Mbed TLS项目中SSL票据模块的PSA API迁移技术解析
2025-06-05 12:46:33作者:谭伦延
背景概述
Mbed TLS作为一款广泛应用于嵌入式系统的TLS/SSL协议库,其安全性和模块化设计一直备受关注。在最新版本演进中,项目团队正在对加密API进行重大调整,将传统的cipher.h接口逐步迁移到PSA(Portable Security Architecture)加密API。这一变革涉及多个模块的适配工作,其中SSL票据(ssl_ticket)模块的改造尤为关键。
技术挑战
SSL票据模块目前通过ssl_ticket.h头文件间接暴露了cipher.h的API接口,具体表现为mbedtls_ssl_ticket_setup函数使用了mbedtls_cipher_type_t类型参数。随着Mbed TLS 4.0版本将全面采用TF-PSA-Crypto 1.0标准,这种依赖关系必须被消除。
改造方案
接口重构
原函数签名:
int mbedtls_ssl_ticket_setup( mbedtls_ssl_ticket_context *ctx,
int (*f_rng)(void *, unsigned char *, size_t), void *p_rng,
mbedtls_cipher_type_t cipher,
uint32_t lifetime );
改造后将采用PSA标准的三要素参数:
- PSA密钥类型(
psa_key_type_t) - PSA算法标识(
psa_algorithm_t) - 密钥长度(以位为单位)
这种设计更符合现代密码学API的规范,能够提供更清晰的算法参数分离。
实现调整
在内部实现层面,虽然仍可保留对传统加密接口的调用,但必须确保:
- 所有公开API完全基于PSA标准
- 内部数据结构若包含传统加密类型,需保持为私有实现细节
- 转换逻辑集中处理,确保维护性
技术细节
参数映射关系
原有的mbedtls_cipher_type_t实际上编码了三类信息:
- 加密算法类型(如AES)
- 工作模式(如CBC)
- 密钥长度
在PSA体系中,这些信息被明确分离:
- 密钥类型标识基础算法和密钥长度
- 算法标识指定具体的工作模式和填充方案等
兼容性考虑
虽然Mbed TLS 4.0将强制启用PSA加密(MBEDTLS_USE_PSA_CRYPTO),但在过渡期间仍需注意:
- 测试覆盖需包含各种算法组合
- 文档需明确新API的使用规范
- 版本迁移指南应详细说明变更点
实施建议
- 前置准备:基于已合并的PSA相关重构工作分支进行开发,避免上下文冲突
- 测试策略:增加针对各种PSA算法组合的测试用例
- 文档更新:同步更新API文档和示例代码
- 性能评估:验证新接口在资源受限设备上的表现
总结
此次SSL票据模块的API改造是Mbed TLS向现代加密标准迈进的重要一步。通过采用PSA标准接口,不仅解决了即将移除的传统加密API依赖问题,还提升了代码的模块化程度和长期可维护性。开发者在迁移过程中应当特别注意参数映射关系的正确性,并充分利用PSA提供的算法组合灵活性。
登录后查看全文
热门项目推荐
相关项目推荐
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
最新内容推荐
TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 STM32到GD32项目移植完全指南:从兼容性到实战技巧 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 VSdebugChkMatch.exe:专业PDB签名匹配工具全面解析与使用指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.17 K
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++
685
324
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
678
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
660
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
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
1.03 K
492
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
343
146