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。
PaddleOCR-VL
PaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
openPangu-Ultra-MoE-718B-V1.1
昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++0118AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-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).Dockerfile011
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
最新内容推荐
项目优选









