Mbed TLS 3.6.3版本发布:TLS握手安全增强与性能优化
项目概述
Mbed TLS是一个开源的SSL/TLS加密库,专为嵌入式系统和物联网设备设计。它提供了SSL/TLS协议实现以及各种加密算法,具有轻量级、模块化和高度可配置的特点。Mbed TLS广泛应用于需要安全通信的场景,如智能家居、工业控制系统和移动设备等。
版本亮点
Mbed TLS 3.6.3是该长期支持分支(LTS)的最新版本,将至少支持到2027年3月。本次更新主要聚焦于安全修复和性能优化,特别是针对TLS握手过程中的关键安全问题。
安全增强
主机名验证强化
本次版本引入了一个重要的安全改进:在TLS客户端中,如果未调用mbedtls_ssl_set_hostname()
函数且尝试基于证书进行服务器认证,握手过程将失败并返回MBEDTLS_ERR_SSL_CERTIFICATE_VERIFICATION_WITHOUT_HOSTNAME
错误。这一改变解决了Daniel Stenberg报告的安全问题(CVE-2025-27809),防止了服务器可能被错误识别的风险。
开发者可以通过两种方式恢复旧行为:
- 调用
mbedtls_ssl_set_hostname()
并传入NULL作为主机名 - 启用新的编译时选项
MBEDTLS_SSL_CLI_ALLOW_WEAK_CERTIFICATE_VERIFICATION_WITHOUT_HOSTNAME
TLS 1.2握手修复
修复了TLS 1.2握手过程中的一个关键问题(CVE-2025-27810)。当计算Finished消息时发生内存分配失败或加密硬件故障,可能导致计算错误,从而影响TLS握手的安全保证。
新特性与改进
静态密钥槽支持
新增了MBEDTLS_PSA_STATIC_KEY_SLOTS
配置选项,使用静态存储代替动态内存分配来管理密钥槽,实现了无malloc的密钥槽使用。每个缓冲区的大小由MBEDTLS_PSA_STATIC_KEY_SLOT_BUFFER_SIZE
选项决定,默认情况下可容纳构建中启用的最大PSA密钥。
MD模块增强
MD(消息摘要)模块现在可以在MBEDTLS_PSA_CRYPTO_CLIENT && !MBEDTLS_PSA_CRYPTO_C
配置下执行PSA分发,尽管这种配置并非官方支持。这需要链接支持所需PSA_WANT_ALG_xxx
并在客户端接口实现psa_can_do_hash()
的PSA加密提供程序库。
重要Bug修复
-
TLS 1.3兼容性:修复了当
MBEDTLS_SSL_TLS1_3_COMPATIBILITY_MODE
禁用时与启用中间盒兼容性的对等方工作的问题。 -
网络连接处理:在
mbedtls_net_bind
和mbedtls_net_connect
中使用mbedtls_net_close
替代close
,防止可能的双关闭文件描述符问题。 -
碎片化握手消息:增加了对TLS(1.2和1.3)中碎片化握手消息的重新组装支持,解决了与某些服务器(特别是TLS 1.3)的握手失败问题。
-
AES-NI汇编优化:修复了GCC类编译器为通用x86_64目标构建AES时使用的AES-NI内联汇编中的约束缺失问题,防止在某些编译器优化下可能产生的错误代码。
-
PSA密钥派生:修复了
psa_key_derivation_input_integer()
在操作中止后未检测错误状态的问题。
性能优化
-
ECC密钥生成:优化了PSA ECC密钥生成性能,不再计算立即丢弃的公钥。
-
内存清零:在PSA操作中使用的临时堆缓冲区在使用后立即清零,增强了安全性。
兼容性说明
-
MS-DOS DJGPP:修复了在此平台上的编译问题。
-
Visual Studio:移除了Everest Visual Studio 2010兼容性头文件,防止它们在不完整实现的情况下遮蔽标准CRT头文件。
-
打印格式化:修复了
MBEDTLS_PRINTF_SIZET
定义,防止在Visual Studio 2013或MinGW构建的Mbed TLS副本上启用SSL调试时可能发生的运行时崩溃。
升级建议
所有用户都应在适当的开发周期内更新到此版本,以利用其中的安全修复和性能改进。特别是那些依赖TLS 1.2或1.3协议进行安全通信的应用,应优先考虑升级,以解决握手过程中的潜在安全问题。
对于嵌入式系统开发者,新的静态密钥槽功能提供了无动态内存分配的密钥管理方案,特别适合资源受限的环境。而TLS客户端开发者应特别注意新的主机名验证要求,确保应用的安全配置符合最佳实践。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~059CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava05GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。07GOT-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。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0381- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









