s2n-tls项目在OpenSSL 3.0 FIPS模式下的签名问题分析
在s2n-tls项目中,我们发现了一个与OpenSSL 3.0 FIPS模式相关的签名兼容性问题。这个问题与之前awslc-fips中遇到的签名问题类似,但解决方案更为复杂。
问题背景
在TLS协议中,证书验证和密钥交换过程中需要对数据进行签名。传统上,这个过程可以分为两步:首先对数据进行哈希处理,然后使用私钥对哈希结果进行签名。然而,在FIPS模式下,特别是FIPS 140-3标准中,这种分离的操作方式不再被允许。
技术挑战
OpenSSL 3.0 FIPS实现要求签名操作必须使用EVP_DigestSignInit函数,而不是先单独计算哈希再签名。这带来了几个技术难点:
-
数据时序问题:在TLS握手过程中,我们通常先有需要签名的数据,然后才能确定使用哪个私钥进行签名。但EVP_DigestSignInit要求提前知道私钥。
-
内存消耗:对于TLS 1.2的证书验证消息,需要签名的是完整的握手消息而不仅仅是其哈希值。这意味着在确定使用哪个私钥前,必须保存所有原始握手消息。
-
pkey offloading特性:在某些情况下,我们可能永远不会拥有私钥(当使用pkey offloading特性时),这使得直接使用EVP_DigestSignInit变得困难。
解决方案探讨
我们考虑了以下几种可能的解决方案:
-
回调机制:在async_pkey逻辑中添加回调,延迟哈希计算。这样可以在拥有私钥后再更新哈希状态。
-
传递原始数据:修改pkey操作接口,使其接收原始数据而非哈希状态。这样可以在签名时调用EVP_DigestSignInit。
-
完整消息存储:对于TLS 1.2证书验证,存储完整的握手消息直到确定签名密钥。
经过深入分析,我们发现OpenSSL 3.0 FIPS目前仅获得FIPS 140-2认证,而上述限制主要来自FIPS 140-3标准。因此,我们可以暂时沿用awslc-fips的解决方案,同时记录未来需要为FIPS 140-3支持所做的工作。
性能与安全考量
存储完整握手消息虽然解决了技术问题,但会带来额外的内存开销。对于TLS 1.3,这种开销相对较小(约200字节),但对于TLS 1.2,可能需要存储所有握手消息。不过考虑到这些消息主要来自可信的服务器端(ClientHello除外),安全风险相对可控。
结论与建议
当前最佳实践是:
- 对于OpenSSL 3.0 FIPS 140-2模式,继续使用现有的解决方案
- 记录未来需要为FIPS 140-3支持所做的工作
- 在pkey offloading场景下,限制私钥配置以避免复杂情况
这个案例展示了密码学库升级过程中可能遇到的兼容性挑战,特别是在涉及严格安全标准如FIPS时。开发团队需要在安全性、兼容性和性能之间做出平衡决策。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00