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。
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 StartedRust0197
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 Notebook0126
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。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
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python06
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07