John the Ripper项目中的Astra Linux Streebog哈希算法在大端架构下的兼容性问题
在John the Ripper密码分析工具的最新版本测试中,发现了一个关于Astra Linux特定哈希算法的兼容性问题。该问题主要影响使用Streebog(GOST R 34.11-2012)算法的两种哈希格式在大端(Big-Endian)架构系统上的运行。
问题现象
测试结果显示,在s390x(64位大端架构)平台上运行时:
streebog256crypt(Astra Linux的格式)测试失败streebog512crypt(Astra Linux的格式)测试失败- 其他相关算法如
gost94crypt和基础gost格式测试通过
错误具体表现为cmp_all(64)比较失败,表明哈希计算结果与预期值不符。
技术背景
Streebog是俄罗斯标准化的一种哈希算法,被用作GOST R 34.11-2012标准。Astra Linux(俄罗斯的一个Linux发行版)实现了基于该算法的特定密码哈希格式。
大端架构与小端架构在数据存储方式上存在根本差异:
- 大端序(Big-Endian):最高有效字节存储在最低内存地址
- 小端序(Little-Endian):最低有效字节存储在最低内存地址
这种差异导致在跨架构移植代码时,需要特别注意数据处理的字节顺序问题。
问题根源
通过项目历史记录分析,这个问题源于Streebog算法实现中对字节顺序处理的不足。虽然项目中的GOST R 34.11-94实现已经正确处理了大端架构,但较新的Streebog(GOST R 34.11-2012)实现尚未完全适配。
解决方案建议
对于这类问题,通常有以下几种解决途径:
-
完整修复:修改Streebog算法实现,确保正确处理大端架构下的字节顺序。这需要对算法核心进行详细审查和测试。
-
临时禁用:在大端架构上禁用相关格式,避免错误结果。这是一种保守但安全的做法。
-
运行时检测:在程序运行时检测系统架构,动态选择适当的处理路径。
考虑到密码分析工具对结果准确性的严格要求,建议首先采用临时禁用方案保证稳定性,同时安排后续的完整修复工作。
影响评估
该问题仅影响:
- 使用大端架构的系统(如s390x)
- 特定的Streebog哈希格式
- 不影响传统的GOST R 34.11-94算法
对于大多数x86/x86_64(小端架构)用户,不会遇到此问题。但对于需要在大端系统上分析Astra Linux密码的用户,这是一个需要注意的限制。
结论
字节序问题是跨平台软件开发中的常见挑战。John the Ripper作为支持多种架构的密码审计工具,需要特别注意这类兼容性问题。项目维护者已经定位到问题根源,预计将在后续版本中提供解决方案。在此期间,大端架构用户应避免依赖受影响的哈希算法实现。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00