Bouncy Castle Java库中轻量级AEAD密码输出长度问题分析
2025-07-01 01:10:31作者:何举烈Damon
问题概述
Bouncy Castle Java密码库中的几款轻量级认证加密(AEAD)算法实现被发现存在输出长度计算错误的问题。受影响的具体算法包括Elephant、ISAP、PhotonBeetle和Xoodyak。这些算法在实现过程中未能正确处理缓存数据对输出大小的影响,导致getOutputSize()和getUpdateOutputSize()方法返回了不准确的结果值。
问题详细分析
输出长度计算错误
在ISAP、PhotonBeetle和Xoodyak算法的实现中,消息数据被缓存起来,直到调用doFinal()方法时才进行最终处理。然而,当前的输出大小计算方法没有考虑到这部分缓存数据对最终输出长度的影响,导致返回的数值小于实际需要的输出空间。
Elephant算法的情况略有不同,它采用了部分缓存机制,但同样没有在输出大小计算中正确考虑缓存数据的影响。
字节处理计数错误
Elephant算法还存在另一个问题:在doFinal()方法中返回的是累计处理的字节总数,而不是当前调用实际处理的字节数。这种实现方式与常规的密码操作接口约定不符,可能导致调用方获取到不准确的进度信息。
技术背景
在密码学实现中,输出大小的准确计算至关重要。getOutputSize()和getUpdateOutputSize()是密码操作的标准方法,用于让调用方预先知道需要分配多少缓冲区空间。这些方法必须考虑所有待处理数据,包括已缓存但尚未处理的部分。
解决方案
该问题已被修复,主要调整包括:
- 对于ISAP、PhotonBeetle和Xoodyak算法,更新输出大小计算方法,使其正确包含缓存数据的影响
- 对于Elephant算法,修正输出大小计算逻辑,同时调整
doFinal()方法返回的字节处理计数 - 确保所有实现都遵循一致的接口约定和行为模式
对用户的影响
这一修复确保了:
- 调用方能够获取准确的输出缓冲区大小建议
- 密码操作的行为更加一致和可预测
- 避免因缓冲区空间不足导致的处理失败
- 提供准确的字节处理进度信息
用户升级到修复版本后,可以更可靠地使用这些轻量级AEAD算法进行数据加密和认证操作。
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-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
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
215
234
暂无简介
Dart
662
152
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
React Native鸿蒙化仓库
JavaScript
253
320
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++
660
296
🎉 (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
1.18 K
646
openGauss kernel ~ openGauss is an open source relational database management system
C++
159
217
🔥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
62
19
仓颉编程语言开发者文档。
59
818