Mbed TLS项目中PSA_ALG_DETERMINISTIC_ECDSA_BASE的正确使用方法
2025-06-05 15:50:11作者:沈韬淼Beryl
在Mbed TLS项目中,开发者在使用PSA加密API进行ECDSA签名时,可能会遇到一个常见误区:直接使用PSA_ALG_DETERMINISTIC_ECDSA_BASE作为签名算法参数。本文将详细解释这一问题的根源,并提供正确的使用方法。
问题背景
当开发者尝试使用PSA API进行确定性ECDSA签名时,可能会编写类似如下的代码:
psa_set_key_algorithm(&attributes, PSA_ALG_DETERMINISTIC_ECDSA_BASE);
status = psa_sign_hash(key_id, PSA_ALG_DETERMINISTIC_ECDSA_BASE, ...);
这种情况下,psa_sign_hash会返回PSA_ERROR_INVALID_ARGUMENT(-135)错误,表明参数无效。
问题原因
关键在于PSA_ALG_DETERMINISTIC_ECDSA_BASE并不是一个完整的、可直接使用的算法标识符。它实际上是PSA加密API内部用于构建其他算法宏的基础宏。在PSA加密API设计中,确定性ECDSA签名算法需要与具体的哈希算法结合使用。
正确使用方法
1. 密钥策略设置
在设置密钥属性时,应该使用PSA_ALG_DETERMINISTIC_ECDSA(PSA_ALG_ANY_HASH),这表示该密钥可用于对任何哈希值进行确定性ECDSA签名:
psa_set_key_algorithm(&attributes, PSA_ALG_DETERMINISTIC_ECDSA(PSA_ALG_ANY_HASH));
2. 签名操作
在实际签名时,必须指定具体的哈希算法。例如,如果要使用SHA-256哈希算法:
status = psa_sign_hash(key_id, PSA_ALG_DETERMINISTIC_ECDSA(PSA_ALG_SHA_256), ...);
技术深入
确定性ECDSA(Deteriministic ECDSA)是ECDSA的一种变体,它通过RFC 6979中定义的方法从私钥和消息哈希确定性地生成k值,消除了传统ECDSA中随机数生成器可能带来的安全隐患。
在PSA加密API中,算法标识符通常采用组合方式构建。对于签名算法,通常需要指定:
- 基础签名方案(如ECDSA)
- 是否使用确定性变体
- 使用的哈希算法
因此,PSA_ALG_DETERMINISTIC_ECDSA宏需要与具体的哈希算法宏组合使用,而不能单独使用基础宏。
最佳实践建议
- 在密钥创建阶段使用
PSA_ALG_DETERMINISTIC_ECDSA(PSA_ALG_ANY_HASH),以保持灵活性 - 在实际签名操作中明确指定使用的哈希算法
- 确保签名时使用的哈希算法与消息的实际哈希算法一致
- 对于不同的曲线家族,确保使用正确的密钥类型(如示例中的
PSA_ECC_FAMILY_SECP_K1)
通过正确理解PSA加密API中算法标识符的组合方式,开发者可以避免这类参数错误,并编写出更安全、更可靠的加密代码。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0118
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
764
4.98 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.93 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
683
1.33 K
Ascend Extension for PyTorch
Python
719
882
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++
1.08 K
1.1 K
deepin linux kernel
C
32
16
openEuler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。
C
457
439
用户可使用该项目在 OpenHarmony 平台开发应用,支持通过 IDE 或终端用 Flutter Tools 指令编译构建,基于 Flutter 3.27.4 版本,新增 impeller-vulkan 渲染模式,兼容多种开发指令与环境配置。
Dart
1.01 K
261
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
151
253
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
998
609