Details

Исследование сосредоточено на создании высокопроизводительного клиентского приложения, предназначенного для сопряжения с распределённой платформой перебора хешей и рационального использования графических ускорителей разнородных вычислительных узлов. Круг решённых задач: 1. Проанализирован современный инструментарий (Hashcat, PyOpenCL и др.), оценены узкие места при эксплуатации GPU в условиях распределённого вычислительного поля; сформулированы требования к отказоустойчивости, масштабируемости и энергопотреблению. 2. Разработана модульная структура, предполагающая механизм приоритизации задач с учётом реальной производительности каждого узла. 3. Реализация. 4. Проведены нагрузочные испытания на стенде из пяти узлов с различными моделями GPU. 5. Выработка рекомендаций. Система подтверждает готовность к применению в задачах информационной безопасности, где критичны скорость перебора и воспроизводимость результатов. В ходе выполнения работы использовались следующие информационные технологии и ресурсы: язык программирования Python 3.12; брокер сообщений RabbitMQ 3; СУБД PostgreSQL 16; инструмент перебора паролей Hashcat 6.2 в связке с платформой NVIDIA CUDA 12; библиотека aiogram 3 для Telegram-бота; средства контейнеризации Docker и Docker-compose; веб-визор Flower для мониторинга; система контроля версий Git с репозиторием на GitHub; а также облачные сервисы GitHub Actions (CI/CD) и Docker Hub.

The research focuses on the creation of a high-performance client application designed to interface with a distributed hash enumeration platform and the rational use of graphics accelerators of heterogeneous computing nodes. The range of solved tasks: 1. Modern tools (Hashcat, PyOpenCL, etc.) are analyzed, bottlenecks in GPU operation in a distributed computing field are evaluated; requirements for fault tolerance, scalability, and power consumption are formulated. 2. A modular structure has been developed that assumes a mechanism for prioritizing tasks, taking into account the actual performance of each node. 3. Implementation. 4. Load tests were carried out on a stand of five nodes with different GPU models. 5. Making recommendations. The system confirms its readiness for use in information security tasks, where search speed and reproducibility of results are critical. The following information technologies and resources were used in the course of the work: Python 3.12 programming language; RabbitMQ 3 message broker; PostgreSQL 16 database management system; Hashcat 6.2 password sorting tool in conjunction with NVIDIA CUDA 12 platform; aiogram 3 library for Telegram bot; Docker containerization tools and Docker-compose; Flower web visor for monitoring; Git version control system with repository on GitHub; as well as cloud services GitHub Actions (CI/CD) and Docker Hub.