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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00