PolarSSL项目发布Mbed TLS 2.28.10版本:安全加固与功能优化
PolarSSL(现更名为Mbed TLS)是一个开源的SSL/TLS加密库,广泛应用于嵌入式系统和物联网设备中。该项目提供了SSL/TLS协议实现以及各种加密算法,具有轻量级、模块化和高度可配置的特点。作为网络安全的基础组件,Mbed TLS在保障数据传输安全方面发挥着重要作用。
版本概述
Mbed TLS 2.28.10是该2.28长期支持(LTS)分支的最终版本,标志着该系列将不再接收后续的安全更新和错误修复。开发团队建议用户尽快升级到维护中的新版本。本次更新主要包含安全修复和功能优化,特别针对TLS握手过程中的潜在安全问题进行了加固。
安全增强
本次版本最显著的安全改进是对TLS客户端认证机制的强化。在之前的版本中,如果客户端没有通过mbedtls_ssl_set_hostname()设置主机名,仍然可以继续进行证书验证,这可能导致服务器身份验证被绕过。2.28.10版本默认情况下会阻止这种情况,返回MBEDTLS_ERR_SSL_CERTIFICATE_VERIFICATION_WITHOUT_HOSTNAME错误。
开发团队还修复了一个TLS 1.2握手过程中的关键问题。当内存分配失败或加密硬件计算Finished消息时出现错误,可能导致消息计算不正确,从而影响TLS握手的安全保证。此外,PSA操作中使用的临时堆缓冲区现在会被正确清零,防止信息残留。
重要功能变更
新版本引入了一个重要的默认行为变更:当TLS客户端尝试基于证书进行服务器认证时,如果未调用mbedtls_ssl_set_hostname(),握手过程将失败。这一变更反映了安全最佳实践,因为在不明确预期主机名的情况下验证服务器证书通常是不安全的。
对于需要保持旧行为的特殊情况,开发者可以通过两种方式实现:一是调用mbedtls_ssl_set_hostname()并传入NULL作为主机名参数;二是启用新的编译时选项MBEDTLS_SSL_CLI_ALLOW_WEAK_CERTIFICATE_VERIFICATION_WITHOUT_HOSTNAME。
错误修复与兼容性改进
本次更新包含了多项错误修复,包括:
- 在网络绑定和连接函数中使用
mbedtls_net_close替代直接close调用,防止可能的文件描述符双重关闭问题 - 修复了MS-DOS DJGPP平台上的编译问题
- 修正了AES-NI内联汇编的约束条件,解决了某些编译器优化可能导致代码错误的问题
- 修复了
psa_key_derivation_input_integer()在操作中止后未能检测错误状态的问题 - 解决了Visual Studio 2013和MinGW环境下SSL调试启用时的运行时崩溃问题
升级建议
所有使用Mbed TLS 2.28系列的用户都应考虑升级到此版本,特别是那些依赖TLS 1.2协议和服务器证书验证功能的应用程序。由于这是2.28 LTS的最终版本,长期项目应规划向后续维护版本迁移的路线图。
对于嵌入式系统和资源受限环境,开发者应特别注意新版本中安全增强可能带来的行为变化,确保应用程序逻辑与新的安全约束相兼容。在升级过程中,建议全面测试TLS握手流程和证书验证功能,确认所有安全机制按预期工作。
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 StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0117
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01