John the Ripper项目中的32位系统下WoWSRP格式内存问题分析
在John the Ripper密码恢复工具的开发过程中,开发团队发现了一个在32位Linux系统上特定条件下的内存问题。这个问题涉及到WoWSRP格式(Battle.net认证协议)的实现,特别是在使用GMP数学库而非OpenSSL的情况下。
问题现象
当在32位Linux系统上编译John the Ripper时(使用--without-openssl
选项),运行测试命令john -te=0
会出现内存错误。具体表现为:
Testing: WoWSRP, Battlenet [SHA1 32/32 GMP-exp]... (2xOMP) *** glibc detected *** malloc(): memory corruption: 0xb6e0af10 ***
Aborted
有趣的是,单独测试WoWSRP格式时却能通过测试。这表明问题可能与格式之间的交互有关。
问题定位
通过进一步测试,开发人员发现当同时测试AFS和WoWSRP格式时,问题可以稳定复现:
$ OMP_NUM_THREADS=1 ../run/john -te=0 -form=AFS,WoWSRP
Testing: AFS, Kerberos AFS [DES 48/64 4K MMX]... PASS
Testing: WoWSRP, Battlenet [SHA1 32/32 GMP-exp]... Segmentation fault
这表明问题可能与AFS格式使用的MMX指令集有关,影响了后续WoWSRP格式的执行。
根本原因分析
深入分析后发现,问题的根源在于32位x86架构下GMP数学库使用了x87浮点单元(FPU)进行计算,而AFS格式使用了MMX指令集。MMX与x87 FPU共享寄存器空间,当MMX指令执行后没有正确清理状态(EMMS指令),就会导致后续使用FPU的GMP库出现计算错误和内存问题。
解决方案
开发团队提出了两种解决方案:
- 强制使用EMMS指令:在x86.S汇编文件中添加EMMS宏定义,确保MMX状态被正确清理。
+++ b/src/x86.S
@@ -15,6 +15,8 @@
#include "arch.h"
+#define EMMS
+
#ifdef UNDERSCORES
#define DES_IV _DES_IV
- 在测试循环中添加EMMS调用:在bench.c文件中,在格式测试完成后显式调用emms()函数清理MMX状态。
+++ b/src/bench.c
@@ -1080,6 +1081,7 @@ next:
ldr_free_db(test_db, 1);
fmt_done(format);
#ifndef BENCH_BUILD
+ emms();
if (options.flags & FLG_MASK_CHK) {
mask_done();
mask_destroy();
技术背景
这个问题涉及到x86架构的几个重要特性:
- MMX技术:Intel引入的多媒体扩展指令集,使用浮点寄存器作为64位整数寄存器。
- x87 FPU:传统的浮点运算单元,与MMX共享寄存器空间。
- EMMS指令:用于清理MMX状态,将寄存器恢复为FPU可用状态。
在密码学计算中,GMP库在32位系统上常使用x87 FPU进行高精度数学运算,而密码哈希函数可能使用MMX指令进行优化。如果两者混用而没有正确状态管理,就会导致计算错误。
影响范围
这个问题特定于:
- 32位x86架构
- 使用GMP而非OpenSSL的编译配置
- 涉及MMX指令的格式(如AFS)与使用GMP的格式(如WoWSRP)连续测试的情况
结论
这个案例展示了在密码学工具开发中底层架构细节的重要性。即使是高级的密码算法实现,也可能因为底层指令集的微妙交互而产生问题。John the Ripper团队通过添加适当的EMMS指令调用,确保了MMX和FPU状态的正确管理,解决了这个内存问题。
对于开发者而言,这个案例强调了在多格式密码恢复工具中,不同加密算法实现之间的交互测试的重要性,特别是在涉及底层指令集优化的场景下。
- QQwen3-Next-80B-A3B-InstructQwen3-Next-80B-A3B-Instruct 是一款支持超长上下文(最高 256K tokens)、具备高效推理与卓越性能的指令微调大模型00
- QQwen3-Next-80B-A3B-ThinkingQwen3-Next-80B-A3B-Thinking 在复杂推理和强化学习任务中超越 30B–32B 同类模型,并在多项基准测试中优于 Gemini-2.5-Flash-Thinking00
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~0265cinatra
c++20实现的跨平台、header only、跨平台的高性能http库。C++00AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02- 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
GOT-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。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile06
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选









