OpenTitan项目中DMA内联哈希测试的DV迁移工作
2025-06-28 01:12:22作者:齐冠琰
背景介绍
OpenTitan是一个开源的安全芯片项目,旨在为行业提供透明、可验证的硬件安全根。在OpenTitan项目中,DMA(Direct Memory Access,直接内存访问)是一个关键组件,它允许数据在内存和外设之间高效传输,而无需CPU的持续干预。
问题描述
在OpenTitan的开发过程中,一个名为"chip_sw_dma_inline_hashing"的测试用例需要从integrated_dev分支迁移到master主分支。这个测试主要验证DMA在数据传输过程中执行内联哈希计算的功能。虽然相关的设备软件已经完成了迁移,但对应的设计验证(DV)部分仍需完成迁移工作。
技术细节
DMA内联哈希功能
内联哈希是指在数据传输过程中实时计算数据的哈希值,这种技术有几个关键优势:
- 性能优化:避免了数据先传输再单独计算哈希的额外开销
- 安全性:确保数据完整性的验证与传输过程同步进行
- 实时性:可以立即发现数据传输过程中的任何篡改
测试迁移的挑战
从integrated_dev分支迁移DV到master分支需要考虑以下因素:
- 接口兼容性:确保测试代码与新分支中的硬件接口保持一致
- 验证环境:DV环境可能在不同分支间存在差异
- 测试覆盖率:迁移后需要确认所有关键场景仍被覆盖
- 性能基准:确保测试在新分支中的性能表现符合预期
实施过程
根据issue中的讨论,整个迁移过程经历了几个关键阶段:
- 初始评估:确认需要迁移的测试范围和依赖项
- 标签调整:多次调整组件标签,最终确定为芯片级测试(Component:ChipLevelTest)
- 实际迁移:将DV代码从integrated_dev分支合并到master
- 验证确认:在Darjeeling平台上验证测试通过
技术意义
完成这项迁移工作对OpenTitan项目有重要意义:
- 功能完整性:确保DMA的内联哈希功能在主分支中得到完整验证
- 代码一致性:保持设备软件和验证环境的同步
- 质量保证:为主分支增加了一个重要的安全功能测试
- 开发效率:避免未来可能出现的分支合并冲突
结论
OpenTitan项目中DMA内联哈希测试的DV迁移工作展示了开源硬件开发中的典型流程:从特定功能开发分支到主干的代码迁移。这项工作不仅完成了技术上的代码转移,更重要的是确保了关键安全功能在主开发线上的完整验证,为OpenTitan项目的长期稳定发展奠定了基础。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-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
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
项目优选
收起
deepin linux kernel
C
24
7
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
615
140
Ascend Extension for PyTorch
Python
167
187
React Native鸿蒙化仓库
JavaScript
240
315
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
647
255
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
373
3.18 K
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.09 K
618
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
62
19
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
261
92