NNG项目中的Mbed TLS 1.3支持实现分析
在开源项目NNG(Nanomsg Next Generation)中,开发团队近期完成了一个重要的安全特性升级——为Mbed TLS后端添加了TLS 1.3协议支持。这一改进标志着NNG项目在网络安全通信能力上的又一次重要提升。
TLS(传输层安全协议)1.3是当前互联网安全通信的最新标准,相比之前的TLS 1.2版本,它带来了多项显著改进:
-
性能优化:TLS 1.3通过简化握手过程,将完整握手从原来的两次往返减少到一次,显著降低了连接建立的延迟。
-
安全性增强:移除了许多不安全的加密算法和特性,如静态RSA密钥交换、CBC模式加密、SHA-1哈希等,强制使用前向安全加密。
-
0-RTT恢复:支持零往返时间的会话恢复,对于需要频繁建立短连接的应用场景特别有利。
Mbed TLS作为一个轻量级的SSL/TLS实现,广泛应用于嵌入式系统和资源受限环境。NNG项目选择集成Mbed TLS作为其TLS后端之一,正是看中了它在这些场景下的优势。然而,在早期版本中,Mbed TLS对TLS 1.3的支持并不完善,这限制了NNG在这些环境中的安全通信能力。
NNG开发团队通过提交620e7cee8d99362584d49179f4a791bc31ec3510这一关键提交,成功解决了这一问题。这一改动使得使用Mbed TLS后端的NNG应用现在可以充分利用TLS 1.3的各项优势:
- 在物联网设备通信中,更快的握手速度意味着更低的功耗
- 在微服务架构中,0-RTT特性可以显著提升服务间调用的响应速度
- 强制的前向安全性为所有通信提供了更强的安全保障
对于开发者而言,这一改进意味着在使用NNG构建安全通信应用时,现在可以更灵活地选择适合自己应用场景的TLS后端。无论是需要高性能的OpenSSL,还是需要轻量级的Mbed TLS,都能获得最新的TLS 1.3支持。
这一改动也体现了NNG项目对安全通信标准的快速跟进能力,确保了这个高性能消息库能够满足现代分布式系统对安全通信的严格要求。随着TLS 1.3逐渐成为行业标准,NNG的这一改进将帮助其用户构建更安全、更高效的网络应用。
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