超级好用的C++实用库之国密sm3算法

简介: 超级好用的C++实用库之国密sm3算法

概述

国密SM3是一种由中国国家密码管理局制定的密码散列函数标准,全称为“商用密码SM3杂凑算法”。它用于提供数据完整性校验和安全性认证,类似于国际上的SHA-256等散列函数,但具有中国自主知识产权。SM3算法在多种安全应用场景中扮演关键角色,比如:电子签名、消息认证码生成、数据校验以及密码协议的安全基础等。

SM3算法的设计目标是达到至少128位的安全强度,能够抵抗已知的各种攻击方法,包括碰撞攻击、原像攻击等。其输出是一个256位的哈希值,即32个字节。SM3算法设计非常注重计算效率,在普通计算机上即可快速执行,也适合各种嵌入式系统和移动设备。

HMAC-SM3是基于SM3密码散列函数的密钥相关的消息认证码。HMAC是一种结合了密钥和哈希函数的安全机制,用于验证消息的完整性和认证发送方的身份。当使用SM3作为底层哈希函数时,就形成了HMAC-SM3。

CHP_Sm3

为了方便使用国密SM3算法和HMAC-SM3算法,我们封装了CHP_Sm3类。CHP_Sm3类的头文件,可参考下面的示例代码。

#pragma once

class CHP_Sm3
{
public:
    CHP_Sm3();
    ~CHP_Sm3();

    void Init();

    int Update(unsigned char *pucInput, int nInputLen);
    
    int Final(unsigned char pucOutput[32]);

    int InitHmac(unsigned char *pucKey, int nKeyLen);

    int UpdateHmac(unsigned char *pucInput, int nInputLen);

    int FinalHmac(unsigned char pucOutput[32]);

    static int CalcDigest(unsigned char *pucInput, int nInputLen, unsigned char pucOutput[32]);

    static int CalcDigestHmac(unsigned char *pucKey, int nKeyLen, unsigned char *pucInput, int nInputLen, unsigned char pucOutput[32]);

private:
    void Process(unsigned char pucData[64]);

private:
    typedef struct _TSm3ContextInfo
    {
        unsigned int puiTotal[2];
        unsigned int puiState[8];
        unsigned char pucBuffer[64];
        unsigned char pucPadIn[64];
        unsigned char pucPadOut[64];
    }TSm3ContextInfo;

    TSm3ContextInfo m_ctx;
};

CHP_Sm3类有8个公共成员函数,包括6个实例函数和2个静态函数,下面逐一进行介绍。

Init:初始化sm3算法。

Update:更新输入数据。参数pucInput为输入数据buffer,参数nInputLen为输入数据的长度。返回值为0表示成功,其他为错误码。

Final:完成摘要计算。参数pucOutput为计算出的摘要值,用于传出。返回值为0表示成功,其他为错误码。

InitHmac:初始化HMAC-SM3算法。参数pucKey为密钥buffer,参数nKeyLen为密钥长度。返回值为0表示成功,其他为错误码。

UpdateHmac:更新输入数据。参数pucInput为输入数据buffer,参数nInputLen为输入数据的长度。返回值为0表示成功,其他为错误码。

FinalHmac:完成摘要计算。参数pucOutput为计算出的摘要值,用于传出。返回值为0表示成功,其他为错误码。

CalcDigest:静态成员函数,计算输入数据的sm3摘要值,是对上面几个接口的封装,方便应用层调用。参数pucInput为输入数据buffer,参数nInputLen为输入数据的长度。参数pucOutput为计算出的摘要值,用于传出。返回值为0表示成功,其他为错误码。

CalcDigestHmac:静态成员函数,计算输入数据的hmac-sm3摘要值,是对上面几个接口的封装,方便应用层调用。参数pucKey为密钥buffer,参数nKeyLen为密钥长度。参数pucInput为输入数据buffer,参数nInputLen为输入数据的长度。参数pucOutput为计算出的摘要值,用于传出。返回值为0表示成功,其他为错误码。

总结

SM3算法于2010年正式发布,成为国家商用密码体系的重要组成部分。随着信息安全自主可控的推进,SM3在国内的应用越来越广泛,并逐步向国际推广。在一些国际标准和协议中,也开始考虑兼容或采纳SM3作为可选的密码组件,以满足不同地区和行业的合规要求。


相关文章
|
26天前
|
API C++ Windows
Visual C++运行库、.NET Framework和DirectX运行库的作用及常见问题解决方案,涵盖MSVCP140.dll丢失、0xc000007b错误等典型故障的修复方法
本文介绍Visual C++运行库、.NET Framework和DirectX运行库的作用及常见问题解决方案,涵盖MSVCP140.dll丢失、0xc000007b错误等典型故障的修复方法,提供官方下载链接与系统修复工具使用指南。
415 2
|
29天前
|
Ubuntu API C++
C++标准库、Windows API及Ubuntu API的综合应用
总之,C++标准库、Windows API和Ubuntu API的综合应用是一项挑战性较大的任务,需要开发者具备跨平台编程的深入知识和丰富经验。通过合理的架构设计和有效的工具选择,可以在不同的操作系统平台上高效地开发和部署应用程序。
85 11
|
1月前
|
缓存 算法 程序员
C++STL底层原理:探秘标准模板库的内部机制
🌟蒋星熠Jaxonic带你深入STL底层:从容器内存管理到红黑树、哈希表,剖析迭代器、算法与分配器核心机制,揭秘C++标准库的高效设计哲学与性能优化实践。
C++STL底层原理:探秘标准模板库的内部机制
|
1月前
|
IDE 编译器 开发工具
msvcp100.dll,msvcp120.dll,msvcp140.dll,Microsoft Visual C++ 2015 Redistributable,Visual C++ 运行库安装
MSVC是Windows下C/C++开发核心工具,集成编译器、链接器与调试器,配合Visual Studio使用。其运行时库(如msvcp140.dll)为程序提供基础函数支持,常因缺失导致软件无法运行。通过安装对应版本的Microsoft Visual C++ Redistributable可解决此类问题,广泛应用于桌面软件、游戏及系统级开发。
249 2
|
6月前
|
存储 监控 算法
基于 C++ 哈希表算法实现局域网监控电脑屏幕的数据加速机制研究
企业网络安全与办公管理需求日益复杂的学术语境下,局域网监控电脑屏幕作为保障信息安全、规范员工操作的重要手段,已然成为网络安全领域的关键研究对象。其作用类似网络空间中的 “电子眼”,实时捕获每台电脑屏幕上的操作动态。然而,面对海量监控数据,实现高效数据存储与快速检索,已成为提升监控系统性能的核心挑战。本文聚焦于 C++ 语言中的哈希表算法,深入探究其如何成为局域网监控电脑屏幕数据处理的 “加速引擎”,并通过详尽的代码示例,展现其强大功能与应用价值。
148 2
|
2月前
|
并行计算 C++ Windows
|
7月前
|
存储 算法 C++
Windows共享文件:探秘C++实现的B树索引算法奇境
在数字化时代,Windows共享文件的高效管理至关重要。B树算法以其自平衡多路搜索特性,在文件索引与存储优化中表现出色。本文探讨B树在Windows共享文件中的应用,通过C++实现具体代码,展示其构建文件索引、优化数据存储的能力,提升文件检索效率。B树通过减少磁盘I/O操作,确保查询高效,为企业和个人提供流畅的文件共享体验。
|
4月前
|
存储 监控 算法
基于跳表数据结构的企业局域网监控异常连接实时检测 C++ 算法研究
跳表(Skip List)是一种基于概率的数据结构,适用于企业局域网监控中海量连接记录的高效处理。其通过多层索引机制实现快速查找、插入和删除操作,时间复杂度为 $O(\log n)$,优于链表和平衡树。跳表在异常连接识别、黑名单管理和历史记录溯源等场景中表现出色,具备实现简单、支持范围查询等优势,是企业网络监控中动态数据管理的理想选择。
131 0
|
6月前
|
监控 算法 数据处理
基于 C++ 的 KD 树算法在监控局域网屏幕中的理论剖析与工程实践研究
本文探讨了KD树在局域网屏幕监控中的应用,通过C++实现其构建与查询功能,显著提升多维数据处理效率。KD树作为一种二叉空间划分结构,适用于屏幕图像特征匹配、异常画面检测及数据压缩传输优化等场景。相比传统方法,基于KD树的方案检索效率提升2-3个数量级,但高维数据退化和动态更新等问题仍需进一步研究。未来可通过融合其他数据结构、引入深度学习及开发增量式更新算法等方式优化性能。
176 17