Skip to content
KitploitKITPLOIT
工具漏洞利用博客
Log in
提交
工具漏洞利用博客
提交

黑客、渗透测试和网络安全工具,武装您的安全武器库!

Kitploit 是一个黑客、网络安全和渗透测试工具的目录。发现最新的项目更新,查找漏洞、分析系统、自动化测试并加强你的安全。

订阅源联系隐私© 2026 Kitploit

工具目录

分类

查看所有分类
Loading categories
mlkem-native — 安全、快速且可移植的 ML-KEM / FIPS 203 C90 实现 | Kitploit
工具/GitHubGitHub/pq-code-package/mlkem-native
嵌入式系统安全静态分析密码学硬件安全
GitHubpq-code-package/mlkem-native

mlkem-native

安全、快速且可移植的 ML-KEM / FIPS 203 C90 实现

查看仓库
2607910816小时22分前Kitploit 审核通过
分享
网站

mlkem-native

CI Benchmarks C90

License: Apache License: ISC License: MIT

mlkem-native 是一个安全、快速且可移植的 ML-KEM[^FIPS203] C90[^C90] 实现。 它是 ML-KEM 参考实现[^REF]的一个分支。

mlkem/src/* 和 mlkem/src/fips202/* 中的所有 C 代码(除 AArch64 和 x86_64 以外平台的后端以及调试代码外),均使用 CBMC[^CBMC] 证明了内存安全(无内存溢出)和类型安全(无整数溢出)。 所有 AArch64 和 x86_64 汇编均使用 HOL-Light[^HOL-Light] 证明了功能正确、 内存安全,且具有与秘密无关的时序(常数时间)。

mlkem-native 包含针对 Arm(64 位,Neon)、Intel/AMD(64 位,AVX2)、RISC-V(64 位,RVV)和 POWER(ppc64le,VSX)的原生后端。性能数据请参见基准测试。

mlkem-native 由后量子密码学联盟支持,是Linux 基金会的一部分。

Ubuntu 快速入门

# Install base packages
sudo apt-get update
sudo apt-get install make gcc python3 git

# Clone mlkem-native
git clone https://github.com/pq-code-package/mlkem-native.git
cd mlkem-native

# Build and run tests
make build
make test

# The same using `tests`, a convenience wrapper around `make`
./scripts/tests all
# Show all options
./scripts/tests --help

更多信息请参见 BUILDING.md。

应用

mlkem-native 被用于

  • Open Quantum Safe 项目的 libOQS,自 0.13.0 起(作为默认的 ML-KEM 实现)
  • AWS 的密码学库 AWS-LC,自 v1.50.0 起
  • 用 Rust 编写的 rustls TLS 库,自 0.23.28 起(通过 AWS-LC 作为默认密码学提供者)
  • PyCryptodome - 一个自包含的 Python 低级密码学原语包,自 v4.2.0 起
  • Pavona - 一个模块化、经过流片验证且默认安全的开源硅块库

形式化验证

mlkem/src/* 和 mlkem/src/fips202/* 中的所有 C 代码(除 AArch64 和 x86_64 以外平台的后端以及调试代码外)均被证明是内存安全的(无内存溢出)和类型安全的(无整数溢出)。 这使用了 C 有界模型检查器(CBMC),并基于源代码中的函数契约和循环不变式注解。 详情请参见 proofs/cbmc。

所有 AArch64 和 x86_64 汇编均在目标代码级别被证明功能正确、内存安全且具有与秘密无关的时序 (常数时间)。这使用了 HOL-Light 交互式定理证明器和 s2n-bignum 验证基础设施(其中包含 Arm 和 x86 架构相关部分的模型)。详情请参见 proofs/hol_light。

注意: 形式化验证从来都不是绝对的。关于 mlkem-native 形式化验证工作的范围、假设和风险的详细分析,请参见 SOUNDNESS.md。

安全性

mlkem-native 中的所有 AArch64 和 x86_64 汇编均已在 HOL Light 中被形式化证明不存在依赖于秘密的控制流、 内存访问模式和可变延迟指令,从而抵御大多数时序侧信道 (详情请参见 proofs/hol_light)。C 代码通过适当的屏障和常数时间模式, 针对编译器引入的时序侧信道(如 KyberSlash[^KyberSlash] 或 clangover[^clangover])进行了加固。C 代码假定 32x32->32 和 32x32->64 乘法为常数时间, 而某些目标平台并不提供这一特性,例如没有硬件乘法器或具有提前终止乘法指令的核心。

不存在依赖于秘密的分支、内存访问模式和可变延迟指令这一点,也通过 valgrind 在各种编译器和编译选项组合下进行了测试。

其他攻击。 mlkem-native 仅针对时序侧信道进行抵抗。其他攻击类别,如功耗和电磁侧信道、微架构侧信道(例如推测执行)或故障注入攻击,目前不在范围内。

设计

mlkem-native 分为一个 前端 和两个用于算术和 FIPS202 / SHA3 的 后端。前端是 固定的,用 C 编写,涵盖所有对性能不关键的例程。后端是灵活的,负责 性能敏感的例程,可以用 C 或原生代码(汇编/内建函数)实现;算术后端请参见 mlkem/src/native/api.h,FIPS-202 后端请参见 mlkem/src/fips202/native/api.h。

mlkem-native 目前提供以下后端:

  • 默认的可移植 C 后端
  • 64 位 Arm 后端(使用 Neon)
  • 64 位 Intel/AMD 后端(使用 AVX2)
  • 64 位 RISC-V 后端(使用 RVV)
  • 64 位 POWER 后端(ppc64le,使用 VSX;支持 POWER8 及以上)
  • 32 位 Armv8.1-M 后端(使用 Helium/MVE)——参见 #1501。该后端仍处于实验阶段,默认禁用。

如果您希望贡献新的后端,请联系我们或直接提交 PR。

我们的 AArch64 汇编是使用 SLOTHY 超级优化器开发的,遵循 SLOTHY 论文[^SLOTHY_Paper]中描述的方法: 我们手写“干净”的汇编,并自动化微优化(例如参见 clean 与 optimized 的 AArch64 NTT)。 更多细节请参见 dev/README.md。

测试向量

mlkem-native 已针对所有官方 ACVP ML-KEM 测试向量[^ACVP]以及 Wycheproof[^wycheproof] ML-KEM 测试向量进行了测试。

ACVP

您可以使用 tests 脚本或直接使用 ACVP 客户端 来运行 ACVP 测试:

# Using the tests script
./scripts/tests acvp
# Using a specific ACVP release
./scripts/tests acvp --version v1.1.0.41

# Using the ACVP client directly
python3 ./test/acvp/acvp_client.py
python3 ./test/acvp/acvp_client.py --version v1.1.0.41

# Using specific ACVP test vector files (downloaded from the ACVP-Server)
# python3 ./test/acvp/acvp_client.py -p {PROMPT}.json -e {EXPECTED_RESULT}.json
# For example, assuming you have run the above
python3 ./test/acvp/acvp_client.py \
  -p ./test/acvp/.acvp-data/v1.1.0.41/files/ML-KEM-keyGen-FIPS203/prompt.json \
  -e ./test/acvp/.acvp-data/v1.1.0.41/files/ML-KEM-keyGen-FIPS203/expectedResults.json

Wycheproof

你可以使用 tests 脚本或直接使用 Wycheproof 客户端 来运行 Wycheproof[^wycheproof] 测试:

# Using the tests script
./scripts/tests wycheproof

# Using the Wycheproof client directly
python3 ./test/wycheproof/wycheproof_client.py

基准测试

你可以使用 tests 脚本测量性能、内存占用和二进制大小:

# Speed benchmarks (-c selects cycle counter: NO, PMU, PERF, or MAC)
# Note: PERF/MAC may require the -r flag to run benchmarking binaries using sudo
./scripts/tests bench -c PMU
./scripts/tests bench -c PERF -r

# Stack usage analysis
./scripts/tests stack

# Binary size measurement
./scripts/tests size

有关 CI 基准测试结果和历史性能数据,请参阅基准测试页面。

用法

如果你想使用 mlkem-native,请将 mlkem 导入到项目的源码树中,并使用你喜欢的构建系统进行构建。更多信息请参阅 mlkem,简单示例请参阅 examples/basic。本仓库提供的构建系统仅用于开发目的。

有关适用于所有公共函数的约定(例如返回值、指针有效性以及出错时输出缓冲区的状态),请参阅 API-CONVENTIONS.md。

我可以自带 FIPS-202 实现吗?

mlkem-native 依赖并自带 FIPS-202[^FIPS202] 的实现。如果你的库有自己的 FIPS-202 实现,你可以用它替代 mlkem-native 自带的实现。请参阅 FIPS202.md,以及 examples/bring_your_own_fips202 中使用 tiny_sha3[^tiny_sha3] 的示例。

我必须使用汇编后端吗?

下载工具

最受欢迎

查看全部 →

发现我们社区最常用的工具。

  • 1

    OsintHunter

    letox4/osinthunter

    🎯 终极 OSINT 工具包:调查图谱、置信度评分、别名家族、地图、时间线和报告。49 个模块、400+ 个站点,无需 API 密钥。

    786
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    GhostLock 一键执行应用(CVE-2026-43499)

    506
  • 3

    ARTEX

    baarai/artex

    基于LLM的多智能体自主渗透测试平台,具备规划器/执行器智能体、资产与探索图谱、MITM流量记录以及漏洞复测功能。

    429
  • 4

    redforge

    cybersecurity91/redforge

    浏览器端红队工具包,包含 102 个离线工具,用于侦察、载荷生成、凭据攻击、加密、编码和交战报告。

    345
  • 5

    CyberStrikeAI

    ed1s0nz/cyberstrikeai

    AI原生网络安全的行动系统——在这里,意图转化为受治理的执行,证据沉淀为运营记忆,每一次操作都让下一次更出色。

    262
  • 6

    looking-glass

    anonghosty/looking-glass

    CSIRT 平台,可将 Shadowserver 报告导入 MongoDB,并将其重放为交互式地图、分析、发现、公告和高管仪表板。

    256

探索所有工具

浏览我们的工具集合

查看所有工具 →