Rustls项目中TLS 1.3签名方案扩展性问题解析
2025-06-02 00:58:14作者:钟日瑜
在Rustls这个Rust语言实现的TLS库中,开发者发现了一个关于TLS 1.3协议签名方案(SignatureScheme)扩展性的重要问题。这个问题主要影响那些希望为Rustls添加自定义加密算法的开发者,特别是涉及后量子密码学(PQC)算法的场景。
问题背景
Rustls作为一个现代化的TLS实现,其设计目标之一就是保持高度的安全性和灵活性。然而,在TLS 1.3的实现中,签名方案的处理机制存在一定的局限性。当开发者尝试集成自定义的签名算法(如ML-DSA等后量子签名方案)时,会遇到服务器端无法识别客户端提供的签名方案的问题。
技术细节分析
问题的核心在于Rustls服务器端对TLS 1.3签名方案的处理逻辑。当前实现采用了一个白名单机制,只允许预先定义在SignatureScheme::supported_in_tls13()中的签名方案。这意味着:
- 任何自定义的
SignatureScheme::Unknown变体都会被服务器端过滤掉 - 即使客户端正确广告了新的签名方案,服务器也无法识别
- 最终导致握手失败,抛出
PeerIncompatible(NoSignatureSchemesInCommon)错误
解决方案演进
Rustls维护团队迅速响应并提出了两种改进方案:
-
直接扩展枚举方案:为需要的签名方案添加新的枚举变体,并确保它们在
supported_in_tls13()中被启用。这种方法简单直接,但缺乏长期扩展性。 -
更灵活的拒绝列表方案:将当前的白名单机制改为黑名单机制,只排除已知不安全的算法(如使用SHA1的签名方案和RSA-PKCS1),而默认允许其他方案。这种方法更具前瞻性,为未来新算法的集成提供了更好的支持。
实际影响与修复
Rustls团队最终采用了第二种更灵活的方案,这一变更已经包含在0.23.26版本中发布。这一改进意味着:
- 开发者现在可以更轻松地集成自定义签名方案
- 后量子密码学算法的实验性集成变得更加可行
- 系统保持了向后兼容性,不会影响现有功能
对开发者的建议
对于需要在Rustls中使用自定义签名方案的开发者,现在可以:
- 确保使用Rustls 0.23.26或更高版本
- 按照标准方式定义自己的
SignatureScheme枚举变体 - 实现相应的
CryptoProvider接口 - 无需担心服务器端会过滤掉自定义方案
这一改进显著提升了Rustls在密码学算法演进方面的适应能力,特别是在后量子密码学过渡时期,为研究和实验提供了更好的支持。
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
海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 VSdebugChkMatch.exe:专业PDB签名匹配工具全面解析与使用指南 ZLIB 1.3 静态库 Windows x64 版本:高效数据压缩解决方案完全指南 Adobe Acrobat XI Pro PDF拼版插件:提升排版效率的专业利器 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 谷歌浏览器跨域插件Allow-Control-Allow-Origin:前端开发调试必备神器 Python案例资源下载 - 从入门到精通的完整项目代码合集 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 深入解析Windows内核模式驱动管理器:系统驱动管理的终极利器
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
664
152
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++
659
298
Ascend Extension for PyTorch
Python
216
236
React Native鸿蒙化仓库
JavaScript
255
320
仓颉编译器源码及 cjdb 调试工具。
C++
133
866
仓颉编程语言运行时与标准库。
Cangjie
140
875
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
🎉 (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
648
仓颉编程语言开发者文档。
59
818