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。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00