ARMmbed/mbedtls项目中SHA3算法宏定义的现代化演进
背景介绍
在ARMmbed/mbedtls这个广泛应用于嵌入式系统的加密库中,SHA3系列哈希算法的支持一直是通过MBEDTLS_MD_CAN_SHA3_*这样的宏定义来控制的。随着项目向PSA(Platform Security Architecture)加密API的迁移,这些传统宏定义正逐步被更现代化的PSA_WANT_ALG_SHA3_*系列宏所取代。
新旧宏定义对比
在mbedtls的代码库中,存在以下几组对应的宏定义:
MBEDTLS_MD_CAN_SHA3_224↔PSA_WANT_ALG_SHA3_224MBEDTLS_MD_CAN_SHA3_256↔PSA_WANT_ALG_SHA3_256MBEDTLS_MD_CAN_SHA3_384↔PSA_WANT_ALG_SHA3_384MBEDTLS_MD_CAN_SHA3_512↔PSA_WANT_ALG_SHA3_512
这些宏定义都用于控制SHA3系列哈希算法的编译时启用状态,但它们属于不同的抽象层次和API体系。
技术演进的意义
1. 标准化与统一性
PSA加密API是ARM提出的标准化加密接口规范,采用PSA_WANT_ALG_*这样的命名约定更符合现代加密API的设计理念。这种改变使得mbedtls与其他遵循PSA标准的加密实现保持一致性。
2. 功能抽象层级
传统的MBEDTLS_MD_CAN_*宏属于消息摘要(MD)抽象层,而新的PSA_WANT_ALG_*宏属于更底层的算法选择层。这种改变使得代码结构更加清晰,职责划分更加明确。
3. 编译配置简化
PSA系列的宏定义采用了更加系统化的命名方案,使得开发者能够更容易地理解和记忆各种加密算法的配置方式。例如,所有算法相关的配置都以PSA_WANT_ALG_开头,后接标准化的算法名称。
实施注意事项
在进行这种宏定义替换时,开发团队需要特别注意以下几点:
-
测试覆盖完整性:确保替换后的测试用例能够覆盖原有测试场景,特别是边界条件和异常情况。
-
向后兼容性:虽然内部实现发生了变化,但需要保证公开API的行为不变,避免影响现有用户的代码。
-
文档同步更新:所有相关的使用文档和示例代码都需要相应更新,反映这一变化。
-
配置系统协调:确保构建系统和配置工具能够正确处理新的宏定义,并与旧系统保持兼容。
对开发者的影响
对于使用mbedtls库的开发者来说,这一变化主要带来以下影响:
-
新项目建议:新项目应优先使用
PSA_WANT_ALG_*系列的宏定义来配置SHA3算法支持。 -
现有项目迁移:现有项目可以逐步迁移,但需要注意测试验证,确保功能不受影响。
-
理解成本:开发者需要了解PSA加密API的基本概念,以便更好地使用新的配置系统。
未来展望
这一变化是mbedtls向现代化加密API演进的一部分。随着PSA标准的普及,我们可以预见更多传统配置宏将被PSA风格的宏所取代。这不仅提高了代码的可维护性,也使得mbedtls能够更好地融入现代安全开发生态系统。
对于嵌入式系统开发者而言,适应这一变化将有助于构建更加安全、可维护的应用程序,同时也为将来可能的安全需求升级打下良好基础。
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