Cargando



Instalación de tarjetas gráficas ATI y NVIDIA en Backtrack

Backtrack no viene configurado para el uso de las tarjetas gráficas ATI y NVIDIA, en este tutorial veremos paso por paso como instalarlas y configurarlas para sacarle el máximo provecho a nuestro GPU.



jun 27 2014 10:16
Profesional
jun 27 2014 10:19
Por defecto Backtrack no está configurado para usar las tarjetas gráficas ATI y NVIDIA, por ende no podrá hacer uso de la unidad procesadora de gráficos, el GPU. En este tutorial veremos paso por paso como instalarlas y configurarlas para sacarle el máximo provecho a nuestro GPU.

Instalando y configurando una tarjeta de video ATI

 
Para poder correr tareas computacionales intensas de manera más rápidas y eficientes tomaremos ventajas de la tecnología ATI y sus componentes, veamos como hacemos esto.

1. Nos descargamos los drivers ATI requeridos por nuestro sistema:


cd /tmp/
wget http://www2.ati.com/drivers/linux/amd-driver-installer- 12-1-x86.x86_64.run



2. Comenzamos la instalación escribiendo el siguiente comando:

sh amd-driver-installer-12-1-x86.x86_64.run

backtrack2.jpg


3. Cuando la instalación haya completado, reiniciamos el sistema para que los cambios tomen efecto y para prevenir inestabilidad en el sistema.


4. Ahora instalamos las dependencias necesarias para los paso siguientes pasos:

apt-get install libroot-python-dev libboost-python-dev libboost1.40-all-dev cmake

5. Descargamos y descomprimimos el SDK de AMD de acuerdo con la arquitectura de nuestro computador:


wget http://developer.amd.com/Downloads/AMD-APP-SDK-v2.6- lnx64.tgz
mkdir AMD-APP-SDK-v2.6-lnx64

tar zxvf AMD-APP-SDK-v2.6-lnx64.tgz –C /tmp/AMD-APP-SDK-v2.6- lnx64
cd AMD-APP-SDK-v2.6-lnx64


6. Instalamos el SDK del AMD con el siguiente comando:

sh Install-AMD-APP.sh

7. Fijamos la ruta del ATI Stream en el archivo .bashrc:

echo export ATISTREAMSDKROOT=/opt/AMDAPP/ >> ~/.bashrc
source ~/.bashrc


8. Descargamos y compilamos CAL++:


cd /tmp/
svn co https://calpp.svn.sourceforge.net/svnroot/calpp calpp
cd calpp/trunk
cmake
make
make install


9. Descargamos y compilamos Pyrit:


cd /tmp/
svn co http://pyrit.googlecode.com/svn/trunk/ pyrit_src
cd pyrit_src/pyrit
python setup.py build
python setup.py install


10. Construimos las dependencias e instalaos OpenCL:

[/indent]

cd /tmp/pyrit_src/cpyrit_opencl
python setup.py build
python setup.py install

11. Luego de haber compilado e instalado el resto de los componentes, hacemos unos cuantos cambios a la configuración de cpyrit_calpp:

cd /tmp/pyrit_source/cpyrit_calpp
vi setup.py
Reemplazamos la siguiente línea:
VERSION = '0.4.0-dev'
Con esta:
VERSION = '0.4.1-dev'



Y la siguiente línea:
CALPP_INC_DIRS.append(os.path.join(CALPP_INC_DIR, 'include'))

La cambiamos por la siguiente:
CALPP_INC_DIRS.append(os.path.join(CALPP_INC_DIR, 'include/CAL'))

11. Finalmente añadimos el modulo de ATI GPU a Pyrit para terminar con la instalación:

python setup.py build
python setup.py install



Instalando y configurando una tarjeta de video NVIDIA

 
Para aumentar el rendimiento de nuestro CPU especialmente para los escenarios de crackeo de contraseñas, instalaremos el driver de desarrollo de NVIDIA así como de CUDA toolkit. Veamos paso por paso como lo hacemos:

1. Nos descargamos el driver de desarrollo de NVIDIA de acuerdo a la arquitectura de nuestro computador:

cd /tmp/
wget [url="http://developer.download.nvidia.com/compute/cuda/4_1/rel/driv%20ers/NVIDIA-Linux-x86_64-285.05.33.run"]http://developer.download.nvidia.com/compute/cuda/4_1/rel/driv ers/NVIDIA-Linux-x86_64-285.05.33.run[/url]


2. Instalamos el driver:


chmod +x NVIDIA-Linux-x86_64-285.05.33.run
./NVIDIA-Linux-x86_64-285.05.33.run –kernel-source-path='/usr/src/linux'

3. Descargamos el CUDA toolkit:

wget http ://developer.download.nvidia.com/compute/cuda/4_1/rel/tool kit/cudatoolkit_4.1.28_linux_64_ubuntu11.04.run

4. Instalamos el CUDA toolkit en el directorio /opt:

chmod +x cudatoolkit_4.1.28_linux_64_ubuntu11.04.run
./cudatoolkit_4.1.28_linux_64_ubuntu11.04.run

5. Configuramos las variables de entorno requeridas para que nvcc trabaje:

echo PATH=$PATH:/opt/cuda/bin >> ~/.bashrc
echo LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/opt/cuda/lib >> ~/.bashrc
echo export PATH >> ~/.bashrc
echo export LD_LIBRARY_PATH >> ~/.bashrc

6. Corremos el siguiente commando para que las variables hagan efecto:

source ~/.bashrc
ldconfig

7. Instalamos las dependencias de Pyrit:

apt-get install libssl-dev python-dev python-scapy


8. Descargamos e instalamos las herramientas de Pyrit:


svn co http://pyrit.googlecode.com/svn/trunk/ pyrit_src
cd pyrit_src/pyrit
python setup.py build
python setup.py install


9. Por último añadimos el módulo de NVIDIA GPU a Pyrit:


cd /tmp/pyrit_src/cpyrit_cuda
python setup.py build
python setup.py install

Ya con nuestras tarjetas de video instaladas y configuradas podemos realizar esas tareas que consumen una cantidad enorme de recursos sin afectar el rendimiento ni la velocidad de nuestro computador y de esa forma sacarle el máximo provecho a nuestra distribución.

¿Te ayudó este Tutorial?


3 Comentarios

En el paso 1 no se me instala el driver NVIDIA me salta un error en un recuadro azul y no deja avanzar.
Luego los pasos todo bien hasta en el 5 no se como se hace eso de configurar variable para que trabaje nvcc.

PD. Podrías hacer un vídeo ? Creo que a mi me serviría bastante y a otros usuarios pero buen trabajo por el tuto
No he manejado linux en mi vida y me cuesta seguir los pasos
Hola pixeltus, voy a intentar hacer un video con los pasos, te aviso si me sale bien.

ok muchas gracias

No esperes más y entra en Solvetic
Deja tus comentarios y aprovecha las ventajas de la cuenta de usuario ¡Únete!

Hola! Si no encuentras algún tutorial en el buscador de Solvetic, Solicítalo Aquí

X