osslsigncode 2.10版本发布:增强代码签名功能与安全性
项目简介
osslsigncode是一个开源的代码签名工具,主要用于为Windows平台的可执行文件(如.exe、.dll等)和安装包(如.msi)创建数字签名。它作为微软signtool.exe的开源替代方案,支持多种签名格式,包括Authenticode签名和Catalog签名。该项目特别适合在Linux/macOS环境下为Windows应用程序进行代码签名,同时也支持Windows平台本身。
2.10版本主要更新内容
1. JavaScript签名支持
新版本增加了对JavaScript文件的签名能力。在现代Web开发中,JavaScript代码的安全性越来越受到重视,能够为JS文件添加数字签名可以确保代码来源的可信性,防止篡改。
2. PKCS#11提供程序支持
2.10版本引入了对PKCS#11提供程序的支持,这需要OpenSSL 3.0或更高版本。PKCS#11是一个跨平台的API标准,用于访问安全令牌(如智能卡和硬件安全模块HSM)中的加密信息。这一改进使得osslsigncode能够更灵活地与各种硬件安全设备集成。
值得注意的是,新版本还支持不指定"-pkcs11module"选项的提供程序(OpenSSL 3.0+),这为即将推出的CNG(Cryptography Next Generation)提供程序铺平了道路。
3. CNG引擎兼容性增强
新版本改进了与CNG引擎1.1或更高版本的兼容性。CNG是微软推出的下一代加密API,提供了更强大的加密功能。同时新增了"-engineCtrl"选项,用于更好地控制硬件和CNG引擎的行为。
4. Blob文件处理改进
新增了"-blobFile"选项,允许用户指定包含blob内容的文件。Blob(二进制大对象)在代码签名中常用于存储加密的私钥信息。此外,还改进了对未认证blob的支持,这使得在不进行完整认证流程的情况下处理blob成为可能。
5. 国际化与编码支持
增强了UTF-8处理能力,特别是针对证书主题和颁发者的显示。这使得非英语字符(如中文、日文等)能够正确显示在证书信息中,提高了国际化的支持程度。
6. 签名格式兼容性修复
修复了多个signerInfo contentType OID(对象标识符)的支持问题,特别是针对CTL(证书信任列表)和Authenticode签名。这提高了与各种签名格式的兼容性,确保签名后的文件能够在不同环境中被正确验证。
7. 测试框架改进
更新了测试用例以兼容python-cryptography 43.0.0及以上版本,确保了测试环境的现代性和可靠性。
技术意义与应用场景
osslsigncode 2.10的这些改进为开发者和企业提供了更强大、更灵活的代码签名解决方案:
-
跨平台开发:Linux/macOS开发者可以方便地为Windows应用程序签名,无需切换到Windows环境。
-
硬件安全集成:通过PKCS#11和CNG支持,企业可以将签名密钥存储在HSM等安全设备中,大幅提高密钥安全性。
-
自动化流程:新增的文件选项和引擎控制选项使得osslsigncode更容易集成到CI/CD流水线中。
-
多语言支持:改进的UTF-8处理能力使得国际化团队能够更好地管理多语言环境下的代码签名。
总结
osslsigncode 2.10版本通过引入JavaScript签名、增强PKCS#11和CNG支持、改进blob处理等多方面改进,进一步巩固了其作为开源代码签名工具领导者的地位。这些更新不仅提高了功能性,也增强了安全性和可用性,使其成为跨平台开发环境中不可或缺的工具。对于需要确保代码完整性和来源可信性的开发团队来说,升级到2.10版本将带来显著的价值提升。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C030
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