Mbed-TLS项目中移除RSA-PSK密钥交换机制的技术解析
在Mbed-TLS项目的最新开发中,开发团队决定从TLS 1.2协议实现中移除RSA-PSK(RSA预共享密钥)密钥交换机制。这一技术决策反映了现代密码学实践的发展趋势和安全需求的变化。
RSA-PSK是一种混合密钥交换机制,结合了RSA非对称加密和预共享密钥(PSK)两种认证方式。在这种机制下,客户端和服务器既需要使用预先共享的密钥进行认证,又需要通过RSA加密交换部分密钥材料。这种设计原本旨在提供双重认证保障,但随着密码学技术的发展,其实际应用价值和安全优势已逐渐减弱。
从技术实现角度来看,此次移除工作涉及多个层面的代码变更。首先需要删除相关的配置选项MBEDTLS_KEY_EXCHANGE_RSA_PSK_ENABLED及其保护的所有代码逻辑。同时,所有使用该密钥交换类型的密码套件(如TLS-RSA-PSK-WITH-AES-256-GCM-SHA384等)也需要一并移除。这些密码套件涵盖了多种加密算法组合,包括AES、CAMELLIA、ARIA等不同分组密码,以及GCM、CBC等不同工作模式。
在测试方面,移除工作需要特别谨慎。测试用例分为三类处理:专门针对RSA-PSK的测试直接移除;已有其他密钥交换类型等效测试的案例也直接移除;而对于那些测试目标更广泛但恰好使用了RSA-PSK的测试,则需调整为使用其他保留的密码套件。这种分类处理方法既保证了测试覆盖率的完整性,又避免了不必要的冗余。
从安全演进的角度看,移除RSA-PSK机制有几个合理考量:首先,现代TLS实践更倾向于使用前向安全性更好的密钥交换机制,如ECDHE;其次,PSK本身已经提供了足够的认证强度,与RSA结合的收益有限;最后,减少支持的密钥交换类型可以缩小代码库的攻击面,符合最小化实现的安全原则。
对于Mbed-TLS用户而言,这一变更意味着需要检查现有配置中是否启用了RSA-PSK相关选项,并在升级前做好迁移准备。项目团队建议用户转向更现代的密钥交换机制,如PSK单独使用或与ECDHE结合的方案,这些方案在保证安全性的同时,通常还能提供更好的性能表现。
这一技术决策体现了Mbed-TLS项目紧跟密码学发展前沿、持续优化安全实现的开发理念,也是项目向更精简、更安全方向演进的重要一步。
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