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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00