ClamAV项目在FIPS模式下哈希兼容性问题分析与解决方案
问题背景
在Linux系统的FIPS(Federal Information Processing Standards)模式下,安全相关的加密算法会受到严格限制。近期在ClamAV 1.4.1版本的构建过程中发现,当系统启用FIPS模式时,ctest测试中的clamscan和clamscan_valgrind会因使用特定哈希算法而失败。
技术分析
FIPS模式是美国联邦政府制定的一套计算机安全标准,它明确禁止使用被认为不够安全的加密算法。某些算法由于已知的安全问题,在FIPS模式下被禁用。在ClamAV的测试套件中,单元测试文件fp_check_test.py使用了Python的hashlib模块来生成zip文件的哈希值,这在FIPS模式下会抛出"digital envelope routines: EVP_DigestInit_ex disabled for FIPS"错误。
解决方案
经过分析,将原有哈希替换为更安全的SHA-256哈希可以完美解决此问题。具体修改如下:
- 将原有哈希初始化替换为
hash_sha256 = hashlib.sha256() - 相应更新哈希计算和验证逻辑中的所有变量名
这种修改不仅解决了FIPS兼容性问题,还提高了系统的安全性,因为SHA-256相比原有算法具有更强的抗碰撞性。
实施效果
修改后,在aarch64架构的RHEL 8.10系统上,所有测试用例均能通过:
100% tests passed, 0 tests failed out of 11
测试总时间约为558秒,clamscan和clamscan_valgrind测试均成功完成。
扩展讨论
值得注意的是,FIPS模式还会禁用其他被认为不安全的算法。在构建ClamAV时,如果系统安装了systemd-devel库并启用了ENABLE_SYSTEMD选项,在FIPS模式下可能还会遇到其他兼容性问题,这需要进一步的调查和解决。
结论
对于需要在FIPS兼容环境中部署ClamAV的用户,建议:
- 及时应用此哈希算法升级补丁
- 在构建前检查系统是否处于FIPS模式
- 考虑使用更现代的哈希算法替代所有遗留的算法使用场景
这种改进不仅解决了当前的兼容性问题,还使ClamAV更符合现代安全标准,为后续的功能开发和系统集成奠定了更好的基础。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00