PolarSSL项目发布Mbed TLS 3.6.3版本:安全加固与功能增强
PolarSSL(现更名为Mbed TLS)是一个轻量级的开源SSL/TLS加密库,专为嵌入式系统和资源受限环境设计。它提供了SSL/TLS协议实现以及各种加密算法,广泛应用于物联网设备、网络通信等安全领域。本次发布的Mbed TLS 3.6.3版本是一个长期支持(LTS)分支的重要更新,包含多项安全修复和功能改进。
安全增强措施
本次3.6.3版本重点解决了几个关键的安全问题:
-
TLS握手认证强化:修复了一个可能导致TLS握手过程中身份验证被绕过的潜在问题。现在,如果TLS客户端没有调用
mbedtls_ssl_set_hostname()函数且尝试基于证书的服务器认证,握手过程将明确失败并返回特定错误码。这一改变防止了服务器可能被错误识别的风险场景。 -
内存安全改进:在多个PSA(Platform Security Architecture)操作中增加了临时堆缓冲区的清零处理,特别是在ECC密钥对派生过程中,确保敏感信息不会残留在内存中。
-
TLS 1.2握手修复:修正了在计算Finished消息时若发生内存分配失败或加密硬件故障可能导致的潜在问题,确保TLS握手过程的安全保证不被破坏。
重要功能更新
3.6.3版本引入了几个值得关注的新特性:
-
静态密钥槽支持:新增了
MBEDTLS_PSA_STATIC_KEY_SLOTS配置选项,允许使用静态存储而非动态分配来管理密钥槽,这使得在无malloc环境中使用密钥槽成为可能。配套的MBEDTLS_PSA_STATIC_KEY_SLOT_BUFFER_SIZE选项可自定义缓冲区大小。 -
增强的MD模块兼容性:现在MD模块可以在更广泛的配置下执行PSA分发,即使在不完全支持PSA Crypto的环境中也能工作,只要链接了适当的PSA Crypto提供程序库并正确初始化。
-
TLS消息重组支持:新增了对分片握手消息的重组能力,解决了与某些服务器(特别是TLS 1.3环境下)的兼容性问题。需要注意的是,分片的ClientHello仅在启用TLS 1.3支持时才被支持。
性能优化与问题修复
除了安全和功能方面的改进,3.6.3版本还包含多项优化和修复:
-
ECC密钥生成优化:不再计算立即丢弃的公钥,显著提高了PSA ECC密钥生成的性能。
-
编译问题修复:解决了MS-DOS DJGPP平台上的编译问题,修正了AES-NI内联汇编在特定编译器下的约束问题,以及Visual Studio 2013和MinGW环境下SSL调试启用时的运行时崩溃问题。
-
API行为修正:修复了
psa_key_derivation_input_integer()在操作中止后未能正确检测错误状态的问题,以及mbedtls_psa_raw_to_der()和mbedtls_psa_der_to_raw()在bits=0时的未定义行为。
升级建议
作为长期支持分支,Mbed TLS 3.6将至少维护到2027年3月。考虑到本次版本包含重要的安全修复和稳定性改进,建议所有用户在其开发生命周期的适当时机进行升级。特别是那些依赖TLS协议进行安全通信的嵌入式系统和物联网设备,应及时应用这些安全补丁以防止潜在的安全风险。
对于需要保持与旧版本兼容的用户,可以通过设置MBEDTLS_SSL_CLI_ALLOW_WEAK_CERTIFICATE_VERIFICATION_WITHOUT_HOSTNAME编译选项来恢复原先的主机名验证行为,但出于安全考虑,建议尽可能遵循新的安全实践。
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-1.5暂无简介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-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