- 记录宏变更的兼容性信息
这项变更代表了Mbed TLS项目向更现代化、更安全的架构演进的重要一步,同时也为开发者提供了更清晰、更灵活的配置选项。
登录后查看全文
热门项目推荐
相关项目推荐
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 StartedRust0191
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 Notebook0118
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。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
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
765
4.97 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.93 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
680
1.33 K
Ascend Extension for PyTorch
Python
719
879
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
456
438
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++
1.08 K
1.1 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
151
252
CANN 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 Notebook
303
118
昇腾LLM分布式训练框架
Python
178
220