Mbed TLS项目X.509 API中RNG参数的移除与现代化改造
2025-06-05 03:54:34作者:滑思眉Philip
在密码学应用中,随机数生成器(RNG)是保证安全性的关键组件。Mbed TLS作为一款广泛使用的开源加密库,正在经历一次重要的API现代化改造,其中X.509证书处理模块的RNG参数移除工作尤为关键。
背景与动机
传统上,Mbed TLS的X.509相关API允许用户通过回调函数提供自定义的随机数生成器。这种设计虽然灵活,但随着PSA(Platform Security Architecture)加密API的引入,特别是PSA RNG成为标准随机源后,原有的RNG回调机制变得冗余且不再必要。
技术变更内容
本次改造涉及Mbed TLS中所有X.509相关的公共API(位于include/mbedtls/x509*.h头文件中),主要变更包括:
- 从函数原型中移除f_rng和p_rng参数
- 内部函数中同样移除这些参数
- 将所有f_rng调用替换为psa_generate_random
- 当需要向下传递RNG参数时,使用mbedtls_psa_get_random和MBEDTLS_PSA_RANDOM_STATE
- 相应调整调用代码
实现细节
在具体实现上,开发团队需要注意以下几点:
- 兼容性处理:虽然移除了RNG参数,但要确保不影响现有功能
- 资源清理:可以进一步移除不再需要的熵上下文和DRBG上下文
- 错误处理:将原有的RNG错误处理转换为PSA RNG的错误处理机制
技术优势
这一改造带来了多方面的好处:
- 简化API:减少了函数参数,使接口更加简洁
- 统一随机源:确保整个库使用相同的随机数生成机制
- 安全性提升:依赖经过严格安全审计的PSA RNG实现
- 代码维护性:减少了代码复杂度,便于维护和审计
开发者影响
对于使用Mbed TLS的开发者来说,这一变更意味着:
- 不再需要提供自定义RNG回调
- 需要更新调用X.509 API的代码,移除相关参数
- 可以简化应用程序中与随机数生成相关的代码
总结
Mbed TLS对X.509 API中RNG参数的移除是其向现代化密码学API演进的重要一步。这一变更不仅简化了API设计,还通过统一使用PSA RNG提高了安全性。对于开发者而言,虽然需要做一些适配工作,但长远来看将获得更简洁、更安全的开发体验。
随着密码学技术的不断发展,此类API现代化改造将帮助Mbed TLS保持其在嵌入式安全领域的领先地位,为开发者提供更可靠、更易用的加密工具集。
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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.17 K
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++
685
324
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
678
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
660
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
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!
C
1.03 K
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
343
146