CN104615945A - 一种基于多gpu破解设备的密码破解方法和*** - Google Patents
一种基于多gpu破解设备的密码破解方法和*** Download PDFInfo
- Publication number
- CN104615945A CN104615945A CN201510056336.4A CN201510056336A CN104615945A CN 104615945 A CN104615945 A CN 104615945A CN 201510056336 A CN201510056336 A CN 201510056336A CN 104615945 A CN104615945 A CN 104615945A
- Authority
- CN
- China
- Prior art keywords
- gpu
- equipment
- cracking
- cracks
- password
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及密码破解技术领域,本发明公开了一种基于多GPU破解设备的密码破解方法,其具体包括以下的步骤:步骤一、客户端根据用户需求创建破解任务,并将破解任务下发给GPU代理设备,GPU代理设备将客户端下发的破解任务划分成若干个子任务,并将这些子任务分配给不同的GPU破解设备;步骤二、每个GPU破解设备执行分配到的子任务,并将执行的破解结果通过GPU代理设备反馈给客户端。本发明还公开了一种基于多GPU破解设备的密码破解***。本发明的密码破解方法及***能支持多节点的GPU集群,因此可根据需求适当地进行GPU破解设备的扩展,提高了密码破解的速度,较好地提升了密码破解的性能。
Description
技术领域
本发明涉及密码破解技术领域,尤其涉及一种多GPU破解设备的密码破解方法和***。
背景技术
现有的密码破解方法一般是基于CPU的破解方式。如申请号为CN201410328280.9的专利申请,其提供一种密码破解***及方法,所述方法包括:步骤1、根据密码破解需求提交任务数据;步骤2、根据集群环境分析提交的任务数据,得到破解任务,同时提交破解任务及该破解任务的字典描述、服务描述;步骤3、根据提交的字典描述及服务描述,并结合计算单元状态对破解任务进行计算切分,之后提交切分的任务破解分片;步骤4、根据提交的任务破解分片并结合字典描述对任务破解分片进行计算,同时合并计算结果得到最终密码;步骤5、将最终密码与登录密码匹配。该发明使得网络安保部门能够快速进入非法加密网站进行重要情报收集,进而采取有效打击措施,这对维护我国信息安全具有重要意义。但这样的密码破解方法是基于CPU的破解方式,其破解速度低。
随着图像处理器GPU(Graphic Process Unit)的高性能数据处理能力的发展,其为密码的高速破解提供了新的解决途径。GPU将大量的晶体管用作计算单元,适合高计算强度的应用。GPU在高性能运算方面具有三个突出优点:第一,数据的并行处理能力强大,NVIDIA公司目前最新的GPU K20峰值浮点运算能力超过 3TFLOPS,这几乎和一个小型CPU集群相当;第二,GPU 拥有出色的高密集运算能力,K20的带宽超过200 GB/s;第三,GPU 拥有良好的可编程性,支持多种高级语言编程,NVIDIA开发的CUDA架构支持C/C++和Fortran。现阶段国内外的密码破解方法仅能支持单机***,其最多只包含4片GPU,这对于破解速度要求非常高的场合性能仍然显得非常有限。
综上,基于CPU的破解方式破解速度低,基于GPU的破解方式仅能支持单机***,破解能力同样有限且扩展性差。
发明内容
针对现有技术中的密码破解方法存在破解速度低的技术问题,本发明公开了一种基于多GPU破解设备的密码破解方法和***。
本发明公开了一种基于多GPU破解设备的密码破解方法,其具体包括以下的步骤:步骤一、客户端根据用户需求创建破解任务,并将破解任务下发给GPU代理设备,GPU代理设备将客户端下发的破解任务划分成若干个子任务,并将这些子任务分配给不同的GPU破解设备;步骤二、每个GPU破解设备执行分配到的子任务,并将执行的破解结果通过GPU代理设备反馈给客户端。
更进一步地,上述方法还包括将正确的校验值写入到GPU破解设备的常量内存。
更进一步地,上述任务分配的具体过程为:首先根据用户输入的字符集计算出此次密码破解所需的总口令数量N,根据GPU代理设备中负载均衡模块得到参与破解的GPU破解设备的数量为N1,每个参与破解的GPU破解设备下GPU卡的数量为N2,那么第一个GPU破解设备上第一张GPU卡分配到的口令区间就是[0,N/N1/N2),第二张GPU卡分配到的口令区间是[N/N1/N2,2 N/N1/N2),依次类推,第一个GPU破解设备上第N2张GPU卡分配到的口令区间是[(N2-1)N/N1/N2,N/N1)。
本发明还公开了一种基于多GPU破解设备的密码破解***,其具体包括客户端,GPU代理设备和多个GPU破解设备,所述客户端与GPU代理设备之间信号连接,所述GPU代理设备和多个GPU破解设备之间信号连接,所述客户端根据用户需求创建破解任务,并将破解任务下发给GPU代理设备,GPU代理设备将客户端下发的破解任务划分成若干个子任务,并将这些子任务分配给不同的GPU破解设备;每个GPU破解设备执行分配到的子任务,并将执行的破解结果通过GPU代理设备反馈给客户端。
更进一步地,上述客户端包括用户交互模块、任务管理模块和日志管理模块;所述用户交互模块用于与用户进行信息交互,所述任务管理模块用于管理用户下发的任务,所述日志管理模块管理模块用于对客户登陆和设备接入信息进行管理。
更进一步地,上述GPU代理设备包括负载均衡模块、特征值提取模块、口令空间划分模块和设备管理模块;所述负载均衡模块根据当前GPU破解设备的忙闲状态来动态选择一台或者多台GPU破解设备进行破解;所述特征值提取模块用于提取出破解参数和校验参数,用于GPU破解设备的破解运算;所述口令空间划分模块用于为每个参与破解的GPU破解设备划分一定范围的口令区间;所述设备管理模块用于多GPU破解设备的管理。
更进一步地,上述GPU破解设备包括口令生成模块和口令破解模块;所述口令生成模块用于根据偏移量、GPU线程ID号以及字符集长度来生成口令,所述口令破解模块根据生成的口令进行破解运算。
更进一步地,将正确的校验值写入到GPU破解设备的常量内存。
通过采用以上的技术方案,本发明的有益效果为:本发明的密码破解方法及***能支持多节点的GPU集群,因此可根据需求适当地进行GPU破解设备的扩展,提高了密码破解的速度,较好地提升了密码破解的性能。
附图说明
图1为基于多GPU破解设备的密码破解***。
图2为基于多GPU破解设备的密码破解流程图。
图3为口令生成流程图。
具体实施方式
下面结合说明书附图,详细说明本发明的具体实施方式。
本发明公开了一种基于多GPU破解设备的密码破解方法,其具体包括以下的步骤:步骤一、客户端根据用户需求创建破解任务,并将破解任务下发给GPU代理设备,GPU代理设备将客户端下发的破解任务划分成若干个子任务,并将这些子任务分配给不同的GPU破解设备;步骤二、每个GPU破解设备执行分配到的子任务,并将执行的破解结果通过GPU代理设备反馈给客户端。本发明支持多节点的GPU集群,因此可根据需求适当地进行GPU破解设备的扩展,较好地提升了密码破解的性能,提高了密码破解的速度。
本发明还公开了一种基于多GPU破解设备的密码破解***,其具体包括客户端, GPU代理设备和多个GPU破解设备,所述客户端与GPU代理设备之间信号连接,所述GPU代理设备和多个GPU破解设备之间信号连接,所述客户端根据用户需求创建破解任务,并将破解任务下发给GPU代理设备,GPU代理设备将客户端下发的破解任务划分成若干个子任务,并将这些子任务分配给不同的GPU破解设备;每个GPU破解设备执行分配到的子任务,并将执行的破解结果通过GPU代理设备反馈给客户端。本发明的***支持多节点的GPU集群,因此可根据需求适当地进行GPU破解设备的扩展,较好地提升了密码破解的性能,提高了密码破解的速度。如图1所示,本发明的基于多GPU破解设备的密码破解***包括1个客户端、1个GPU代理设备以及4个或者更多的GPU破解设备组成。其中客户端的功能主要是创建、配置、下发破解任务并及时接受、显示破解过程中的主要信息;GPU代理设备的主要功能是拆分破解任务、进行复杂均衡等;GPU破解设备主要是根据GPU代理设备下发的任务进行破解并且上报破解的过程和结果。
如图2所示的基于多GPU破解设备的密码破解流程图,按照数据流的方向分为客户端、GPU代理设备和GPU破解设备。其中客户端包括用户交互模块、任务管理模块和日志管理模块;GPU代理设备包括负载均衡模块、特征值提取模块、口令空间划分模块和设备管理模块;所述GPU破解设备包括口令生成模块和口令破解模块。
所述用户交互模块用于与用户进行信息交互,所述任务管理模块用于管理用户下发的任务;所述日志管理模块管理模块用于对客户登陆和设备接入信息进行管理;从而方便用户实现密码破解并对密码破解的过程进行有效记载。用户交互模块为用户提供了密码破解任务基本信息的输入接口,包括破解口令的字符集指定、口令的长度区间范围(最小口令长度、最大口令长度)、自定义字符集等。这个为用户提供了友好的***操作接口,也将更加方便用户根据实际情况对密码破解进行配置。任务管理模块是为用户下发的任务提供了管理功能,是的不同用户能方便查看现在正在进行的任务,已经完成或者中止的任务、查看任务的破解结果等等信息。日志管理模块是对客户登陆、设备接入等等信息进行管理。
更进一步地,为了适应GPU集群的异构特点,本发明还提供了可靠的任务调度***来实现负载均衡,从而提高破解速度。其具体的技术方案为:所述GPU代理设备包括负载均衡模块、特征值提取模块、口令空间划分模块和设备管理模块;所述负载均衡模块根据当前GPU破解设备的忙闲状态来动态选择一台或者多台GPU破解设备进行破解;所述特征值提取模块用于提取出破解参数和校验参数,用于GPU破解设备的破解运算;所述口令空间划分模块用于为每个参与破解的GPU破解设备划分一定范围的口令区间;所述设备管理模块用于GPU破解设备的管理。其中特征值提取模块可以采用不同的算法来提取不同的参数,或从抓取的数据包,或从文件中等提取有效的字段信息,这些字段将作为破解行为重要的输入参数和校验参数。根据参数的种类不同,大致可以分为两类:用于破解的参数和用于校验的参数。破解的参数主要是用于参与破解的运算并产生一个值用于与校验参数进行比对,如果相同则表示破解成功,如果不同则表示破解失败。具体的参数提取过程和破解运算过程不属于本发明的重点,在此不进行赘述。口令空间划分模块是为每个参与破解运算的GPU破解设备划分一定范围的口令区间。本发明中,每台GPU破解设备中可以包括一张或者多张GPU卡。因此,其具体的划分方法可以如下:首先根据用户输入的字符集计算出此次密码破解所需的总口令数量N,根据负载均衡模块得到参与破解的GPU破解设备的数量为N1,每个参与破解的GPU破解设备下GPU卡的数量为N2,那么第一个GPU破解设备上第一张GPU卡分配到的口令区间就是[0,N/N1/N2),第二张GPU卡分配到的口令区间是[N/N1/N2,2 N/N1/N2),依次类推,第一个GPU破解设备上第N2张GPU卡分配到的口令区间是[(N2-1)N/N1/N2,N/N1)。这样划分的好处是最小化减小了每个计算节点中每张GPU卡之间同步所消耗的时间,保证了破解的有效时间。综上所述,GPU代理设备的主要功能就是将用户下发的破解任务根据用户的配置信息和集群中各个GPU破解设备的配置信息划分成若干个子任务,并根据各个GPU破解设备实际的工作情况来进行合理的资源配置,最大化整个密码破解过程的并行化。
所述GPU破解设备包括口令生成模块和口令破解线程,所述口令生成模块用于根据偏移量、GPU线程ID号以及字符集长度来生成口令,所述口令破解模块根据生成的口令进行破解运算。如图3所示的口令生成流程图,这样的口令生成方法保证了每个线程生成的口令都是唯一的,其中偏移量是和用户输入的口令长度、GPU卡的ID号、破解轮数以及每张GPU卡一次性可以穷举的口令数量这些参数来生成的。此外,这个口令生成模块保证了每个GPU线程在每次产生的口令都是唯一的,并且能遍历口令区间中的所有口令。
更进一步地,将正确的校验值写入到GPU破解设备的常量内存中,提供给GPU破解线程读取。由于每个破解线程都会计算出一个值用于比对,并将此值与正确的校验值进行比对,因此正确的校验值会被每个GPU破解线程反复地读取,导致频繁访问内存。因此将正确的校验值写到GPU的常量内存当中,从而避免频繁访问内存,提高了密码破解的速度。
在GPU芯片中每个线程块是在一个多核流处理器(Streaming Multiprocessor, SM)中运行的,而每个线程块在运行时都是被划分为一个warp来进行的,每个warp中有32个线程。为了达到线程的最大并行化,就应该使得每个多核流处理器中同时有大量的线程在运行,在K20中有13个多核流处理器,因此在我们设置线程块数量的时候尽量设置其值为13的倍数。与此同时,每个SM中有192个CUDA核心,每个线程都运行在一个CUDA核心当中,因此我们在设置线程数量的时候应该使得其值为192的倍数。一个warp是最基本的调度单位,而大量的warp数量可以隐藏读写内存带来的延迟,因此在满足上面两个条件的基础上我们应该使得线程的总数尽量大。这样一来,在一个时间点上就可以保证每个SM中的CUDA核心中都有线程在运行,从而保证了并行的最大化。Nvidia GPU卡的架构自从问世一来就一直在对体系结构进行着优化。从第一代的Tesla架构、第二代的Fermi架构一直到第三代的Kepler架构,计算的性能一直在不断的提升,同时也不断改进编译器来优化GPU设备端的代码,我们通过修改编译选项将计算能力设定为3.5。
上述的实施例中所给出的系数和参数,是提供给本领域的技术人员来实现或使用发明的,发明并不限定仅取前述公开的数值,在不脱离发明的思想的情况下,本领域的技术人员可以对上述实施例作出种种修改或调整,因而发明的保护范围并不被上述实施例所限,而应该是符合权利要求书提到的创新性特征的最大范围。
Claims (8)
1.一种基于多GPU破解设备的密码破解方法,其具体包括以下的步骤:步骤一、客户端根据用户需求创建破解任务,并将破解任务下发给GPU代理设备,GPU代理设备将客户端下发的破解任务划分成若干个子任务,并将这些子任务分配给不同的GPU破解设备;步骤二、每个GPU破解设备执行分配到的子任务,并将执行的破解结果通过GPU代理设备反馈给客户端。
2.如权利要求1所述的基于多GPU破解设备的密码破解方法,其特征在于所述方法还包括将正确的校验值写入到GPU破解设备的常量内存。
3.如权利要求1或者2所述的基于多GPU破解设备的密码破解方法,其特征在于所述任务分配的具体过程为:首先根据用户输入的字符集计算出此次密码破解所需的总口令数量N,根据GPU代理设备中负载均衡模块得到参与破解的GPU破解设备的数量为N1,每个参与破解的GPU破解设备下GPU卡的数量为N2,那么第一个GPU破解设备上第一张GPU卡分配到的口令区间就是[0,N/N1/N2),第二张GPU卡分配到的口令区间是[N/N1/N2,2 N/N1/N2),依次类推,第一个GPU破解设备上第N2张GPU卡分配到的口令区间是[(N2-1)N/N1/N2,N/N1)。
4.一种基于多GPU破解设备的密码破解***,其特征在于具体包括客户端、GPU代理设备和多个GPU破解设备,所述客户端与GPU代理设备之间信号连接,所述GPU代理设备和多个GPU破解设备之间信号连接,所述客户端根据用户需求创建破解任务,并将破解任务下发给GPU代理设备,GPU代理设备将客户端下发的破解任务划分成若干个子任务,并将这些子任务分配给不同的GPU破解设备;每个GPU破解设备执行分配到的子任务,并将执行的破解结果通过GPU代理设备反馈给客户端。
5.如权利要求4所述的基于多GPU破解设备的密码破解***,其特征在于所述客户端包括用户交互模块、任务管理模块和日志管理模块;所述用户交互模块用于与用户进行信息交互,所述任务管理模块用于管理用户下发的任务,所述日志管理模块管理模块用于对客户登陆和设备接入信息进行管理。
6.如权利要求4所述的基于多GPU破解设备的密码破解***,其特征在于所述GPU代理设备包括负载均衡模块、特征值提取模块、口令空间划分模块和设备管理模块;所述负载均衡模块根据当前GPU破解设备的忙闲状态来动态选择一台或者多台GPU破解设备进行破解;所述特征值提取模块用于提取出破解参数和校验参数,用于GPU破解设备的破解运算;所述口令空间划分模块用于为每个参与破解的GPU破解设备划分一定范围的口令区间;所述设备管理模块用于多GPU破解设备的管理。
7.如权利要求4或者6所述的基于多GPU破解设备的密码破解***,其特征在于所述GPU破解设备包括口令生成模块和口令破解模块;所述口令生成模块用于根据偏移量、GPU线程ID号以及字符集长度来生成口令,所述口令破解模块根据生成的口令进行破解运算。
8.如权利要求7所述的基于多GPU破解设备的密码破解***,其特征在于将正确的校验值写入到GPU破解设备的常量内存。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510056336.4A CN104615945A (zh) | 2015-02-04 | 2015-02-04 | 一种基于多gpu破解设备的密码破解方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510056336.4A CN104615945A (zh) | 2015-02-04 | 2015-02-04 | 一种基于多gpu破解设备的密码破解方法和*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104615945A true CN104615945A (zh) | 2015-05-13 |
Family
ID=53150384
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510056336.4A Pending CN104615945A (zh) | 2015-02-04 | 2015-02-04 | 一种基于多gpu破解设备的密码破解方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104615945A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107491689A (zh) * | 2017-07-11 | 2017-12-19 | 国家计算机网络与信息安全管理中心 | 一种密码破解方法和装置 |
CN107566348A (zh) * | 2017-08-11 | 2018-01-09 | 广州慧睿思通信息科技有限公司 | 一种基于fpga分布式多策略的解密***及其方法 |
CN108429716A (zh) * | 2017-02-13 | 2018-08-21 | 广州市公安局***侦查支队 | 一种银行卡盗刷器的破解方法及*** |
CN111212419A (zh) * | 2019-12-17 | 2020-05-29 | 北京威努特技术有限公司 | 一种无线密码检测方法 |
CN111783077A (zh) * | 2020-06-15 | 2020-10-16 | 中国电子科技集团公司第三十研究所 | TrueCrypt加密软件口令恢复方法、加密数据取证***及存储介质 |
CN112105017A (zh) * | 2020-08-12 | 2020-12-18 | 杭州安恒信息安全技术有限公司 | 物联网设备的密码探测方法、装置、电子装置和存储介质 |
CN112507347A (zh) * | 2020-10-27 | 2021-03-16 | 中国科学院信息工程研究所 | 面向分布式密码破解框架的破解作业描述信息生成方法 |
CN113139200A (zh) * | 2021-05-11 | 2021-07-20 | 中国电子科技集团公司第三十研究所 | 一种密码快速破解方法、***、计算机程序及存储介质 |
CN115802344A (zh) * | 2023-01-30 | 2023-03-14 | 北京蓝玛星际科技有限公司 | 密钥匹配方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100106976A1 (en) * | 2008-10-23 | 2010-04-29 | Samsung Electronics Co., Ltd. | Representation and verification of data for safe computing environments and systems |
KR20100073916A (ko) * | 2008-12-23 | 2010-07-01 | 인하대학교 산학협력단 | 사진트리 기반의 지형 시각화 방법에 있어서 그래픽처리유닛을 이용한 크랙 제거 방법 |
CN103684754A (zh) * | 2013-12-03 | 2014-03-26 | 中国电子科技集团公司第三十研究所 | 一种基于gpu集群的wpa共享密钥破解*** |
CN104077542A (zh) * | 2014-07-10 | 2014-10-01 | 南威软件股份有限公司 | 一种密码破解***及方法 |
-
2015
- 2015-02-04 CN CN201510056336.4A patent/CN104615945A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100106976A1 (en) * | 2008-10-23 | 2010-04-29 | Samsung Electronics Co., Ltd. | Representation and verification of data for safe computing environments and systems |
KR20100073916A (ko) * | 2008-12-23 | 2010-07-01 | 인하대학교 산학협력단 | 사진트리 기반의 지형 시각화 방법에 있어서 그래픽처리유닛을 이용한 크랙 제거 방법 |
CN103684754A (zh) * | 2013-12-03 | 2014-03-26 | 中国电子科技集团公司第三十研究所 | 一种基于gpu集群的wpa共享密钥破解*** |
CN104077542A (zh) * | 2014-07-10 | 2014-10-01 | 南威软件股份有限公司 | 一种密码破解***及方法 |
Non-Patent Citations (2)
Title |
---|
兰天 等: "基于GPU的MD5破解技术研究与实现", 《通信技术》 * |
杨胜斌: "基于GPU集群实现MD5的快速破解", 《电脑与信息技术》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108429716A (zh) * | 2017-02-13 | 2018-08-21 | 广州市公安局***侦查支队 | 一种银行卡盗刷器的破解方法及*** |
CN107491689A (zh) * | 2017-07-11 | 2017-12-19 | 国家计算机网络与信息安全管理中心 | 一种密码破解方法和装置 |
CN107491689B (zh) * | 2017-07-11 | 2020-10-16 | 国家计算机网络与信息安全管理中心 | 一种密码破解方法和装置 |
CN107566348A (zh) * | 2017-08-11 | 2018-01-09 | 广州慧睿思通信息科技有限公司 | 一种基于fpga分布式多策略的解密***及其方法 |
CN111212419A (zh) * | 2019-12-17 | 2020-05-29 | 北京威努特技术有限公司 | 一种无线密码检测方法 |
CN111783077A (zh) * | 2020-06-15 | 2020-10-16 | 中国电子科技集团公司第三十研究所 | TrueCrypt加密软件口令恢复方法、加密数据取证***及存储介质 |
CN112105017A (zh) * | 2020-08-12 | 2020-12-18 | 杭州安恒信息安全技术有限公司 | 物联网设备的密码探测方法、装置、电子装置和存储介质 |
CN112105017B (zh) * | 2020-08-12 | 2024-05-31 | 杭州安恒信息安全技术有限公司 | 物联网设备的密码探测方法、装置、电子装置和存储介质 |
CN112507347A (zh) * | 2020-10-27 | 2021-03-16 | 中国科学院信息工程研究所 | 面向分布式密码破解框架的破解作业描述信息生成方法 |
CN113139200A (zh) * | 2021-05-11 | 2021-07-20 | 中国电子科技集团公司第三十研究所 | 一种密码快速破解方法、***、计算机程序及存储介质 |
CN115802344A (zh) * | 2023-01-30 | 2023-03-14 | 北京蓝玛星际科技有限公司 | 密钥匹配方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104615945A (zh) | 一种基于多gpu破解设备的密码破解方法和*** | |
Beamer et al. | Direction‐optimizing breadth‐first search | |
US20120060167A1 (en) | Method and system of simulating a data center | |
US9477512B2 (en) | Task-based modeling for parallel data integration | |
Agrawal et al. | Rhythm: Harnessing data parallel hardware for server workloads | |
EP3635573B1 (en) | Performing hash joins using parallel processing | |
CN103684754B (zh) | 一种基于gpu集群的wpa共享密钥破解*** | |
Cadenelli et al. | Considerations in using OpenCL on GPUs and FPGAs for throughput-oriented genomics workloads | |
CN101753378A (zh) | 实现并发分析器的***和方法 | |
KR102237167B1 (ko) | 변환 생성용 시스템 | |
Xu et al. | Deep learning at scale on nvidia v100 accelerators | |
CN103810092A (zh) | 应用***测试方法及装置 | |
Silva et al. | Planning mobile cloud infrastructures using stochastic petri nets and graphic processing units | |
CN104636250B (zh) | 云端自动测试***及方法 | |
CN113095806B (zh) | 工单处理方法与装置、电子设备和计算机可读存储介质 | |
CN106445761A (zh) | 基于ssh协议定时记录cpu和内存的测试方法及*** | |
CN109542867A (zh) | 分布式数据采集方法及装置 | |
Jagroep et al. | An Energy Consumption Perspective on Software Architecture: A Case Study on Architectural Change | |
Ruan et al. | Exploiting mapreduce and data compression for data-intensive applications | |
CN109377156A (zh) | 一种工程造价项目审核方法 | |
DE102021129862A1 (de) | Verfahren und Einrichtung zum Identifizieren von Hardwareperformanzzählereignissen zum Detektieren und Klassifizieren von Malware oder Arbeitslast unter Verwendung künstlicher Intelligenz | |
US10963303B2 (en) | Independent storage and processing of data with centralized event control | |
Barkhordari et al. | ScaDiGraph: A MapReduce-based Method for Solving Graph Problems. | |
Rojek et al. | Parallelization of EULAG model on multicore architectures with GPU accelerators | |
Gulyás et al. | The use of low-cost, efficient GPU-based parallel computing in lightning modelling |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150513 |
|
RJ01 | Rejection of invention patent application after publication |