Mbed TLS项目中SHA3算法宏定义的演进与替换
背景概述
在密码学库Mbed TLS的持续演进过程中,代码库正在进行一系列现代化改造,其中包括将传统的算法选择宏定义逐步迁移到PSA(Platform Security Architecture)框架下的新宏定义系统。本次变更聚焦于SHA3系列哈希算法的宏定义替换工作。
宏定义替换的具体内容
本次变更涉及将以下传统宏定义替换为PSA框架下的对应宏:
MBEDTLS_MD_CAN_SHA3_224
→PSA_WANT_ALG_SHA3_224
MBEDTLS_MD_CAN_SHA3_256
→PSA_WANT_ALG_SHA3_256
MBEDTLS_MD_CAN_SHA3_384
→PSA_WANT_ALG_SHA3_384
MBEDTLS_MD_CAN_SHA3_512
→PSA_WANT_ALG_SHA3_512
值得注意的是,这一替换仅限于非include
目录下的代码,保持了头文件接口的向后兼容性。
技术演进的意义
1. 统一配置系统
PSA框架提供了更加统一和标准化的算法选择机制。通过使用PSA_WANT_
前缀的宏定义,开发者可以更清晰地表达对特定算法的需求,这与Mbed TLS向PSA架构迁移的整体战略保持一致。
2. 功能与需求的明确区分
传统MBEDTLS_MD_CAN_
宏定义暗示了"能力"的概念,而新的PSA_WANT_
宏则明确表达了"需求",这种语义上的转变使得代码意图更加清晰,有助于静态分析和构建系统的优化。
3. 测试保障机制
在替换过程中,特别强调了确保测试覆盖和测试行为的一致性。这意味着:
- 所有使用这些宏定义的测试用例都需要相应更新
- 测试范围和深度应保持不变
- 测试通过标准需与变更前一致
对开发者的影响
对于使用Mbed TLS的开发者来说,这一变更主要影响以下场景:
-
自定义配置:如果开发者有自定义的构建配置,需要相应更新SHA3相关算法的宏定义。
-
条件编译代码:项目中使用这些宏进行条件编译的代码部分需要更新宏定义名称。
-
测试验证:虽然内部测试会确保功能一致性,但开发者自己的测试套件可能需要相应调整。
实施建议
对于正在迁移到新版本Mbed TLS的项目,建议:
-
全局搜索项目中使用的旧宏定义,确保完全替换。
-
检查构建系统配置,确保新的PSA宏得到正确定义。
-
验证所有依赖SHA3算法的功能模块,特别是:
- 哈希计算
- 数字签名
- 消息认证码(MAC)
- 密钥派生
-
更新项目文档中关于算法配置的相关说明。
未来展望
这一变更是Mbed TLS向PSA架构全面迁移的一部分,预计未来会有更多传统宏定义被PSA框架下的新宏所取代。开发者应当关注这一趋势,逐步将项目代码迁移到新的配置系统上,以获得更好的安全性和可维护性。
PaddleOCR-VL
PaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
openPangu-Ultra-MoE-718B-V1.1
昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++0123AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile011
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选









