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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00