GmSSL完全指南:一站式掌握国密SM2/SM3/SM4/SM9算法
GmSSL是由北京大学自主开发的国产商用密码开源库,全面支持国密SM2/SM3/SM4/SM9算法和SSL安全通信协议。作为中国密码行业的标杆项目,GmSSL为开发者提供了完整的国密算法实现,帮助构建更加安全合规的密码应用系统。🚀
为什么选择GmSSL?
在当今数字化时代,信息安全已成为重中之重。GmSSL作为国产密码技术的重要代表,具有以下核心优势:
🔒 超轻量设计:GmSSL 3大幅降低了内存需求和二进制代码体积,不依赖动态内存,可应用于无操作系统的低功耗嵌入式环境(MCU、SOC等)。
📋 完全合规:GmSSL可以配置为仅包含国密算法和国密协议(TLCP协议),确保密码应用满足国家密码产品型号检测要求。
⚡ 更高安全性:支持TLS 1.3协议和RFC 8998国密套件,默认支持密钥加密保护,提升抗侧信道攻击能力。
核心国密算法详解
SM2椭圆曲线公钥密码算法
SM2是基于椭圆曲线密码学的公钥密码算法,包含数字签名、密钥交换和公钥加密功能。GmSSL提供了完整的SM2实现,包括SM2加密、SM2签名、SM2密钥交换等核心功能。
SM3密码杂凑算法
SM3是一种密码杂凑算法,输出长度为256位,广泛应用于数字签名、消息认证码生成等场景。
SM4分组密码算法
SM4是国密分组密码算法,支持多种工作模式:
- CBC(密码分组链接模式)
- CTR(计数器模式)
- GCM(伽罗瓦/计数器模式)
- ECB(电子密码本模式)
- CFB(密码反馈模式)
- OFB(输出反馈模式)
- CCM(计数器与CBC-MAC模式)
- XTS(XEX-based tweaked-codebook模式)
SM9标识密码算法
SM9是基于标识的密码算法,用户可以使用标识符(如电子邮件地址)作为公钥,简化了密钥管理流程。
快速安装部署
Linux/macOS环境
git clone https://gitcode.com/gh_mirrors/gm/GmSSL
cd GmSSL
mkdir build
cd build
cmake ..
make
make test
sudo make install
Windows环境
在Visual Studio命令提示符下执行:
mkdir build
cd build
cmake .. -G "NMake Makefiles" -DWIN32=ON
nmake
丰富的命令行工具
GmSSL提供了功能强大的命令行工具集,涵盖证书管理、加密解密、数字签名等各个方面:
证书工具:
certgen- 证书生成certparse- 证书解析certverify- 证书验证certrevoke- 证书吊销
加密工具:
sm2encrypt- SM2加密sm2decrypt- SM2解密sm4_cbc- SM4 CBC模式加密sm4_ctr- SM4 CTR模式加密
数字签名工具:
sm2sign- SM2签名sm2verify- SM2验证cmssign- CMS签名cmsverify- CMS验证
多平台兼容性
GmSSL支持主流操作系统和处理器架构:
- ✅ Linux
- ✅ macOS
- ✅ Windows
- ✅ Android
- ✅ iOS
性能表现卓越
根据官方测试数据,GmSSL在各平台上均展现出优异的性能:
MacBook Air M2 2022:
- SM4 CTR32加密:15,340 MiB/秒
- SM3哈希:327 MiB/秒
- SM2签名:14,089 次/秒
开发者生态完善
GmSSL拥有完整的开发者生态,提供多种编程语言绑定:
- Java - JNI方式实现
- PHP - PHP扩展方式实现
- Go - CGO方式实现
- Python - ctypes方式实现
- JavaScript - 纯JavaScript实现
国密硬件支持
GmSSL内置支持国密SDF密码硬件(PCI-E接口密码卡/服务器密码机)和SKF密码硬件(USB密码钥匙)。开发者可以使用软件SDF模块进行开发和测试,正式部署时替换为硬件SDF。
应用场景
金融行业:银行、证券、保险等金融机构的安全通信 政府机构:政务系统的数据加密和身份认证 企业应用:企业内部的敏感数据传输保护 物联网设备:嵌入式设备的轻量级安全通信
总结
GmSSL作为国产密码技术的重要代表,为开发者提供了完整、高效、合规的国密算法解决方案。无论是构建新的安全应用,还是对现有系统进行国密改造,GmSSL都是理想的选择。
通过本指南,您已经全面了解了GmSSL的核心功能和应用价值。现在就开始使用GmSSL,为您的应用系统注入国产密码的安全力量!💪
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00