GPUDirect RDMA 기반의 고성능 암호 분석 시스템 설계 및 구현
Design and Implementation of High-Performance Cryptanalysis System Based on GPUDirect RDMA
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
GPU의 병렬 연산을 활용한 암호 분석 및 해독 기술은 암호 분석 시스템의 연산 시간을 단축하는 방향으로 연구되었다. 해당 연구들은 하나의 GPU에서 암호 분석 연산의 속도를 향상시키기 위해 코드를 최적화하거나 또는 단순히 GPU의 수를 늘려 병렬 연산을 강화하는 것에 집중되어 있다. 하지만 다량의 GPU를 데이터 전송에 대한 최적화 없이 사용하는 것은 하나의 GPU를 사용하는 것보다 더 긴 데이터 전송 지연 문제를 발생시키고, 암호 분석 시스템의 전체적인 연산 시간 증가를 야기한다. 이에, 본 논문은 딥러닝 또는 HPC 연구 분야의 GPU Clustering 환경에서 고성능 데이터 처리를 위해 활용되는 GPUDirect RDMA 및 관련 제반 기술들을 조사 및 분석한다. 그리고 해당 기술들을 활용한 고성능 암호 분석 시스템 설계 방법들을 제안한다. 더 나아가, 해당 설계를 기반으로 Password Cracking, GPU Reduction을 활용한 암호 분석 시스템 구현 방법에 대해 제시한다. 최종적으로, GPUDirect RDMA 기술 적용으로 구현된 암호 분석 시스템에 대해서 암호 분석 작업 성능 향상의 실증을 통해 제안한 시스템에 대한 기대효과를 제시한다.
Abstract
Cryptographic analysis and decryption technology utilizing the parallel operation of GPU has been studied in the direction of shortening the computation time of the password analysis system. These studies focus on optimizing the code to improve the speed of cryptographic analysis operations on a single GPU or simply increasing the number of GPUs to enhance parallel operations. However, using a large number of GPUs without optimization for data transmission causes longer data transmission latency than using a single GPU and increases the overall computation time of the cryptographic analysis system. In this paper, we investigate GPUDirect RDMA and related technologies for high-performance data processing in deep learning or HPC research fields in GPU clustering environments. In addition, we present a method of designing a high-performance cryptanalysis system using the relevant technologies. Furthermore, based on the suggested system topology, we present a method of implementing a cryptanalysis system using password cracking and GPU reduction. Finally, the performance evaluation results are presented according to demonstration of high-performance technology is applied to the implemented cryptanalysis system, and the expected effects of the proposed system design are shown.
참고문헌 (9)
- Cihangir Tezcan, "Key lengths revisited : gpu-based brute force cryptoanalysis of des, 3des, and present", Journal of Systems Architecture, 124, pp.102402~ (2022)
- Alex Biryukov, "Cryptanalysis of the full aes using gpu-like special-purpose hardware", Fundamenta Informaticae, 114, pp.221~237 (2012)
- Marco Cianfriglia, "Cryptanalysison gpus with the cube attack : design, optimization and performances gains", 2017International Conference on High Performance Computing & Simulation(HPCS), pp.753~760 (2017)
- "GPUDirect RDMA NVIDIA"[URL]
- "Open MPI(Message Passing Interface)"[URL]
- "Mellanox nv_peer_mem with GPUDirect RDMA"[URL]
- Nathan Hanford, "Challenges of gpu-aware communication in mpi", 2020Workshop on Exascale MPI (ExaMPI)IEEE, pp.1~10 (2020)
- Jaemin Choi, "Gpu-aware communication with ucx in parallel programming models : charm++, mpiand python", 2021 IEEE International Parallel and Distributed Processing Symposium Workshops (IPDPSW), pp.479~488 (2021)
- "GPU Reduction"[URL]