JohnTheRipper项目中的Argon2算法支持进展
JohnTheRipper作为一款知名的密码分析工具,其开发团队一直在不断改进和增强其功能。最近,开发团队正在为Keepass格式添加对Argon2算法的支持,特别是Argon2d和Argon2id变种。
背景与挑战
Argon2是2015年密码哈希竞赛的获胜者,被设计为能够抵抗GPU和ASIC攻击的内存困难型密码哈希函数。它有三种主要变体:Argon2d、Argon2i和Argon2id。Keepass作为流行的密码管理工具,在其最新版本中采用了Argon2作为默认的密钥派生函数。
开发团队早在一年前就开始为JohnTheRipper的Keepass格式添加Argon2支持。然而,在准备提交代码时,另一位开发者引入了Argon2的OpenCL实现,导致代码冲突。主要的技术挑战在于如何在保持代码整洁的同时,高效地实现Argon2在GPU上的运算。
技术实现方案
最初实现面临GPU性能不佳的问题,Argon2在GPU上的运算速度几乎无法实用。这主要是因为Argon2设计时就考虑了抵抗GPU加速的特性。开发团队需要重新审视实现方案,考虑是否可以利用现有的OpenCL代码来优化Keepass格式的Argon2实现。
经过技术评估,团队发现可以保持Argon2参考代码的原始性,而OpenCL格式可以直接调用这些原始函数。这种分离设计既保持了代码的清晰性,又为后续优化提供了基础。
未来方向
这一改进将为JohnTheRipper带来对最新Keepass格式的更好支持,特别是那些使用Argon2id(混合模式)保护的密码数据库。开发团队计划通过多个拉取请求逐步完善这一功能:
- 首先更新Argon2的上游参考代码,添加对Argon2id的支持
- 然后为Keepass格式实现CPU和GPU的Argon2运算
- 最后优化GPU实现,提高分析效率
这一系列改进将显著增强JohnTheRipper处理现代密码哈希的能力,使其在面对使用Argon2保护的系统时保持竞争力。对于安全研究人员来说,这意味着他们可以更有效地评估使用Argon2保护的系统的实际安全性。
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