Reticulum项目0.9.5版本发布:AES-256加密迁移的重要一步
2025-06-18 19:16:59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
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
306
2.69 K
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
136
163
React Native鸿蒙化仓库
JavaScript
233
309
暂无简介
Dart
596
130
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++
630
227
仓颉编译器源码及 cjdb 调试工具。
C++
123
656
🎉 (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
1.06 K
614
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
195
71
仓颉编程语言测试用例。
Cangjie
36
657