PolarSSL项目中RSA密钥算法策略处理问题分析
2025-06-05 18:10:56作者:凤尚柏Louis
背景概述
在PolarSSL(现Mbed TLS)密码学库中,mbedtls_pk_setup_opaque函数负责将PSA(Platform Security Architecture)密钥设置为PK(Public Key)接口可用的形式。然而,在处理RSA密钥时,该函数存在一个重要的设计缺陷——它总是默认使用PKCS#1v1.5算法,而忽略了密钥策略中可能指定的PSS或OAEP算法。
问题详细分析
PKCS#1标准演变
RSA算法的填充方案经历了多个版本的演进:
- PKCS#1v1.5:早期标准,存在某些安全限制
- PSS(Probabilistic Signature Scheme):更安全的签名方案
- OAEP(Optimal Asymmetric Encryption Padding):更安全的加密方案
现代密码学应用中,PSS和OAEP因其更强的安全性而逐渐成为推荐选择。
函数行为缺陷
mbedtls_pk_setup_opaque函数当前实现存在以下问题:
- 对于签名操作,总是使用
PSA_ALG_RSA_PKCS1V15_SIGN或其原始变体 - 对于加密操作,总是使用
PSA_ALG_RSA_PKCS1V15_CRYPT - 完全忽略PSA密钥策略中可能指定的PSS或OAEP算法
影响范围
该问题影响Mbed TLS 3.2.0至3.6.0版本。在这些版本中:
- 当应用程序使用PSS或OAEP策略创建PSA密钥
- 然后通过
mbedtls_pk_setup_opaque将其转换为PK接口 - 后续的签名或解密操作将失败,因为使用了不匹配的算法
技术影响
与简单的算法不匹配不同,这个问题会导致运行时错误而非静默失败,因为PSA层会强制执行密钥策略。这虽然避免了安全隐患,但破坏了API的预期行为。
解决方案方向
正确的实现应该:
- 查询PSA密钥的策略信息
- 根据策略中指定的算法选择合适的PK上下文配置
- 保持与
mbedtls_pk_copy_from_psa函数一致的行为
开发者建议
对于使用受影响版本的用户,建议:
- 检查所有使用
mbedtls_pk_setup_opaque的代码路径 - 对于需要PSS/OAEP的场景,考虑直接使用PSA API
- 或升级到修复后的版本(当可用时)
总结
这个问题凸显了在密码学库中维护不同抽象层间一致性的挑战。虽然PSA层的策略检查防止了安全问题,但高层API应该正确反映底层密钥的实际能力。修复此问题将提高API的可用性和符合性,确保开发者能够充分利用现代RSA算法的安全优势。
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
Ascend Extension for PyTorch
Python
222
245
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
暂无简介
Dart
672
157
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++
661
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217