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。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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