Botan项目中SHA3模块使用方式的变更解析
2025-06-27 23:57:59作者:殷蕙予
背景介绍
在密码学库Botan从2.8版本升级到3.4.0的过程中,开发者发现原先直接使用的SHA3算法类在代码库中消失了。这实际上反映了Botan项目在架构设计上的一个重要变化——从直接访问具体算法实现转向更加抽象的工厂模式。
架构变更的核心思想
Botan 3.x版本对算法访问方式进行了重大重构,主要变化包括:
- 隐藏具体实现类:不再暴露算法类的具体实现(如SHA_3_256等)
- 统一工厂接口:通过统一的工厂方法创建算法实例
- 运行时绑定:算法选择延迟到运行时决定
这种设计带来了更好的模块化和灵活性,使得算法实现可以独立变化而不影响上层应用。
新的SHA3使用方式
要使用SHA3算法,现在应该采用以下方式:
// 创建SHA3-256实例
auto hash = Botan::HashFunction::create_or_throw("SHA-3(256)");
// 创建SHA3-512实例
auto hash = Botan::HashFunction::create_or_throw("SHA-3(512)");
设计优势
这种变更带来了几个重要优势:
- 代码解耦:应用代码不再依赖具体实现类
- 动态选择:可以在运行时根据配置选择算法
- 统一错误处理:通过or_throw后缀方法提供一致的错误处理
- 灵活性:支持通过字符串参数指定不同变体(如不同输出长度)
迁移建议
对于从Botan 2.x迁移的用户:
- 查找所有直接实例化SHA3类的代码
- 替换为工厂方法调用
- 考虑添加适当的错误处理
- 注意输出长度的指定方式变化
总结
Botan 3.x对算法访问方式的改造体现了现代软件设计的原则。虽然这种变更需要开发者调整原有代码,但带来的架构优势使得代码更健壮、更灵活。理解这种设计思想的变化,有助于开发者更好地利用Botan提供的密码学功能。
登录后查看全文
热门项目推荐
相关项目推荐
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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-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
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
192
212
暂无简介
Dart
632
143
React Native鸿蒙化仓库
JavaScript
243
316
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
481
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
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++
649
271
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
297
111
仓颉编译器源码及 cjdb 调试工具。
C++
128
857
openGauss kernel ~ openGauss is an open source relational database management system
C++
158
212