ECC

从 XID 错误到芯片级容错:GPU 显存 ECC 损坏在 AI 训练中的检测、隔离与自愈工程

AI 训练集群规模从百卡扩展到千卡、万卡级别后,GPU 显存错误成为影响训练稳定性和模型收敛性的隐性杀手。与传统 CPU 不同,GPU 显存错误往往表现为"静默数据损坏"(Silent Data Corruption, SDC)——权重悄然翻转一个 bit,Loss 曲线异常抖动,而训练流程本身不会报错退出。本文从硬件 ECC 机制出发,深入讲解 GPU XID 事件解析、内核驱动级错误检测、生产…

密码学简史:从凯撒密码到后量子加密的千年演进

密码学四千年发展史全景梳理——从古埃及象形文字密码、斯巴达密码棒到凯撒密码的古代智慧,从中世纪频率分析到文艺复兴多表替换的攻防博弈,从恩尼格玛机械密码到布莱奇利园图灵破译的二战密码战,从香农信息论到迪菲-赫尔曼密钥交换与RSA公钥革命,从DES/AES标准到椭圆曲线密码学的实用突破,再到后量子时代格密码学的未来图景。