BC-Java项目中SLH-DSA签名算法映射不一致问题解析
2025-07-01 08:55:48作者:郜逊炳
在密码学领域,签名算法的正确实现对于保障数据安全至关重要。近期在BC-Java项目(Bouncy Castle密码库的Java实现)中发现了一个关于SLH-DSA签名算法映射不一致的技术问题,该问题可能导致开发者在使用特定参数集时遇到签名功能异常。
问题背景
SLH-DSA(Stateful Hash-Based Digital Signature Algorithm)是一种基于哈希的数字签名算法,与ML-DSA(Module-Lattice Digital Signature Algorithm)同属于后量子密码学范畴。在BC-Java的实现中,开发者发现这两种算法的映射方式存在不一致性。
具体表现为:当通过密钥对生成器获取ML-DSA私钥时,能够正确推导出对应的签名实例;而使用SLH-DSA时,算法名称未能携带具体的参数集信息(如SHA2-128S),导致签名功能异常。
技术细节分析
通过测试代码可以清晰地观察到这一现象:
- 对于ML-DSA算法,密钥的getAlgorithm()方法返回完整算法标识(如"ML-DSA-87"),签名实例创建成功
- 对于SLH-DSA算法,密钥仅返回基础算法名称"SLH-DSA",丢失了参数集信息,导致签名实例创建失败
这种不一致性源于BC-Java提供者实现中的映射逻辑差异。在SLH-DSA的实现类中,密钥算法名称的生成未包含NIST标准中定义的具体参数集标识。
解决方案与修复
项目维护团队迅速响应并修复了这一问题。修复方案主要涉及:
- 修改SLH-DSA密钥对的算法名称生成逻辑
- 确保算法名称包含完整的参数集标识(如"SLH-DSA-SHA2-128S")
- 保持与ML-DSA等其他后量子算法一致的命名规范
该修复已纳入BC-Java的测试版本,开发者可以通过获取最新测试版本来验证修复效果。
对开发者的建议
在使用密码学库时,特别是涉及后量子密码算法时,开发者应当:
- 注意算法名称的完整性,特别是包含参数集信息
- 在密钥生成和签名操作间保持算法标识的一致性
- 及时更新密码库版本以获取最新的安全修复
- 对关键密码操作进行充分的测试验证
这个案例也提醒我们,在后量子密码过渡时期,各种新算法的实现可能存在不一致性,需要开发者保持警惕并密切关注相关密码库的更新动态。
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
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
暂无简介
Dart
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217