ChipWhisperer 3.2.0版本发布:硬件安全分析工具的重大更新
ChipWhisperer是一个开源的硬件安全分析工具链,主要用于侧信道攻击研究和教学。它提供了一套完整的解决方案,包括硬件捕获设备、固件示例和分析软件,使研究人员能够轻松开展各种硬件安全实验。最新发布的3.2.0版本带来了多项重要改进和新功能,进一步提升了工具的性能和易用性。
主要更新内容
捕获功能增强
3.2.0版本在捕获功能方面进行了多项改进。修复了当CW-Lite设备在终端打开状态下被拔除时会产生大量关闭消息的问题,提升了工具的稳定性。同时,对CW305接口进行了修复和改进,使其更加可靠。特别值得一提的是,AVR编程器现在增加了对ATMegaRF2564RFR2设备的支持,扩展了硬件兼容性。
新版本还引入了流模式捕获选项,这是一种高效的捕获方式,可以显著提升数据采集效率。此外,初步实现了多通道支持功能,虽然目前还不支持保存多通道数据,但为未来的功能扩展奠定了基础。
分析功能升级
分析模块在3.2.0版本中经历了重大重构。硬件模型系统进行了更新,虽然这会导致一些旧API不再兼容,但新的架构使得添加自定义泄漏模型变得更加容易,为高级用户提供了更大的灵活性。
一个重要的新增功能是对DES算法的支持,目前能够恢复56位密钥中的48位。这表明ChipWhisperer正在不断扩大其支持的加密算法范围,为用户提供更丰富的分析选项。
分析类也进行了重构,提高了代码的组织性和可维护性。新增的跟踪输出绘图小部件增加了一个实用功能:支持以时间值为X轴的显示方式,这使得时序分析更加直观。
软件发布方式变更
从3.2.0版本开始,软件发布从Assembla Wiki迁移到了Github Releases平台。这一变更使得版本管理和下载更加规范化和集中化,也符合当前开源项目的普遍做法。
获取和使用方式
用户可以通过多种方式获取和使用ChipWhisperer 3.2.0:
-
使用VMWare或VirtualBox虚拟机镜像快速开始。需要注意的是,这些镜像不会随每个版本更新,因此在镜像中需要通过"git pull"命令获取最新的主分支代码。
-
将ChipWhisperer项目安装到本地系统,这需要按照安装说明进行操作。用户可以下载源代码.zip文件获取完整的仓库,包括固件示例等所有内容。
-
通过"pip install chipwhisperer"命令进行安装。这是最快捷的入门方式,但不会包含所有教程所需的固件示例。
对于Windows用户,可能需要额外的驱动文件来支持ChipWhisperer-Lite、CW1200或CW305设备。Linux用户则需要参考专门的安装说明。
总结
ChipWhisperer 3.2.0版本在捕获功能、分析能力和用户体验方面都做出了显著改进。新增的流模式捕获、DES算法支持和多通道功能为硬件安全研究提供了更多可能性。重构后的代码架构也为未来的功能扩展打下了良好基础。无论是教学还是研究用途,这个版本都值得安全研究人员关注和升级。
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