OP-TEE项目中安全存储路径的创建机制分析
背景介绍
在OP-TEE项目中,安全存储(Secure Storage)是一个关键组件,它允许可信应用(TA)在REE(Rich Execution Environment)侧安全地存储数据。REE侧的安全存储实现依赖于tee-supplicant守护进程,该进程运行在非安全世界(Normal World)中,负责处理来自安全世界(Secure World)的文件系统操作请求。
安全存储路径的默认设置
OP-TEE项目中,安全存储的默认路径通常设置为/data/tee。这个路径可以通过两种方式进行配置:
- Makefile配置:在
optee_client/config.mk文件中,通过CFG_TEE_FS_PARENT_PATH变量定义 - CMake配置:在
optee_client/tee-supplicant/CMakeLists.txt文件中,通过CFG_TEE_FS_PARENT_PATH变量定义
在OP-TEE的QEMU v8环境中,由于采用CMake构建系统,因此修改CMakeLists.txt文件中的路径设置会生效。
路径创建机制
安全存储路径的创建遵循以下机制:
-
初始化脚本创建:在系统启动时,通过init脚本(如
S30optee)创建/data/tee目录并设置适当的权限。这是推荐的做法,因为它可以确保目录在tee-supplicant启动前就已存在。 -
运行时自动创建:如果路径在系统启动时未被创建,tee-supplicant会在首次访问安全存储时自动创建该目录及其父目录。这一机制确保了即使没有预先配置,系统也能正常工作。
路径自定义的实现
用户可以通过以下方式自定义安全存储路径:
-
构建时配置:修改
CMakeLists.txt或config.mk文件中的路径变量,重新构建项目。 -
运行时参数:通过tee-supplicant的命令行参数
-f或--fs-parent-path指定路径,这会覆盖构建时的默认设置。
需要注意的是,当自定义路径位于根目录下(如/my_rw/tee)时,必须确保tee-supplicant有足够的权限创建该路径。如果tee-supplicant以非root用户(如tee用户)运行,可能无法在根目录下创建新目录。
技术实现细节
在底层实现上,当OP-TEE OS需要访问REE侧的安全存储时,会通过RPC(Remote Procedure Call)机制向tee-supplicant发送请求。具体流程如下:
- OP-TEE OS发送
OPTEE_MSG_RPC_CMD_FS命令请求 - tee-supplicant接收请求并处理文件系统操作
- 如果目标路径不存在,tee-supplicant会先创建路径再执行操作
- 操作完成后,结果通过RPC返回给OP-TEE OS
这种设计体现了OP-TEE的灵活性,既支持预先配置的安全存储路径,也能在运行时动态创建所需目录,确保了系统的鲁棒性。
最佳实践建议
-
对于生产环境,建议通过init脚本预先创建安全存储路径,并设置正确的权限。
-
当需要自定义路径时,优先考虑使用tee-supplicant的命令行参数,这样无需重新构建整个项目。
-
确保tee-supplicant运行用户对目标路径有足够的读写权限,特别是在自定义路径位于系统敏感位置时。
-
在调试时,可以通过运行
xtest regression_1004等测试用例来验证安全存储功能是否正常工作。
通过理解这些机制,开发者可以更灵活地配置和管理OP-TEE的安全存储功能,满足不同的应用场景需求。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0216
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0138
uni-appA cross-platform framework using Vue.jsJavaScript08
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03