Reticulum项目0.9.5版本发布:AES-256加密迁移的重要一步
2025-06-18 00:27:23作者:段琳惟
Reticulum是一个去中心化的加密通信网络协议栈,它实现了自主构建无线网状网络所需的核心功能。作为一个轻量级但功能强大的网络层,Reticulum特别适合在资源受限的环境或需要高度安全性的场景下使用。
加密升级背景
在网络安全领域,加密算法的强度直接关系到通信的安全性。随着计算能力的提升,原本被认为足够安全的AES-128加密标准逐渐显示出其局限性。Reticulum项目团队决定将默认加密标准从AES-128升级到更强大的AES-256,以提供更强的安全保障。
0.9.5版本的核心改进
本次发布的0.9.5版本是一个过渡性版本,主要目的是为后续全面迁移到AES-256加密标准做准备。这个版本实现了以下关键技术改进:
- 双模式支持:同时支持AES-128和AES-256两种加密模式,确保向后兼容性
- 动态链接模式:系统现在能够根据通信对端的能力自动选择合适的加密模式
- 性能优化:虽然支持双模式,但通过精心设计,对性能的影响被控制在最小范围内
技术实现细节
在底层实现上,开发团队采用了渐进式迁移策略:
- 对于单包API,系统会同时支持两种加密模式,但会有轻微的性能开销
- 对于链接通信,系统能够根据对端能力自动选择最佳加密模式
- 新增了
get_mode()方法,允许开发者查询当前链接使用的加密模式
稳定性改进
除了加密升级外,0.9.5版本还包含多项稳定性改进:
- 增强了ratchet持久化机制,即使在Reticulum被强制终止时也能保持数据完整性
- 修复了BackboneInterface在快速连接/断开时可能出现的异常问题
- 改进了接口的字符串表示方式,使日志和调试信息更加清晰
开发者注意事项
对于使用Reticulum进行开发的工程师,需要注意以下几点:
- 当前版本仍默认使用AES-128加密,但已为AES-256做好准备
- 在下一个版本(0.9.6)中,AES-256将成为默认加密标准
- 所有现有代码无需修改即可兼容新版本
- 新增的实例名称配置选项可以更好地标识网络中的不同节点
未来展望
Reticulum项目团队已经明确了后续发展路线:
- 在0.9.6版本中,将全面转向AES-256加密标准
- AES-128支持可能会保留几个版本,但最终将被完全移除
- 加密升级过程对最终用户完全透明,无需任何手动干预
这次更新体现了Reticulum项目对网络安全的持续关注和投入,通过逐步而稳健的加密升级策略,既保证了现有系统的稳定性,又为未来提供了更强的安全保障。
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
3.18 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++
690
325
Ascend Extension for PyTorch
Python
229
258
暂无简介
Dart
679
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
346
147