在Botan项目中解决无RTC环境下的构建与运行问题
2025-06-27 19:13:01作者:范垣楠Rhoda
背景介绍
Botan作为一个功能强大的密码学库,在嵌入式系统开发中有着广泛的应用。然而,当开发者在Zynq Ultrascale+设备的A53核心上进行裸机(baremetal)开发时,遇到了构建失败的问题。本文将详细分析这一问题及其解决方案。
问题分析
在无实时时钟(RTC)的裸机环境下构建Botan库时,主要遇到两个关键问题:
- 构建失败:由于CLI工具对文件系统的依赖,导致DataSource_Stream构造函数调用失败
- 运行时错误:程序运行时出现_gettimeofday未定义引用错误
解决方案
构建问题解决
对于构建问题,开发者提供了两种解决路径:
- 仅构建静态库:通过配置参数
--build-targets=static,可以跳过CLI工具和测试的构建,仅生成所需的库文件 - 代码修复:项目维护者随后提交了补丁,解决了DataSource_Stream在无文件系统环境下的构建问题
运行时问题解决
针对运行时出现的_gettimeofday未定义引用问题,解决方案更为复杂:
- 提供时间函数实现:开发者需要在目标平台上实现_gettimeofday函数
- 配置选项:Botan项目新增了
--without-os-features=rtc选项,允许在没有实时时钟的环境下构建 - 内存分配调整:增加堆大小解决std::bad_alloc错误
随机数生成器问题
在无RTC环境下使用AutoSeeded_RNG时,会遇到PRNG未播种的异常。这是因为:
- 自动播种的RNG依赖系统熵源和时间戳
- 裸机环境下这些熵源不可用
解决方案包括:
- 临时方案:手动添加熵值(仅适用于测试环境)
- 长期方案:
- 实现自定义的RandomNumberGenerator或Entropy_Source子类
- 利用硬件熵源(如TPM或智能卡)
- 对于Zynq平台,可考虑使用FPGA的环形振荡器生成随机数
平台支持扩展
虽然Botan官方未将FreeRTOS列为一级支持平台,但开发者确认:
- 使用
--os=none配置可在FreeRTOS上运行 - 项目团队愿意协助解决FreeRTOS环境下的问题
最佳实践建议
对于嵌入式密码学开发,建议:
- 仔细评估目标平台的硬件能力
- 为关键功能(如随机数生成)提供可靠的熵源
- 合理配置内存分配
- 仅启用必要的密码学模块以减少资源占用
通过以上措施,开发者可以在资源受限的嵌入式环境中成功部署和使用Botan密码学库。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
192
212
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++
649
270
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
297
111
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
384
3.68 K
仓颉编译器源码及 cjdb 调试工具。
C++
128
857
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
9
1
React Native鸿蒙化仓库
JavaScript
243
316
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
66
96
暂无简介
Dart
632
143