PolarSSL项目中NIST密钥封装算法向PSA API迁移的技术解析
2025-06-05 13:33:29作者:明树来
背景与动机
在密码学领域,密钥封装(Key Wrapping)是一种重要的加密操作,用于安全地保护对称密钥的传输和存储。NIST SP 800-38F标准定义了两种密钥封装算法:KW(Key Wrap)和KWP(Key Wrap with Padding)。这些算法在PolarSSL/mbedTLS项目中已有实现,但当前实现基于传统的cipher.h接口。
随着PSA(Portable Security Architecture)加密API的成熟,将NIST KW/KWP算法迁移到PSA API成为必要之举。这种迁移不仅能统一项目的加密接口,还能更好地支持安全隔离环境下的密钥管理。
技术变更要点
本次迁移涉及以下几个核心变更:
- 接口重构:从基于上下文的传统接口转向基于PSA密钥标识符的现代接口
- 错误处理:从传统的错误代码转向PSA标准的错误代码体系
- 参数顺序:调整参数顺序以符合PSA API的规范
- 实现方式:底层从cipher.h转向psa_cipher_xxx系列函数
新旧接口对比
传统接口(将被废弃)
typedef struct mbedtls_nist_kw_context {
// 上下文数据结构
} mbedtls_nist_kw_context;
int mbedtls_nist_kw_setkey(mbedtls_nist_kw_context *ctx,
mbedtls_nist_kw_mode_t mode,
const unsigned char *key,
unsigned int keybits,
int is_wrap);
int mbedtls_nist_kw_wrap(mbedtls_nist_kw_context *ctx,
const unsigned char *input, size_t in_len,
unsigned char *output, size_t *out_len,
size_t out_size);
int mbedtls_nist_kw_unwrap(mbedtls_nist_kw_context *ctx,
const unsigned char *input, size_t in_len,
unsigned char *output, size_t *out_len,
size_t out_size);
新PSA接口
psa_status_t mbedtls_nist_kw_wrap(mbedtls_svc_key_id_t key,
mbedtls_nist_kw_mode_t mode,
const unsigned char *input, size_t input_length,
unsigned char *output, size_t output_size,
size_t *output_length);
psa_status_t mbedtls_nist_kw_unwrap(mbedtls_svc_key_id_t key,
mbedtls_nist_kw_mode_t mode,
const unsigned char *input, size_t input_length,
unsigned char *output, size_t output_size,
size_t *output_length);
实现细节分析
-
密钥管理:新接口直接使用PSA密钥标识符(mbedtls_svc_key_id_t),这意味着密钥可以来自安全存储或硬件安全模块(HSM),而不仅限于内存中的原始密钥数据。
-
算法限制:虽然KW/KWP理论上可以支持任何128位分组密码,但实现中仍限定为AES算法。这是出于兼容性和安全性的综合考虑:
- 验证密钥类型为PSA_KEY_TYPE_AES
- 不扩展支持其他分组密码(如Camellia)
-
底层实现:使用PSA的多部分API(psa_cipher_xxx)来实现ECB模式操作,这是KW/KWP算法的基础。
-
错误处理:全面采用PSA错误代码体系,便于与PSA生态系统集成。
迁移带来的优势
- 安全性提升:PSA API提供了更好的密钥隔离和保护机制
- 代码简化:消除了上下文管理相关的代码
- 一致性:与项目其他加密操作使用相同的API风格
- 未来扩展性:为将来可能的PSA原生KW/KWP支持奠定了基础
开发者注意事项
- 密钥准备:在使用新接口前,必须通过PSA密钥管理接口导入或生成AES密钥
- 缓冲区管理:输出缓冲区大小应足够容纳封装后的数据(KW模式需要至少8字节填充,KWP模式可能更多)
- 错误处理:需要适应PSA错误代码体系,特别是处理PSA_ERROR_NOT_SUPPORTED等新错误情况
- 线程安全:PSA API本身是线程安全的,但密钥的生命周期管理需要注意
总结
这次NIST KW/KWP算法向PSA API的迁移是PolarSSL/mbedTLS项目现代化进程中的重要一步。它不仅统一了加密接口,还提升了密钥管理的安全性。虽然目前实现仍限定于AES算法,但基于PSA的架构为未来可能的扩展留下了空间。开发者应尽快适应新的API风格,享受更安全、更一致的加密操作体验。
登录后查看全文
热门项目推荐
- QQwen3-Omni-30B-A3B-InstructQwen3-Omni是多语言全模态模型,原生支持文本、图像、音视频输入,并实时生成语音。00
community
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息010GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0274get_jobs
💼【AI找工作助手】全平台自动投简历脚本:(boss、前程无忧、猎聘、拉勾、智联招聘)Java01Hunyuan3D-2
Hunyuan3D 2.0:高分辨率三维生成系统,支持精准形状建模与生动纹理合成,简化资产再创作流程。Python00Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
152
1.96 K

deepin linux kernel
C
22
6

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++
431
34

本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
251
9

openGauss kernel ~ openGauss is an open source relational database management system
C++
145
190

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
989
394

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
8
0

React Native鸿蒙化仓库
C++
193
274

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
936
554

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
69