Elastic Quarantines: Engineering Rowhammer Mitigation for AI Training Clusters with ECC and TRR 从DRAM物理特性出发,深入分析Rowhammer攻击对AI训练集群的威胁,以及工程层面如何通过ECC、TRR、pTRR、DDR5新特性和操作系统级缓解措施构建纵深防御。 模型微调 2026年10月04日 0 点赞 0 评论 102 浏览
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… 芯片架构 2026年10月07日 0 点赞 0 评论 59 浏览
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训练集群规模扩展到千卡万卡级别后,GPU显存ECC错误成为影响训练稳定性的隐性杀手。本文深入讲解GPU XID事件解析、内核驱动级错误检测、生产级监控体系构建,以及基于Kubernetes的GPU自动隔离与训练自愈工程实践。 芯片架构 2026年10月03日 0 点赞 0 评论 52 浏览
Linux 内核 Memory Failure 深度工程:从 MCE 异常到生产级内存故障自愈系统 深入解析 Linux 内核 Memory Failure 子系统,从 MCE 异常触发到页面毒化(HWPoison)的完整链路,涵盖 EDAC 监控、生产自愈 Daemon、预测性 DIMM 替换策略等实战部署方案。 内存管理 2026年10月07日 0 点赞 0 评论 50 浏览
密码学原理与实战应用:从DES、RSA到后量子加密的历史演进与工程实践 系统梳理现代密码学核心算法(对称加密AES/ChaCha20、非对称加密RSA/ECC、哈希函数SHA系列)、TLS协议原理、数字签名与身份认证、密钥管理最佳实践、后量子密码学进展(NIST标准化ML-KEM/ML-DSA)以及开发者密码学避坑指南,附Python代码实战示例 密码学 2026年10月15日 0 点赞 0 评论 44 浏览
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。 密码学 2026年10月16日 0 点赞 0 评论 35 浏览