Mbed TLS项目中密码算法宏定义的演进与优化
2025-06-05 14:21:12作者:裘晴惠Vivianne
背景介绍
在现代密码学库Mbed TLS的开发过程中,随着PSA(Platform Security Architecture)加密API的引入,项目团队正在逐步重构和优化代码中的宏定义系统。这一演进过程涉及到如何更合理地组织密码算法相关的功能开关,特别是在SSL/TLS模块与底层密码模块之间的配置关系。
现有宏定义系统分析
当前Mbed TLS代码中存在三类与CBC模式相关的宏定义:
MBEDTLS_CIPHER_MODE_CBC:传统的非PSA模式下的CBC功能开关MBEDTLS_SSL_HAVE_CBC:考虑PSA兼容性的CBC功能开关MBEDTLS_SSL_SOME_SUITES_USE_CBC:专门针对SSL/TLS套件使用的CBC功能开关
类似的模式也存在于其他算法如GCM、CCM和ChachaPoly等。这种分层设计反映了从传统密码实现向PSA架构过渡期的复杂性。
宏定义重构的必要性
随着PSA架构成为Mbed TLS的核心部分,项目团队决定简化这一宏定义系统,主要基于以下考虑:
- 代码一致性:减少功能相同的冗余宏定义
- 维护便利:统一使用PSA_WANT系列宏作为算法可用性的判断标准
- 未来兼容:为将来完全基于PSA架构的代码做准备
具体重构方案
重构工作将主要影响以下几组宏定义:
MBEDTLS_SSL_HAVE_CBC→PSA_WANT_ALG_CBC_NO_PADDINGMBEDTLS_SSL_HAVE_GCM→PSA_WANT_ALG_GCMMBEDTLS_SSL_HAVE_CCM→PSA_WANT_ALG_CCMMBEDTLS_SSL_HAVE_CHACHAPOLY→PSA_WANT_ALG_CHACHA20_POLY1305
值得注意的是,这一替换不适用于以下情况:
- 配置文件(如mbedtls_config.h)
- 配置检查文件(如check_config.h)
- 配置调整文件(如config_adjust_*.h)
技术考量与边界
在重构过程中,开发团队特别关注了几个关键点:
- 功能边界:保留了
MBEDTLS_SSL_SOME_SUITES_USE_CBC等真正与SSL/TLS协议相关的宏,因为它们包含了协议层的特定逻辑 - 过渡兼容:确保测试用例在重构前后保持相同的行为
- 未来扩展:为将来可能实现的"密码算法可用但不在TLS中使用"的细粒度控制预留空间
对SSL/TLS模块的影响
这一重构将使SSL/TLS模块更加清晰地区分:
- 底层密码功能的可用性(通过PSA_WANT宏判断)
- 协议层对密码功能的使用策略(通过专门的SSL宏控制)
这种分离为未来的功能演进奠定了更好的基础,特别是在以下方面:
- 支持TLS 1.3的密码套件选择
- 实现更细粒度的密码功能控制
- 减少不必要的代码编译(节省空间)
总结
Mbed TLS项目通过这次宏定义系统的重构,不仅简化了当前代码结构,还为未来的架构演进做好了准备。这种从传统实现向PSA架构的渐进式过渡,体现了项目团队对代码质量和技术前瞻性的双重追求。对于开发者而言,理解这一变化有助于更好地参与项目贡献和进行自定义构建配置。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler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。C0105
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00
最新内容推荐
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
478
3.57 K
React Native鸿蒙化仓库
JavaScript
288
340
暂无简介
Dart
729
175
Ascend Extension for PyTorch
Python
288
321
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++
850
448
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
239
100
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
10
1
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
452
180
🎉 (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
1.28 K
705