Mbed TLS与TF-M集成中的PSA加密实现冲突解决方案
背景介绍
在嵌入式安全开发中,Mbed TLS和Trusted Firmware-M(TF-M)都是广泛使用的安全组件。当开发者尝试将这两个组件集成到同一系统中时,特别是在使用TLS 1.3协议的情况下,可能会遇到PSA(Platform Security Architecture)加密实现的多重定义问题。
问题本质
这个问题的根源在于Mbed TLS和TF-M都提供了PSA加密的实现。当两者同时启用时,链接器会发现相同的PSA函数有多个定义版本,导致构建失败。具体表现为:
- Mbed TLS 3.4.0版本中启用了MBEDTLS_PSA_CRYPTO_C标志(这是TLS 1.3所必需的)
- 同时系统中集成了TF-M,它也提供了PSA加密实现
- 编译时出现"multiple definition"错误
解决方案
标准配置方案
正确的集成方式应该是:
-
禁用Mbed TLS内置的PSA实现:在Mbed TLS配置中禁用MBEDTLS_PSA_CRYPTO_C,转而启用MBEDTLS_PSA_CRYPTO_CLIENT。这表明加密操作将通过TF-M的远程过程调用实现,而非本地函数。
-
配置加密机制一致性:在非安全世界(NS)中声明与安全世界(S)相同的加密机制。需要启用MBEDTLS_PSA_CRYPTO_CONFIG,并使用与安全世界相同的psa/crypto_config.h(定义PSA_WANT_xxx符号)。
-
启用PSA加密调用:设置MBEDTLS_USE_PSA_CRYPTO标志,确保TLS代码调用PSA函数而非传统加密函数。
-
禁用传统加密算法:不应启用MBEDTLS_RSA_C、MBEDTLS_AES_C等传统加密算法标志,因为这些会使用本地代码而非TF-M调用。
版本升级建议
值得注意的是,Mbed TLS 3.4版本存在已知的安全问题。建议开发者立即升级到最新的3.6.1版本,该版本修复了许多与TF-M集成相关的构建问题。
替代方案探讨
对于希望保留MBEDTLS_PSA_CRYPTO_C标志的开发者,理论上可以通过修改PSA驱动包装器文件(psa_crypto_driver_wrapper.c)来重定向加密调用至TF-M API。例如:
psa_driver_wrapper_sign_hash
{
/* if TFM is enabled */
tfm_psa_sign_hash()
}
然而,这种方案需要谨慎处理,因为它可能引入额外的复杂性和潜在的安全隐患。标准方案仍是推荐的做法。
技术要点
-
TLS 1.3确实需要PSA加密API,但这可以通过MBEDTLS_PSA_CRYPTO_CLIENT提供,而不一定需要启用完整的MBEDTLS_PSA_CRYPTO_C。
-
在仅使用ECC和/或PSK的构建中,上述配置完全可行。如果启用RSA,可能需要在同一执行域中保留内置的RSA代码。
-
配置一致性是关键,特别是加密机制的定义必须与非安全世界和安全世界保持一致。
通过正确配置,开发者可以成功集成Mbed TLS和TF-M,同时满足TLS 1.3的安全需求,避免PSA实现冲突的问题。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0152- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112