Bouncy Castle库中CCM模式解密时MAC长度校验问题分析
2025-07-01 12:40:56作者:裘晴惠Vivianne
问题背景
Bouncy Castle作为Java生态中广泛使用的加密库,其CCM(Counter with CBC-MAC)模式实现被发现存在一个关键校验问题。CCM是一种结合了计数器模式加密和CBC-MAC认证的加密模式,广泛应用于需要同时保证机密性和完整性的场景。
问题现象
在解密操作时,库代码错误地将MAC(消息认证码)长度计算在了有效载荷长度内进行校验。具体表现为:当使用13字节Nonce时,理论最大有效载荷应为65535字节,但实际解密65535字节数据时会抛出"CCM packet too large"异常。
技术原理
CCM模式规范中明确规定:
- 有效载荷长度指纯数据部分(plaintext/ciphertext)
- MAC长度是额外附加的认证信息
- 长度校验应仅针对有效载荷部分
问题代码在解密时执行了:
if (payloadLength > (1L << (8 * q)) - 1) // q=2时最大65535
{
throw new IllegalStateException("CCM packet too large for choice of q.");
}
但此时payloadLength参数错误地包含了MAC标签长度(通常16字节),导致实际能处理的最大数据量减少了MAC长度。
影响范围
该问题影响:
- 所有使用CCM模式解密的场景
- 当数据长度接近理论最大值时触发
- 使用默认128位MAC时,最大可用长度减少16字节
解决方案
Bouncy Castle团队通过提交修复了此问题,主要变更包括:
- 解密时正确分离有效载荷和MAC部分
- 仅对有效载荷部分进行长度校验
- 保持加密端校验逻辑不变
开发者建议
- 使用CCM模式时注意Nonce长度与最大数据长度的关系
- 更新到包含修复的版本
- 测试时注意边界情况,特别是大数据量场景
- 理解加密模式规范中的长度计算规则
总结
这个案例展示了加密实现中严格遵循规范的重要性,特别是长度校验等安全关键逻辑。Bouncy Castle团队的快速响应也体现了开源社区维护安全基础设施的可靠性。开发者应当关注此类底层细节,确保加密操作的正确性和安全性。
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
407
3.14 K
Ascend Extension for PyTorch
Python
226
252
暂无简介
Dart
673
160
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++
664
319
🎉 (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
658
React Native鸿蒙化仓库
JavaScript
262
326
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
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
220
仓颉编译器源码及 cjdb 调试工具。
C++
135
868