基于索引的完美模糊彩虹表时空折中攻击

提出一种新的完美模糊彩虹表预计算和在线分析方法,在预计算表的生成与存储过程中,将存储空间分块并设置索引,依据预计算链终节点对应的索引值进行存储,并在这一过程中完成对合并链的处理。在线分析阶段,借助索引对查表区域进行精确定位,有效减少了外存储器访问次数,提高了在线分析阶段的查表效率。与原有完美模糊彩虹表方法的对比表明,在相同的攻击成功率要求下,本方法预计算阶段的存储空间约减率可达到18%以上;而在线分析阶段,若综合考虑单向函数迭代与外存储器访问所需时间,文章方法对长度<8的全可打印字符口令进行攻击所需的在线阶段时间仅为原有方法的7.6%。     

基于GPU加速的彩虹表分析MD5哈希密码

针对内存-时间权衡法在哈希密码分析中存在的哈希链碰撞缺陷,给出了彩虹表和MD5算法相应的截短函数处理流程,并利用CUDA架构的GPU(图形处理器)单指令多线程特点在并行迭代运算和遍历哈希链上的优势,提出了一种基于GPU加速的彩虹表分析MD5哈希密码的方法。     

基于OpenMP的近场动力学模拟并行实现

针对近场动力学模拟计算量大、计算效率低等问题,研究基于OpenMP的近场动力学(peridynamic,PD)并行化方法,即在多核处理器计算机上利用OpenMP技术对PD程序中耗时占比大的构建邻接节点域、计算物质点表面修正系数、时间积分3个模块进行并行化处理,实现PD模拟的多线程并行化。通过对二维各向同性板的2种键型PD模型(准静态模拟PD模型和动态裂纹扩展模拟PD模型)测试,得出不同线程数下并行计算时间。结果表明,采用OpenMP并行技术可有效提高近场动力学模拟运算中的计算效率,相比于串行计算,并行计算获得了2.0～4.0倍的加速比。     

基于MPI和OpenMP可控源电磁法三维有限元正演并行模拟

有效提高可控源电磁法三维正演的效率为目前研究的热点。三维CSEM正演各频点计算相互独立,无数据依赖性,具有良好的并行性。单频点的大型稀疏复线性方程组快速生成与求解成为效率的关键。实现了基于MPI的频点间并行计算,提高了多频点计算效率;对于单频点,利用高性能并行多线程直接求解器实现了OpenMP并行求解大型稀疏复线性方程组;最终实现了基于多进程与多线程混合的MPI+OpenMP的多频点可控源三维正演并行计算,大幅度提高三维CSEM有限元正演的效率,最高加速比达到了8.914倍。     

彩虹表在Windows密码恢复中的运用

本文介绍了一种快速恢复windows密码的方法——彩虹表法。阐述了彩虹表所采用的时间一内存平衡算法原理及Windows的LM—HASH加密和NT—HASH加密方法,给出了彩虹表在windows密码恢复的应用案例,并说明了彩虹表生成的方法。     

面向异构系统的OpenMP程序自动生成

异构系统的应用日益广泛.对一般的应用程序员而言,在异构体系结构上开发出高性能的应用程序并非易事.对OpenMP编程模型进行扩展,添加了适用于异构系统存储模型的编译子句;以Open64编译器为基础,实现了包含扩展子句OpenMP并行程序的自动生成.测试结果表明,自动生成的扩展OpenMP并行程序能够在异构系统上获得明显的性能提升.     

一种基于轻量级口令攻击模型的honeywords生成方法

在身份认证系统中使用honeywords是及时检测口令数据库是否被盗的有效方法。针对现有方法生成的honeywords与真实口令差距大、能够被攻击者轻易识别的问题,提出一种基于轻量级口令攻击模型的honeywords生成方法(Generating Honeywords Using Lightweight Pass-word Attack Models,GHLA),该方法将基于规则的攻击模型和基于概率上下文无关(Probabilis-tic Context-Free Grammars,PCFG)的攻击模型这两种轻量级攻击模型结合起来,用于生成hon-eywords。通过理论分析证明其具有较好的平滑度以及抵抗Dos攻击的能力,并进一步利用人人网泄露的口令数据进行测试。相比其他方法,使用所提出的方法生成honeywords,真实口令被攻击者一次识别成功的概率下降了约7.83%,在触发系统报警前攻击成功的账户数量最多减少48.54%,实验结果表明所提方法具有更高的安全性。     

基于CUDA的离散粒子系统模拟仿真及其实现

使用CUDA（compute unified device architecture,统一计算架构）,利用GPU（graphic processing unit,图像处理器）强大的并行能力实现DEM（discrete element method,离散单元法）的离散粒子系统模拟仿真。邻域搜索时使用基于哈希表排序的邻域搜索算法,依据CUDA内存模型的特点对系统做出有效的内存规划,并使用CUDA流技术通过将粒子碰撞和数据输出分割成4个流异步执行,来隐藏数据拷贝的部分延迟。通过使用CUDA的事件作为GPU计时器监测,实验证明本文中的并行搜索算法的执行效率很高,而使用合理的内存策略和流技术也可以有效的提高系统盼性能。     

基于OpenMP的多核程序设计技术

探讨了基于OpenMP的多核程序设计技术,介绍了OpenMP并行编程模型、编译指导语句及常用库函数。为验证OpenMP的性能,对求解二次分配问题的粒子群优化算法采用OpenMP技术进行并行化。实验结果证明了基于OpenMP的并行算法的有效性。     

基于GPU的高速FHT计算及性能分析

针对传统FHT算法在处理海量数据时不能很好的满足实时性需求,该文提出了一种基于CUDA高效的并行FHT算法。通过分析FHT算法的分治特性及CUDA的编程模型,采用了将数据映射到多线程并行运算的方法,实现了对FHT算法的加速和优化。实验结果表明,新的并行算法可以有效地提升FHT处理速度,且随着数据规模的增长,加速效果越明显。     

一种基于CPU-GPU异构计算的混合编程模型

在分析基于CPU-GPU异构计算模式程序开发面临的主要挑战和当前解决途径的基础上,设计了一种适用于GPU集群环境的、综合利用MPI、OpenMP、CUDA以及OpenGL API开发技术的混合编程模型,重点分析了混合编程模型的两种编程方式的实现原理,搭建了相应的实验环境并进行了对比测试。实验结果表明,使用混合编程模型设计的程序具有良好的性能表现和扩展潜力。     

双负媒质的GPU-FDTD并行计算研究

本文研究了基于计算统一设备架构(CUDA)的图形处理器(GPU)对双负媒质(DNG)电磁散射规律的并行计算的实施。由于Z变换理论的时域有限差分法可以计算双负媒质中电磁波的散射和传播,同时在空间上具有天然的并行性,因此非常适用于在GPU上实现并行计算。本文引入Drude模型,给出了左手媒质中FDTD迭代公式,研究了基于GPU的并行FDTD方法,最后通过数值仿真实验以及结果证明该方法的正确性和高效性。     

卫星轨道递推的GPU集成式并行加速方法

为克服传统卫星轨道模型预报方法的速度瓶颈,为实现卫星在轨自主规划变轨奠定基础,利用图形处理器(GPU)并行计算方法对多卫星轨道解算进行加速,构建了轨道预报并行计算模块,成功实现了卫星轨道预报的大幅加速.为提高低计算量时解算速度,提出了集成式GPU加速方法,将简化常规摄动模型(SGP4)解算模型整体代入核函数,计算机内存仅需与GPU进行一次调用及数据交互,大大缩短调用核函数时间,较模块化GPU加速方法在中低规模计算量时速度有明显提高.本研究于两种设备上基于统一计算设备架构(CUDA)实现了集成式加速方法并进行了加速试验,在小型嵌入式开发板NIVIDA TX2设备上可实现在5 s内进行500颗星一天时间86 400步的轨道预报,笔记本设备上GPU加速比也可达到中央处理器(CPU)的4.6倍,且加速后精度损失极低.实验结果表明:集成式加速方法适用于中低规模星数(总步数小于400万步)的并行解算任务,模块化加速方法适用于大规模星数(总步数大于400万步)的并行解算任务.     

图形处理器在数据库技术中的应用

综述了图形处理器上的通用计算（GPGPU）技术以及利用图形处理器（GPU）进行数据库处理的工作。将GPU技术的发展划分为固定功能架构、分离渲染架构和统一渲染架构3个时代,归纳了GPGPU技术的难点和现状。对于3个时代的GPU,分别论述其体系结构带来的机会与存在的局限,提出了相应的通用计算模型。综述了GPU用于数据库领域的相关研究,这些应用包括谓词、布尔组合和聚集、排序、连接、多维索引等。根据GPU技术的推动因素展望了GPGPU技术的趋势,归纳了GPU技术可以被利用的3个层面：图形流水线和通用并行计算、交互式多媒体、图形学理论与方法。以数据库技术为例展望了在每个层面上通用计算的趋势。     

MIMO系统固定复杂度球形解码器研究

图形处理单元（GPU）可作为低成本并行可编程协处理器,能提供高的计算吞吐量,非常适于大规模系统设计。为充分利用GPU的并行处理能力,采用专为GPU通用计算所设计的CUDA（Compute Unified Device Architecture）架构,针对平坦衰落信道,设计了用于MIMO无线通信系统的固定复杂度球形解码器,以加速MIMO无线通信系统的数据处理。根据GPU的架构与存储特点,对实现进行了优化,减小了数据存取延迟和访问冲突。实验结果表明,球形解码速度可提高近10倍.     

基于异构模式的高光谱数据加速处理方法研究

随着遥感卫星更高时空分辨率的大气探测需求,大气遥感高光谱数据量骤增,传统高光谱数据的处理效率较低,无法满足高性能处理高光谱数据的需求.首先介绍了国内外研究者利用图形处理器(GPU)加速处理遥感高光谱数据的应用实例,然后对基于CPU?GPU异构模式的大气遥感高光谱数据傅里叶分析的并行化计算进行了研究,并进行算法实现,最后...     

基于GPU的并行遗传算法在时频差估计中的应用

互模糊函数可以估计时频差参数,但在弱信号条件下,需要大量采样点才能获得较好的估计结果,面临巨大的计算压力,现有算法大都基于遍历思想进行时频二维搜索,实时性较差。针对此问题,提出基于GPU加速的并行遗传算法进行时频差快速估计,该算法针对互模糊函数的特点,结合GPU设计高速并行的遗传进化架构,通过对适应度函数的并行化计算,选择、交叉、变异的并行化操作,提升算法的执行效率。实验表明,文章设计的GPU加速算法能够带来较大的速度提升,可以快速得到时频差估计结果.     

CUDA平台下多核GPU高性能并行编程研究

现代CPU拥有强大的计算能力.文中提出了利用GPU解决高性能计算的问题,包括GPU编程的方法、高性能计算问题的划分原则等.实验表明,CPU高性能计算相比多核CPU具有更高的效率.     

一种基于GPU异构计算的混合编程模型

在分析基于CPU GPU异构计算模式程序开发面临的主要挑战和当前解决途径的基础上,设计了一种适用于GPU集群环境的、综合利用MPI、OpenMP、CUDA以及OpenGL API开发技术的混合编程模型,重点分析了混合编程模型的两种编程方式的实现原理,搭建了相应的实验环境并进行了对比测试。实验结果表明,使用混合编程模型设计的程序具有良 好的性能表现和扩展潜力。     

基于混合高斯模型和GPU的车辆闯红灯快速检测算法及实现

为实现对闯红灯车辆的准确快速检测,提出了基于混合高斯模型和GPU的车辆闯红灯检测算法。先用时间均值法根据监控系统运行后的第1个红灯期间采集的视频数据构建背景图像,再利用这个背景图像初始化混合高斯模型参数,进而采用混合高斯模型检测运动车辆;为实现实时检测,采用GPU并行计算对算法进行了实现。实验结果表明,该算法克服了实际道路监控视频中出现的混合高斯模型初始化参数选择不合理的问题,加快了混合高斯模型的收敛速度,实时性好。