PolarSSL项目中MD5与RIPEMD160算法的宏定义迁移方案
2025-06-05 05:58:35作者:邵娇湘
背景概述
在PolarSSL(后更名为Mbed TLS)密码学库的演进过程中,代码库正在进行从传统接口向PSA(Platform Security Architecture)加密接口的迁移工作。本次技术改进聚焦于将原有的MBEDTLS_MD_CAN_MD5和MBEDTLS_MD_CAN_RIPEMD160宏定义替换为PSA架构下的对应宏PSA_WANT_ALG_MD5和PSA_WANT_ALG_RIPEMD160。
算法宏定义的历史沿革
传统上,PolarSSL使用MBEDTLS_MD_CAN_*系列宏来控制是否支持特定的哈希算法。这类宏主要出现在两个场景:
- 作为编译时配置选项,决定是否将特定算法编译进库中
- 在代码逻辑中判断是否支持某算法
随着PSA架构的引入,项目组制定了新的宏命名规范PSA_WANT_ALG_*,这种命名方式更清晰地表达了"需要/支持某算法"的语义,与PSA的安全抽象层设计理念更加契合。
技术实现细节
宏替换范围
本次替换工作限定在非include目录下的代码文件,主要考虑因素包括:
- 保持头文件接口的向后兼容性
- 避免对公共API产生破坏性变更
- 逐步推进架构迁移的策略
测试保障要求
为确保替换工作的可靠性,需要满足以下测试要求:
- 保持现有测试用例的通过率不变
- 确保测试覆盖率不降低
- 验证算法功能在PSA接口下的正确性
- 检查性能指标无明显退化
实施注意事项
在实际替换过程中,开发人员需要注意:
- 条件编译逻辑:检查原有条件编译块是否可以直接替换,还是需要额外逻辑处理
- 依赖关系:确认新宏是否引入了额外的依赖项
- 平台兼容性:验证在不同目标平台上的编译结果一致性
- 文档同步:更新相关开发文档中的宏引用说明
迁移效益分析
此项改进工作将带来多方面收益:
- 架构统一性:使代码库逐步向PSA标准靠拢
- 可维护性:减少维护两套接口的负担
- 安全性:利用PSA提供的安全隔离特性
- 前瞻性:为未来功能扩展奠定基础
后续演进方向
完成此次替换后,项目组可考虑:
- 评估在公共头文件中引入PSA宏的可行性
- 研究逐步废弃传统接口的路线图
- 优化PSA接口下的算法实现性能
- 完善相关算法的测试向量覆盖
这项改进工作体现了PolarSSL项目向现代化密码学架构演进的持续努力,既保持了现有功能的稳定性,又为未来的安全增强奠定了基础。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.17 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
685
324
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
678
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
343
146