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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00