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。
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