在liboqs项目中解决OpenSSL shlib_variant构建问题
2025-07-03 21:04:15作者:曹令琨Iris
背景介绍
在构建open-quantum-safe/liboqs项目时,当使用自定义编译的OpenSSL 3.2.1版本(启用了shlib_variant特性)时,开发者可能会遇到链接错误。这些错误表现为undefined reference,指向各种OpenSSL函数如RAND_status、EVP_MD_CTX_free等。
问题分析
问题的根源在于CMake配置时未能正确链接到自定义OpenSSL库。当使用系统默认的OpenSSL(通过apt-get安装)时,构建过程可以顺利完成。但当尝试链接到自定义编译的OpenSSL时,会出现以下关键问题:
- CMake警告显示目标"oqs"尝试链接到一个目录而非库文件
- 最终生成的liboqs.so文件没有正确的OpenSSL库引用
- 链接阶段出现大量未定义引用错误
解决方案
正确的解决方法是明确指定OpenSSL库文件的完整路径,而不是仅指定目录。具体步骤如下:
- 确认自定义OpenSSL库的安装位置(通常为/usr/local/lib)
- 查找具体的库文件名(如libcrypto-dv.so.3)
- 在CMake配置时使用完整路径指定OpenSSL库
正确的CMake配置命令应类似:
cmake -GNinja -DOPENSSL_CRYPTO_LIBRARY=/usr/local/lib/libcrypto-dv.so.3 ..
技术细节
OpenSSL的shlib_variant特性允许在同一系统上安装多个不同变体的OpenSSL库,这在某些特殊场景下非常有用。当使用此特性编译OpenSSL时,生成的库文件名会包含变体标识(如-dv后缀)。
liboqs项目通过CMake的FindOpenSSL模块来定位OpenSSL库。当使用非标准路径或特殊命名的库文件时,需要明确指定库文件路径,而不是仅指定目录。
最佳实践
- 在自定义编译OpenSSL时,记录下生成的库文件完整路径
- 使用ldd命令验证生成的liboqs.so是否正确链接了目标OpenSSL库
- 在CMake配置阶段检查警告信息,特别是关于库链接的警告
- 考虑设置LD_LIBRARY_PATH环境变量,确保运行时也能找到正确的库
总结
在liboqs项目中使用自定义编译的OpenSSL时,特别是启用了shlib_variant特性时,需要特别注意库文件的链接方式。通过明确指定完整的库文件路径而非目录,可以避免链接错误,确保项目正确构建。这一经验也适用于其他需要链接自定义OpenSSL的项目。
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
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-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
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
184
196
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++
648
265
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
275
97
暂无简介
Dart
623
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.43 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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