open62541项目中解决MBedTLS 3.6.0 LTS在Windows平台的链接问题
在Windows平台上使用open62541项目时,如果采用MBedTLS 3.6.0 LTS版本作为加密库,可能会遇到一个常见的链接错误。这个错误表现为编译过程中出现error LNK2019: unresolved external symbol BCryptGenRandom的提示信息,特别是在调用mbedtls_platform_entropy_poll函数时。
问题根源分析
这个链接错误的核心原因是MBedTLS库在Windows平台上实现随机数生成功能时,依赖了Windows系统的BCrypt(下一代加密API)库中的BCryptGenRandom函数。然而,默认情况下MBedTLS的配置文件中没有显式地链接这个系统库,导致在编译时无法解析这个外部符号。
解决方案详解
要解决这个问题,我们需要对MBedTLS的配置文件进行简单的修改。以下是详细的解决步骤:
-
获取MBedTLS源代码:首先需要从官方渠道获取MBedTLS 3.6.0 LTS版本的源代码。注意此时先不要进行编译。
-
修改配置文件:找到MBedTLS源代码目录中的
include/mbedtls/mbedtls_config.h文件,这是MBedTLS的主要配置文件。 -
添加链接指令:在配置文件中添加一行
#pragma comment (lib, "bcrypt.lib")。这条指令告诉Visual Studio编译器在链接阶段需要链接Windows的bcrypt.lib库。 -
编译MBedTLS:完成上述修改后,按照正常流程编译MBedTLS库。
-
编译open62541:最后编译open62541项目,此时应该不会再出现关于
BCryptGenRandom的链接错误。
技术背景
Windows平台提供了多种加密API,其中BCrypt(下一代加密API)是Windows Vista及以后版本中引入的现代加密接口。MBedTLS在Windows平台上实现熵源收集(entropy gathering)时,会优先使用这个API来获取高质量的随机数。
#pragma comment(lib, "bcrypt.lib")是一种编译器指令,它会在编译时自动将指定的库添加到链接器的依赖列表中。这种方式比在项目设置中手动添加库依赖更加灵活,特别是对于开源项目来说,可以避免用户需要手动配置各种库路径。
注意事项
-
这个解决方案适用于Windows平台,其他操作系统不需要此修改。
-
修改配置文件后需要重新编译MBedTLS,确保修改生效。
-
如果使用的是其他版本的MBedTLS,可能需要检查对应的配置文件路径和内容是否一致。
-
在某些特殊环境下,可能需要确保系统中存在bcrypt.lib库文件,通常这是Windows SDK的一部分。
通过这个简单的修改,可以解决MBedTLS在Windows平台上的链接问题,确保open62541项目能够正常编译和使用加密功能。
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-1.5暂无简介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