John the Ripper构建系统中SIMD标志的传递优化
在John the Ripper密码分析工具的构建系统中,存在一个关于SIMD(单指令多数据流)指令集标志传递的优化问题。这个问题最初在项目内部讨论中被发现,涉及到如何将主构建的SIMD编译标志正确传递到子目录的库构建过程中。
问题背景
现代CPU支持的SIMD指令集(如SSE、AVX、AES-NI等)可以显著加速密码哈希计算。John the Ripper作为性能敏感的密码分析工具,充分利用这些指令集是其核心优化手段之一。然而在当前构建系统中,子目录(如mbedtls等第三方库)的编译过程并未继承主构建的SIMD相关编译标志。
这种分离的编译方式可能导致两个问题:
- 子模块无法利用与主程序相同的CPU特性,造成性能损失
- 在VEX编码指令和传统SSE代码之间可能出现性能下降的转换
技术分析
通过分析项目中的Makefile.in文件,我们可以看到当前的编译标志处理机制:
主Makefile.in中定义了多组编译标志:
- CFLAGSX:基础编译标志集合
- CFLAGS_MAIN:专用于john.c主文件的特殊标志
- CFLAGS:通用编译标志
问题根源在于子目录的Makefile.in没有完整继承这些标志,特别是缺少@CC_CPU@和@CC_MAIN_CPU@等关键SIMD相关标志。
解决方案
项目维护者提出了两种解决思路:
-
全面重构方案:修改configure.ac,使@CFLAGS@包含所有必要标志,然后简化Makefile中的标志处理逻辑。
-
快速修复方案:在子目录的Makefile.in中标准化编译标志定义,确保包含所有必要的SIMD相关标志。
考虑到改动范围和影响,项目决定采用第二种方案,即在子目录Makefile.in中使用如下标准化定义:
CFLAGS = -c -DAC_BUILT @CC_CPU@ @CC_MAIN_CPU@ @CFLAGS@ @JOHN_NO_SIMD@ @CFLAGS_EXTRA@ @OPENSSL_CFLAGS@ @OPENMP_CFLAGS@ @HAVE_MPI@ @PTHREAD_CFLAGS@ @CPPFLAGS@
实施细节
对于特定的AES-NI指令集支持问题(#5593),解决方案是将-maes -mpclmul标志添加到@CC_CPU@中,这样就能自动传播到所有子目录的构建过程中。
性能考量
值得注意的是,这种改变可能会在某些CPU上引起性能回退,特别是从汇编代码切换到内部函数(intrinsics)的实现时。项目团队决定先解决功能完整性问题,性能优化将作为后续工作单独处理。这种分阶段处理的策略既保证了构建系统的正确性,又为后续针对性优化保留了空间。
总结
这次构建系统的优化确保了John the Ripper能够更一致地利用现代CPU的SIMD指令集,特别是在处理加密原语时。通过标准化子目录的编译标志处理,不仅解决了当前的问题,还为未来的构建系统改进奠定了基础。对于密码分析这种对性能极其敏感的应用,这类底层优化往往能带来显著的性能提升。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~083CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava05GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。07GOT-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。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0381- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









