当前位置: 首页 > web >正文

开源密码恢复实用程序 Hashcat 7.0.0 发布

Hashcat 是一款开源密码恢复工具,支持五种攻击模式和 300 多种高度优化的哈希算法。

它可在 Linux、Windows 和 macOS 的 CPU、GPU 和其他硬件加速器上运行,并包含大规模分布式密码破解功能。

hashcat - advanced password recovery

Hashcat

Hashcat 7.0.0 包含超过 90 万行代码,并有 105 位开发者贡献代码,其中包括 74 位首次参与的开发者。

此次更新将所有之前未发布的 6.2.x 功能整合到一个单一且文档齐全的版本中,为灵活性、性能和可扩展性树立了新的标杆。

超越 GPU

其中一个主要功能是 Assimilation Bridge,它允许将 CPU、FPGA 和嵌入式解释器等外部资源直接集成到 Hashcat 的破解流程中。

与之互补的是新的 Python Bridge 插件,它支持使用 Python 快速开发哈希匹配逻辑,而无需重新编译。它支持多线程,并默认与 Hashcat 的规则引擎配合使用。

更智能、更快速、更模块化

Hashcat 现在可以自动检测哈希模式,无需用户指定-m标志。

新的虚拟后端设备功能将物理 GPU 划分为逻辑单元,以改进异步处理并更好地与桥接器集成。

Hashcat 还支持基于 Docker 的构建,包括与 Windows 的交叉编译,从而更轻松地跨平台部署。

扩展算法和工具支持

此版本新增了 58 种特定于应用程序的哈希类型,包括对 Argon2、MetaMask、Microsoft Online Accounts、SNMPv3、GPG、OpenSSH 和 LUKS2 的支持。

此外,还引入了 17 种实际应用中常用的通用哈希构造和 11 种支持插件开发的新原语。

Hashcat 现在包含 20 种新工具,可用于从 APFS、VirtualBox、BitLocker 和多种加密货币钱包等格式中提取哈希值。

显著提升性能

Hashcat 的底层功能对自动调优引擎和内存管理系统进行了全面重构。

这些改进取消了之前的 4GB 分配上限,并提高了多设备配置下的利用率。特定哈希模式的性能提升包括:

scrypt:高达 320%
NetNTLMv2(英特尔):高达 223%
RAR3:高达 54%

硬件后端改进

该工具现已支持 AMD 的 HIP 后端,当两种选项都可用时,HIP 后端比 OpenCL 更受欢迎。

Apple 用户将受益于原生 Metal 支持,并完全兼容 Apple Silicon,并在 macOS 上获得显著速度提升。

Hashcat 7.0.0 可在 GitHub 上免费获取。

https://github.com/hashcat/hashcat

http://www.xdnf.cn/news/17212.html

相关文章:

  • cf.训练
  • 数据结构 实现单链表
  • STM32学习笔记2-GPIO的输出模式
  • 机器学习通关秘籍|Day 03:决策树、随机森林与线性回归
  • 去哪儿StarRocks实践
  • 2025国赛数学建模C题详细思路模型代码获取,备战国赛算法解析——层次分析法
  • RabbitMQ削峰填谷详解:让系统在流量洪峰中“稳如泰山”
  • 零基础人工智能学习规划之路
  • 从LCM到SomeIP,再到DDS:技术演进与工作原理剖析
  • NuGet03-私有仓库搭建
  • 虚幻GAS底层原理解剖二 (GE)
  • NumPy 重要知识点总结
  • 【RabbitMQ】高级特性—消息确认详解
  • PYQT学习笔记:signal 和 slot(信号与槽)
  • 数学建模算法-day[15]
  • 【web自动化测试】实战
  • scikit-learn工具介绍
  • Android Framework代码屏蔽未接来电振动及声音通知
  • 【Linux系统编程】线程概念与控制
  • 【力扣 Hot100】 刷题日记
  • 微服务架构及常见微服务技术栈
  • 【motion】HumanML3D 的安装2:psbody-mesh安装成功
  • ubuntu24中部署k8s 1.30.x-底层用docker
  • 海信IP810N/海信IP811N_海思MV320-安卓9.0主板-TTL烧录包-可救砖
  • 第13届蓝桥杯Scratch_选拔赛_初级组_真题2022年1月22日
  • AcWing 3690:求交点 ← 复旦大学考研机试题 + 克莱姆法则
  • DHCP 握手原理
  • 【学习嵌入式day-18-数据结构-循环链表】
  • 代码随想录day57图论7
  • CodeBuddy IDE 使用测评——半小时做一个web可视化数据工具