Botan密码库3.7.1版本在NixOS中的构建经验分享
背景介绍
Botan是一个现代化的C++密码库,提供了广泛的加密算法实现。近期在NixOS系统中构建Botan 3.7.1版本时,我们遇到了一些值得分享的技术问题和解决方案。
构建过程中的关键发现
1. TPM2模块的构建问题
当启用TPM2支持(--with-tpm2)时,构建环境中的测试会失败,原因是缺少TPM设备节点(/dev/tpmrm0或/dev/tmp0)。这提示我们需要考虑在测试阶段增加设备存在性检查,或者将这些测试标记为可选。
解决方案是显式启用所有相关的TPM2模块:
--with-tpm2
--enable-module=tpm2_rsa
--enable-module=tpm2_ecc
--enable-module=tpm2_crypto_backend
2. BSI策略下的FFI模块
使用BSI模块策略(--module-policy=bsi)时,FFI模块默认被禁用,这会影响botan-rs绑定和strongswan IPsec插件的使用。这不是BSI策略的故意限制,而是模块策略的工作机制导致的。
在BSI策略下,任何未明确列出的模块都不会被默认启用。FFI模块属于这种情况,因为BSI TR规范没有对C与C++ API的使用做出特别规定。
3. 现代模块策略的问题
使用现代模块策略(--module-policy=modern)时,x509单元测试会因SHAKE-256哈希不可用而失败。这表明现代策略可能需要更新以包含更多现代密码算法支持。
4. 模块启用策略的变化
值得注意的是,Botan的模块启用策略发生了变化。例如,tls模块现在被标记为仅供内部使用,需要使用tls13_pqc替代。这反映了项目对模块分类的重新思考。
技术建议
-
对于TPM2支持,建议构建系统显式启用所有相关子模块,而不仅仅是基础支持。
-
使用模块策略时,需要特别注意哪些模块需要额外启用。BSI策略下,FFI等模块不会自动启用。
-
测试环境应考虑设备依赖性问题,特别是硬件相关的测试用例。
-
模块策略系统可能需要进一步优化,以提供更好的用户体验和更直观的模块管理方式。
总结
Botan作为一个功能丰富的密码库,在构建和配置上提供了很大的灵活性。通过这次在NixOS中的构建经验,我们看到了模块策略系统的一些边界情况,也发现了TPM2支持等功能的配置细节。这些经验对于在其他发行版中部署Botan也有参考价值。
随着密码学技术的不断发展,我们期待Botan的模块策略系统能够进一步演进,提供更直观的配置体验,同时保持其安全性和灵活性。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~052CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-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。00openHiTLS
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!C0332- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









