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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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