John the Ripper项目中的AVX512VL优化技术解析
在密码分析工具John the Ripper的最新开发中,团队针对yescrypt算法的Salsa20核心函数进行了AVX512VL指令集的优化工作。这项技术改进虽然对原生yescrypt性能提升有限,但对scrypt算法的性能提升效果显著,测试显示速度可提高约三分之一。
技术背景
AVX512VL是Intel AVX-512指令集的一个子集扩展,它允许在128位和256位寄存器上使用AVX-512指令。与完整的512位AVX-512相比,AVX512VL提供了更灵活的向量操作能力,特别适合处理较小数据块的操作。
在密码学算法实现中,Salsa20是一种流密码算法,广泛用于scrypt等密码哈希函数中。其核心操作包括32位整数加法、异或和循环移位,这些操作特别适合用SIMD指令进行并行加速。
优化实现细节
开发团队在yescrypt-opt.c文件中添加了对AVX512VL的支持,主要修改包括:
- 增加了对AVX512VL指令集的检测和头文件包含
- 实现了基于AVX512VL的循环移位操作宏
- 保留了原有的XOP指令集实现作为备选方案
关键代码修改引入了_mm_rol_epi32内在函数,这是AVX512VL提供的32位整数循环移位操作,与之前XOP指令集中的_mm_roti_epi32功能相似。
性能考量
在深入分析后,团队发现同时启用AVX512BW和AVX512VL指令集可以带来额外优势:
- 编译器能生成更多优化的指令序列,如vpmaxsq、vpminsq等
- 增加了对非ZMM寄存器(128/256位)的操作支持
- 代码体积略有减小,表明编译器能生成更紧凑的指令
进一步测试显示,添加AVX512DQ指令集支持还能带来额外微小优化,因此团队决定在支持AVX512VL的构建中默认包含DQ扩展。
构建系统改进
为了支持这一优化,构建系统进行了相应调整:
- 增加了对AVX512VL指令集的自动检测
- 修改了编译器标志,确保正确传递-mavx512vl选项
- 更新了CPU能力检测逻辑,更准确地报告支持的指令集
值得注意的是,由于AVX512BW和AVX512VL通常同时出现在CPU中,因此不需要为仅支持BW的CPU创建单独的二进制版本。
实际影响
这项优化主要影响使用scrypt算法的密码分析场景,包括:
- 原生scrypt密码哈希
- Django框架的scrypt实现
- 其他基于scrypt的衍生算法
测试结果显示,在支持AVX512VL的CPU上,这些算法的处理速度可提升约30%,显著提高了密码安全评估的效率。
未来方向
团队注意到即将到来的AVX10/256指令集可能与AVX512VL有相似特性,计划在未来进一步研究这些新指令集带来的优化机会。同时,构建系统的指令集检测逻辑仍有优化空间,可以进一步简化检测流程。
- 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
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
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~052CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode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。06GOT-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!C0307- 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









