ChipWhisperer 5.5版本发布:硬件安全分析工具的重大升级
ChipWhisperer是一个开源的硬件安全分析工具套件,主要用于侧信道攻击和故障注入攻击的研究与教学。该项目由NewAE Technology开发,广泛应用于学术研究、安全评估和嵌入式系统安全测试领域。最新发布的5.5版本带来了多项重要功能增强和问题修复,显著提升了工具的性能和易用性。
核心功能增强
1. 超快速分段捕获功能
新版本在ChipWhisperer硬件上实现了分段捕获功能,这一创新使得捕获速度得到了质的飞跃。传统捕获方式需要等待整个波形采集完成后才能进行下一次捕获,而分段捕获允许硬件在捕获一部分波形后立即开始下一轮捕获,大大提高了数据采集效率。
这项功能特别适合需要大量样本的侧信道分析场景,如高级差分能量分析(DPA)或相关能量分析(CPA)。研究人员现在可以在相同时间内获取更多样本,提高攻击成功率。
2. 简化的串口通信机制
5.5版本引入了CDC串口支持和SimpleSerial2_CDC目标类,彻底简化了与目标设备的通信流程。传统方式需要用户手动查找并配置COM端口,而新版本实现了自动检测功能。
关键技术改进包括:
- 底层固件升级为CDC串口协议
- 新增自动检测串口功能的目标类
- 完全兼容原有SimpleSerial协议
3. ECC加密算法支持
本次更新新增了对**椭圆曲线密码学(ECC)**的支持,包含两个关键组件:
- simpleserial-ecc模块:扩展了SimpleSerial协议,支持ECC相关操作
- uECC攻击演示:提供了针对微型ECC(uECC)库的实际攻击案例
这使得ChipWhisperer现在可以用于研究ECDSA签名等基于ECC的安全机制的侧信道脆弱性。
开发体验优化
1. 固件编程自动化
新增的auto_program()方法简化了固件更新流程。开发者现在可以:
- 一键编程目标设备
- 自动处理编程失败后的恢复
- 支持多种目标架构(XMega、STM32等)
2. TraceWhisperer接口改进
TraceWhisperer是ChipWhisperer的底层接口组件,5.5版本对其进行了全面清理并添加了多个便利函数,使得底层操作更加直观和可靠。
3. 开发工具链集成
安装程序现在可选包含avr-gcc和arm-gcc工具链,为嵌入式开发提供了开箱即用的编译环境,减少了配置开发环境的复杂度。
兼容性与稳定性提升
- SAKURA-G板卡支持:重新加入了对SAKURA-G开发板的支持
- CW305电压范围修复:修正了CW305板卡上VCCINT的电压范围问题
- STM32F4硬件浮点:修复了STM32F4系列的硬件浮点支持问题
- Nano通信稳定性:解决了Nano版本在读取超过128字节时崩溃的问题
- USB通信中断处理:改善了USB通信被中断时的管道错误处理
安装与使用建议
对于新用户,推荐使用包含完整环境的安装包,其中已经配置好所有依赖项。安装后文件位于ChipWhisperer5_64\git\home\portable\chipwhisperer目录下。
对于固件更新,提供了专用的命令行工具cw_firmware_updater,支持多种硬件型号的固件恢复和更新操作。
总结
ChipWhisperer 5.5版本通过引入分段捕获、ECC支持和CDC串口等新特性,显著扩展了其在硬件安全分析领域的能力。同时,自动化编程和改进的开发体验使得该工具更加易用。这些改进使得ChipWhisperer继续保持其在开源硬件安全工具中的领先地位,为研究人员和工程师提供了更强大的分析能力。
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