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_224MBEDTLS_MD_CAN_SHA3_256→PSA_WANT_ALG_SHA3_256MBEDTLS_MD_CAN_SHA3_384→PSA_WANT_ALG_SHA3_384MBEDTLS_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。
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 StartedRust0191
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 Notebook0114
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08