PolarSSL/Mbed TLS 1.0/4.0版本中示例程序的保留与重构决策
2025-06-05 03:15:34作者:秋泉律Samson
在PolarSSL/Mbed TLS项目向1.0/4.0版本演进的过程中,开发团队对项目中的示例程序进行了全面评估,以确定哪些程序需要保留、重构或移除。这一决策过程考虑了多个因素,包括API的现代化演进、功能实用性以及测试需求等。
背景与评估标准
随着PolarSSL/Mbed TLS向PSA(Platform Security Architecture)加密API过渡,项目中的许多示例程序需要进行调整。评估标准主要包括:
- 是否使用了将被移除的传统加密API
- 程序的实际用途(演示、测试或实用工具)
- 与X.509证书处理等核心功能的关联性
主要决策分类
X.509相关程序
X.509证书处理相关的程序大多被保留,因为它们是项目核心功能的重要组成部分:
load_roots.c、req_app.c、crl_app.c等程序被完整保留cert_app.c、cert_req.c、cert_write.c等需要替换随机数生成器(RNG)实现
密钥生成与管理程序
密钥处理程序的命运各不相同:
rsa_genkey.c、dh_genprime.c等使用传统API的程序将被移除gen_key.c将被重写以使用PSA API,因为它对X.509证书处理流程至关重要pk_verify.c等已适配PSA的程序被保留
测试与基准程序
测试相关程序大多保留,但需要调整:
benchmark.c将迁移至TF-PSA-Crypto项目,并逐步重写使用PSA APIselftest.c等使用传统API的测试程序将被移除- 模糊测试(fuzz)相关程序大多保留,但需要替换RNG和部分加密实现
加密演示程序
许多加密演示程序将被移除或替换:
crypt_and_hash.c等使用传统API的程序将被移除md_hmac_demo.c等已有PSA替代品的程序将被移除aead_demo.c等PSA版本程序将保留并移除对传统版本的引用
SSL/TLS相关程序
SSL/TLS演示和测试程序大多保留,但需要调整:
ssl_client2.c、ssl_server2.c等需要替换RNG实现ssl_mail_client.c作为实用的邮件客户端示例被保留- 需要移除或修改一些特定选项,如DHM参数支持和可中断ECP操作
技术考量与决策依据
在做出这些决策时,团队考虑了以下技术因素:
-
API演进:优先保留使用PSA API或完全不涉及加密API的程序,逐步淘汰依赖传统加密API的实现。
-
功能完整性:确保X.509证书处理等核心功能链的完整性,即使需要重写部分程序。
-
测试覆盖:保留对持续集成和测试至关重要的程序,即使需要修改。
-
实用性:评估每个程序的实际用途,移除仅用于演示传统API而缺乏实际应用价值的程序。
-
代码健康:通过移除过时代码减少维护负担,同时确保不丢失重要功能。
未来工作方向
基于这些决策,项目团队将:
- 批量移除标记为删除的程序
- 对需要调整的程序创建单独的工作项
- 逐步重写关键程序以使用PSA API
- 将部分程序(如benchmark)迁移到更合适的项目位置
这一系统性的评估和重构工作将确保PolarSSL/Mbed TLS在1.0/4.0版本中提供更现代化、更安全的API示例,同时保持核心功能的完整性和易用性。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
最新内容推荐
TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 STM32到GD32项目移植完全指南:从兼容性到实战技巧 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 VSdebugChkMatch.exe:专业PDB签名匹配工具全面解析与使用指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.18 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
690
325
Ascend Extension for PyTorch
Python
229
258
暂无简介
Dart
679
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
346
147