JohnTheRipper中Axcrypt加密格式性能基准测试优化分析
2025-05-21 09:26:58作者:尤辰城Agatha
背景与问题发现
在密码分析工具JohnTheRipper的最新测试中,开发团队发现Axcrypt相关加密格式的基准测试存在一个关键问题:测试结果中混合了不同迭代次数的速度数据。这会导致性能评估不够准确,特别是在比较不同加密版本的解密效率时。
技术细节解析
Axcrypt作为流行的文件加密工具,主要包含三个版本的处理格式:
- CPU版本:使用PBKDF2-SHA512/SHA1算法配合AES加密
- OpenCL版本1:基于SHA1和AES的GPU加速实现
- OpenCL版本2:针对AxCrypt 2.x的PBKDF2-SHA512 AES实现
测试数据显示,这些格式使用了不同的迭代次数作为成本参数:
- CPU版本:1337和60000次迭代
- OpenCL版本1:同样使用1337和60000次迭代
- OpenCL版本2:使用28200和23652次迭代
问题影响
这种不一致的基准测试方法会带来两个主要问题:
- 横向比较困难:不同版本间的性能对比缺乏统一标准
- 实际场景偏差:测试使用的迭代次数与其他工具的实际参数不匹配
解决方案
开发团队提出了明确的改进方向:
- 统一基准参数:采用其他工具中使用的标准成本参数
- 设置基准长度:将benchmark_length统一设置为0x507
- 版本区分:为CPU格式添加第二个成本参数以区分不同版本
扩展分析
通过检查其他OpenCL格式的基准测试,发现这是一个普遍现象。例如:
- Argon2格式测试了类型0和1的性能
- DMG格式测试了版本2和1的区别
- ODF格式比较了Blowfish和AES两种加密方式
这种多参数测试方法虽然能反映不同场景下的性能,但需要更系统化的管理策略。
实施效果
改进后的基准测试将提供:
- 更准确的性能评估数据
- 更好的工具间兼容性
- 更真实的实际使用场景模拟
结论
密码分析工具的基准测试需要严谨的参数设置,特别是在处理多种加密算法和版本时。JohnTheRipper团队对Axcrypt格式的优化体现了对测试准确性的高标准要求,这将为安全研究人员提供更可靠的性能参考数据。这种改进思路也适用于工具中其他加密格式的基准测试优化。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
671
156
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217