Mbed-TLS中TLS 1.3握手过程中Client Random变更问题分析
2025-06-05 14:48:16作者:江焘钦
在TLS 1.3协议实现中,当客户端收到服务器的Hello Retry Request后重新发送Client Hello时,Mbed-TLS库存在一个可能导致连接失败的重要问题。本文将深入分析该问题的技术细节、产生原因以及解决方案。
问题现象
在TLS 1.3握手过程中,当服务器发送Hello Retry Request要求客户端重新协商参数时,Mbed-TLS客户端在第二次发送Client Hello消息时会生成一个新的随机数(Client Random),而不是保持第一次Client Hello中的随机数不变。这种行为违反了TLS 1.3协议规范。
通过抓包分析可以观察到:
- 第一次Client Hello中的随机数为:ab2fbef2a704f824008923f44e97eeee143d8abefcff66ed3300ebf5481151d4
- 第二次Client Hello中的随机数变为:5969c4095d5c4e463d73725dff7e53d0012bbe25a8a654bf932c64d8aa489a5a
协议规范要求
根据TLS 1.3协议RFC 8446第4.1.2节明确规定:
- 在Hello Retry Request后发送的Client Hello必须与初始Client Hello相同
- 唯一允许修改的部分是key_share、early_data和cookie扩展
- 客户端随机数(Client Random)必须保持不变
这一设计是为了保证握手过程的安全性和一致性。随机数的改变可能导致某些严格遵循协议的服务器实现(如picotls)拒绝连接。
问题根源
该问题源于Mbed-TLS库在实现TLS 1.3握手流程时的一个缺陷。当处理Hello Retry Request时,代码没有正确保存初始Client Hello中的随机数,而是在重新生成Client Hello时又调用随机数生成函数创建了新的随机值。
影响范围
该问题影响以下配置环境:
- 使用Mbed-TLS 3.5.1及更早版本
- 启用了TLS 1.3协议(通过MBEDTLS_SSL_PROTO_TLS1_3宏定义)
- 与严格遵循TLS 1.3协议规范的服务器交互
- 在握手过程中触发Hello Retry Request场景(如服务器要求不同的密钥交换组)
解决方案
Mbed-TLS开发团队已经在3.6.0版本中修复了这个问题。修复方案主要包括:
- 在初始Client Hello生成后保存随机数值
- 在Hello Retry Request后的Client Hello中复用保存的随机数
- 确保其他必须保持不变的字段也得到正确保留
对于无法立即升级到3.6.0版本的用户,可以考虑以下临时解决方案:
- 禁用可能导致Hello Retry Request的配置选项
- 在代码中手动修改随机数生成逻辑
- 使用兼容性模式(MBEDTLS_SSL_TLS1_3_COMPATIBILITY_MODE)
最佳实践
为避免类似问题,建议开发人员:
- 定期更新Mbed-TLS到最新稳定版本
- 在启用新协议版本前充分测试各种握手场景
- 使用协议分析工具(如Wireshark)验证握手过程符合规范
- 特别注意协议中关于消息一致性的特殊要求
该问题的修复体现了Mbed-TLS项目对协议规范严格遵守的承诺,也提醒我们在实现加密协议时需要特别关注各种边界条件和特殊流程。
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 StartedRust0198
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 Notebook0129
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。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
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
767
5.02 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++
865
1.96 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++
692
1.36 K
Ascend Extension for PyTorch
Python
728
903
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
460
455
deepin linux kernel
C
32
16
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++
1.09 K
1.12 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.02 K
265
Claude 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 Started
Rust
1.92 K
198
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1.01 K
631