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
kernelopenEuler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。C0100
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00
最新内容推荐
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
478
3.57 K
React Native鸿蒙化仓库
JavaScript
287
340
暂无简介
Dart
728
175
Ascend Extension for PyTorch
Python
288
321
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++
850
447
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
239
100
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
10
1
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
451
180
🎉 (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
1.28 K
705