Erlang/OTP中SHAKE哈希算法的兼容性处理
在密码学应用中,哈希函数是不可或缺的基础组件。Erlang/OTP作为一款成熟的函数式编程语言运行时,其crypto模块提供了对各种哈希算法的支持。本文将重点讨论Erlang/OTP中SHAKE-128和SHAKE-256哈希算法的实现细节及其在OpenSSL 3.4版本中的兼容性问题。
SHAKE算法简介
SHAKE-128和SHAKE-256是可扩展输出函数(XOF),属于SHA-3家族的一部分。与传统的哈希函数不同,XOF可以产生任意长度的输出,这使得它们在需要可变长度哈希值的场景中特别有用。
在OpenSSL 3.3及更早版本中,这两个算法有默认的输出长度:
- SHAKE-128默认输出16字节(128位)
- SHAKE-256默认输出32字节(256位)
OpenSSL 3.4带来的变化
OpenSSL 3.4移除了SHAKE算法的默认输出长度,这一变化直接影响了Erlang/OTP的crypto模块。当开发者尝试使用传统方式调用这些哈希函数时:
crypto:hash_init(shake128)
|> crypto:hash_update("test")
|> crypto:hash_final()
系统会抛出错误,提示低层EVP_DigestFinal调用失败。这是因为OpenSSL 3.4要求显式指定输出长度。
临时解决方案
在Erlang/OTP的PR #9002中,开发团队采取了向后兼容的方案,恢复了SHAKE算法的默认输出长度:
- SHAKE-128恢复为16字节输出
- SHAKE-256恢复为32字节输出
这使得现有代码可以继续工作,但需要注意的是,SHAKE-128的16字节输出实际上只提供了64位的安全强度,而非算法理论上能够达到的128位安全强度。
未来改进方向
从技术角度来看,更完善的解决方案可能包括:
-
参数化初始化:引入类似
crypto:hash_init({shake128, Length})的API,允许在初始化时指定输出长度。 -
显式输出长度函数:添加
crypto:hash_final_xof(State, Length)函数,在最终计算时指定输出长度。 -
安全默认值:考虑将默认输出长度调整为更安全的32字节(SHAKE-128)和64字节(SHAKE-256),以充分发挥算法的安全潜力。
开发者建议
对于使用Erlang/OTP crypto模块的开发者,建议:
-
如果使用OpenSSL 3.4或更高版本,确保Erlang/OTP版本包含相关修复。
-
对于需要更高安全性的场景,考虑显式指定更长的输出长度,而不是依赖默认值。
-
关注Erlang/OTP未来版本中可能引入的新API,以便更灵活地使用SHAKE算法。
密码学算法的正确使用对系统安全至关重要,开发者应当充分理解所使用算法的特性和限制,做出合理的技术选择。
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。C051
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0126
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