Mbed TLS项目中GCC 15编译导致的HMAC-SHA-256测试失败问题分析
在Mbed TLS项目中,近期发现使用即将发布的GCC 15编译器会导致HMAC-SHA-256相关测试用例失败。这个问题源于GCC 15对联合体(union)初始化行为的变更,影响了PSA加密API中MAC操作结构的初始化过程。
问题背景
Mbed TLS是一个广泛使用的开源加密库,提供了SSL/TLS协议实现和各种加密算法。项目中包含一个名为PSA Crypto的模块,提供标准化的加密API接口。在最新的GCC 15编译器中,由于对联合体初始化行为的优化变更,导致部分加密操作无法正常工作。
问题本质
问题的核心在于联合体的初始化方式。在Mbed TLS中,MAC(消息认证码)操作结构体包含一个联合体成员,用于支持不同的MAC算法实现。当使用类似{0}的初始化方式时,GCC 15不再保证联合体中所有成员都被初始化为零,而只初始化第一个成员。
具体来说,psa_mac_operation_t结构体包含一个联合体成员ctx,其中可能包含HMAC或CMAC等不同算法的上下文。当使用PSA_MAC_OPERATION_INIT宏(定义为{0})初始化时,GCC 15只初始化了联合体的第一个成员(通常是一个dummy字段),而其他成员(如HMAC上下文)保持未初始化状态。
技术细节
在HMAC操作中,未初始化的哈希上下文ID字段会导致后续操作失败。哈希操作开始时会检查上下文ID是否为0(表示未初始化),但由于联合体未被完全初始化,这个检查可能失败,导致返回错误代码。
以下是简化的结构体定义,展示了问题的关键部分:
struct psa_mac_operation_s {
unsigned int id;
uint8_t mac_size;
unsigned int is_sign : 1;
union {
unsigned dummy;
struct {
psa_algorithm_t alg;
struct {
unsigned int id; // 关键字段
psa_driver_hash_context_t ctx;
} hash_ctx;
uint8_t opad[PSA_HMAC_MAX_HASH_BLOCK_SIZE];
} hmac;
} ctx;
};
解决方案
目前Mbed TLS团队提供了几种解决方案:
-
临时解决方案:在使用GCC 15编译时,添加编译器选项
-fzero-init-padding-bits=unions,强制GCC保持原有的初始化行为。 -
代码修复方案:
- 在MAC操作设置函数中添加
memset,确保整个结构体被清零 - 修改初始化宏,确保联合体所有成员都被初始化
- 重构联合体定义,使第一个成员是最大的成员,确保
{0}初始化整个联合体
- 在MAC操作设置函数中添加
-
长期解决方案:
- 在API规范中明确初始化要求
- 添加测试用例验证不同编译器的初始化行为
- 考虑使用更明确的初始化方式
对开发者的建议
对于使用Mbed TLS的开发者,建议:
- 如果使用GCC 15或类似行为的编译器,添加推荐的编译器选项
- 检查自定义代码中对PSA加密API结构体的初始化方式
- 考虑使用
memset或专用初始化函数替代{0}初始化 - 关注Mbed TLS的后续版本更新,获取官方修复
总结
这个问题展示了编译器优化可能对加密代码产生的微妙影响。在安全敏感的加密实现中,确保数据结构完全初始化至关重要。Mbed TLS团队正在积极解决这个问题,未来版本将提供更健壮的初始化机制,避免类似问题的发生。
对于安全关键项目,建议在CI环境中包含多种编译器版本的测试,以及内存检查工具如Valgrind或MemorySanitizer,以尽早发现潜在的初始化问题。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C037
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0114
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