0
代码
代码
Issues
Pull Requests
讨论
Wiki
分析
0
ascend-robotascend-robot[Docs]update install_guide
2988e95c创建于 4月14日历史提交

MindSpeed 安全声明

系统安全加固

  • 用户可在运行系统配置时开启 ASLR（级别2）以提高系统安全性，保护系统随机化开启。
    可参考以下方式进行配置：

    echo 2 > /proc/sys/kernel/randomize_va_space

运行用户建议

  • 基于安全性考虑，建议您在执行任何命令时，不建议使用root等管理员类型账户执行，遵循权限最小化原则。

文件权限控制

  • 建议用户在主机（包括宿主机）及容器中设置运行系统umask值为0027及以上，保障新增文件夹默认最高权限为750，新增文件默认最高权限为640。
  • 建议用户对训练所需文件、训练过程中保存的文件、用户个人的隐私数据、商业资产等敏感文件做好权限控制等安全措施，例如多用户共享数据集场景下的数据集文件写权限控制等，设定的权限建议参考表1进行设置。
  • MindSpeed 中各类融合算子通过调用 PyTorch 中的 cpp_extension 特性进行编译，编译结果会默认缓存到 ~/.cache/torch_extensions 目录下，建议用户根据自身需要，参考表1对生成文件做好权限控制。
  • 原生 Megatron-LM 以及 PyTorch 框架运行中所生成的文件权限依赖系统设定，如 Megatron-LM 生成的数据集索引文件、torch.save 接口保存的文件等。建议当前执行脚本的用户根据自身需要，对生成文件做好权限控制，设定的权限可参考表1进行设置。
  • 用户安装和使用过程需要做好权限控制，建议参考表1进行设置。如需要保存安装/卸载日志，可在安装/卸载命令后面加上参数 --log <FILE>， 注意对<FILE>文件及目录做好权限管控。

表1 文件（夹）各场景权限管控推荐最大值

类型 Linux权限参考最大值
用户主目录 750（rwxr-x---）
程序文件（含脚本文件、库文件等） 550（r-xr-x---）
程序文件目录 550（r-xr-x---）
配置文件 640（rw-r-----）
配置文件目录 750（rwxr-x---）
日志文件（记录完毕或者已经归档） 440（r--r-----）
日志文件（正在记录） 640（rw-r-----）
日志文件目录 750（rwxr-x---）
Debug文件 640（rw-r-----）
Debug文件目录 750（rwxr-x---）
临时文件目录 750（rwxr-x---）
维护升级文件目录 770（rwxrwx---）
业务数据文件 640（rw-r-----）
业务数据文件目录 750（rwxr-x---）
密钥组件、私钥、证书、密文文件目录 700（rwx------）
密钥组件、私钥、证书、加密密文 600（rw-------）
加解密接口、加解密脚本 500（r-x------）

数据安全声明

  • MindSpeed 依赖 CANN 的基础能力实现 AOE 性能调优、算子 dump、日志记录等功能，用户需要关注上述功能生成文件的权限控制。

运行安全声明

  • 建议用户结合运行环境资源状况编写对应训练脚本。若训练脚本与资源状况不匹配，如数据集加载内存大小超出内存容量限制、训练脚本在本地生成数据超过磁盘空间大小等情况，可能引发错误并导致进程意外退出。
  • MindSpeed 在运行异常时会退出进程并打印报错信息，建议根据报错提示定位具体错误原因，包括设定算子同步执行、查看 CANN 日志、解析生成的 Core Dump 文件等方式。
  • MindSpeed在运行中可能会调用torch.load函数，torch.load在2.6以下版本默认参数weight_only=False，存在潜在安全风险（CVE-2025-32434）。建议使用2.6.0版本的PyTorch。
  • 使用MindSpeed运行过程中可能会执行模型的加载与保存操作，需要特别注意的是，其底层实现可能使用 Python pickle模块进行部分文件的序列化/反序列化操作，该模块存在固有的安全风险。

公网地址声明

  • MindSpeed代码中包含公网地址声明如下表所示：
类型 开源代码地址 文件名 公网IP地址/公网URL地址/域名/邮箱地址 用途说明
开源引入 https://github.com/microsoft/DeepSpeed/blob/master/deepspeed/moe/sharded_moe.py mindspeed/moe/gate.py https://github.com/microsoft/DeepSpeed/blob/master/deepspeed/moe/sharded_moe.py deepspeed moe源码地址
开源引入 https://github.com/microsoft/DeepSpeed/blob/master/deepspeed/moe/sharded_moe.py mindspeed/moe/gate.py https://arxiv.org/pdf/2006.16668.pdf 开源引入TopKGate类实现
开源引入 https://github.com/tensorflow/mesh/blob/master/mesh_tensorflow/transformer/moe.py mindspeed/moe/gate.py https://arxiv.org/pdf/2202.08906.pdf 开源引入apply_z_loss实现
开源引入 https://github.com/microsoft/DeepSpeed/blob/master/deepspeed/moe/sharded_moe.py mindspeed/moe/moe_layer.py https://github.com/microsoft/DeepSpeed/blob/master/deepspeed/moe/sharded_moe.py deepspeed moe源码地址
开源引入 https://github.com/microsoft/DeepSpeed/blob/master/deepspeed/moe/sharded_moe.py mindspeed/moe/moe_layer.py https://arxiv.org/pdf/2006.16668.pdf 开源引入MOELayer类实现
开源引入 https://github.com/microsoft/DeepSpeed/blob/master/deepspeed/moe/layer.py mindspeed/moe/mixtral_parallel_mlpbm.py https://github.com/microsoft/DeepSpeed/blob/master/deepspeed/moe/layer.py deepspeed moe源码地址
开源引入 https://github.com/microsoft/DeepSpeed/blob/master/deepspeed/moe/layer.py mindspeed/moe/moe.py https://github.com/microsoft/DeepSpeed/blob/master/deepspeed/moe/layer.py deepspeed moe源码地址
开源引入 https://github.com/microsoft/DeepSpeed/blob/master/deepspeed/moe/sharded_moe.py mindspeed/moe/utils.py https://github.com/microsoft/DeepSpeed/blob/master/deepspeed/moe/sharded_moe.py deepspeed moe源码地址
开源引入 https://github.com/NVIDIA/Megatron-LM/blob/main/megatron/core/transformer/moe/moe_utils.py mindspeed/moe/utils.py https://github.com/NVIDIA/Megatron-LM/blob/main/megatron/core/transformer/moe/moe_utils.py megatron moe源码地址
开源引入 https://github.com/pytorch/pytorch/pull/40762 mindspeed/moe/utils.py https://github.com/pytorch/pytorch/pull/40762 alltoall实现源码
开源引入 https://github.com/microsoft/DeepSpeed/blob/master/deepspeed/moe/sharded_moe.py mindspeed/moe/utils.py https://arxiv.org/pdf/2006.16668.pdf einsum论文地址
开源引入 https://github.com/microsoft/DeepSpeed/blob/master/deepspeed/moe/experts.py mindspeed/moe/experts.py https://github.com/microsoft/DeepSpeed/blob/master/deepspeed/moe/experts.py deepspeed moe源码地址
开源引入 https://github.com/HazyResearch/flash-attention docs/zh/features/flash-attention.md https://arxiv.org/pdf/2205.14135 flash-attention说明文档
开源引入 https://github.com/nvidia/megatron-lm docs/zh/features/virtual-pipeline-parallel.md https://people.eecs.berkeley.edu/~matei/papers/2021/sc_megatron_lm.pdf virtual-pipeline-parallel说明文档
开源引入 https://github.com/feifeibear/long-context-attention docs/zh/features/hybrid-context-parallel.md https://arxiv.org/abs/2405.07719 hybrid-context-parallel说明文档
开源引入 https://github.com/feifeibear/long-context-attention docs/zh/features/ring-attention-context-parallel.md https://arxiv.org/pdf/2310.01889 ring-attention-context-parallel说明文档
开源引入 https://github.com/ofirpress/attention_with_linear_biases docs/zh/features/alibi.md https://arxiv.org/pdf/2108.12409 alibi说明文档
开源引入 https://github.com/NVIDIA/Megatron-LM docs/zh/features/sequence-parallel.md https://arxiv.org/pdf/2205.05198 sequence-parallel说明文档
开源引入 https://github.com/NVIDIA/Megatron-LM docs/zh/features/pipeline-parallel.md https://arxiv.org/pdf/1806.03377 pipeline-parallel说明文档
开源引入 https://github.com/NVIDIA/Megatron-LM/pull/598 docs/zh/faq/data_helpers.md https://github.com/NVIDIA/Megatron-LM/pull/598 data_helpers说明文档
开源引入 https://pytorch.org/docs/stable/distributed.html mindspeed/core/parallel_state.py https://pytorch.org/docs/stable/distributed.html torch.distributed相关接口注意事项
开源引入 https://github.com/pytorch/pytorch/pull/40762 mindspeed/moe/utils.py https://github.com/pytorch/pytorch/pull/40762 _AllToAll自动反向参考
开源引入 https://github.com/NVIDIA/Megatron-LM mindspeed/optimizer/distrib_optimizer.py https://github.com/NVIDIA/Megatron-LM/blob/main/docs/user-guide/features/dist_optimizer.md distributed_optimizer_zero3_init文档字符串参数说明
开源引入 https://github.com/InternLM/InternEvo mindspeed/docs/zh/features/ring-attention-context-parallel.md https://arxiv.org/pdf/2406.18485 ring-attention-context-parallel说明文档
开源引入 https://github.com/sail-sg/zero-bubble-pipeline-parallelism mindspeed/docs/zh/features/nanopipe-pipeline-parallel.md https://arxiv.org/abs/2401.10241 nanopipe-pipeline-parallel说明文档
开源引入 https://github.com/iclr24-3434/AMPipe.git mindspeed/docs/zh/features/ampipe.md https://openreview.net/pdf?id=yLgr02IsXY ampipe说明文档
开源引入 https://gitcode.com/Ascend/pytorch mindspeed/docs/zh/features/adaptive-recompute.md https://www.hiascend.com/document/detail/zh/Pytorch/710/comref/Envvariables/Envir_012.html 环境变量PYTORCH_NPU_ALLOC_CONF说明文档
开源引入 https://github.com/deepseek-ai/DeepSeek-MoE mindspeed/docs/zh/features/shared-experts.md https://arxiv.org/pdf/2401.06066 共享专家说明文档
开源引入 https://gitcode.com/Ascend/MindSpeed mindspeed/setup.py https://gitcode.com/Ascend/MindSpeed MindSpeed源码地址
开源引入 https://gitcode.com/Ascend/MindSpeed/release mindspeed/setup.py https://gitcode.com/Ascend/MindSpeed/release MindSpeed源码地址
开源引入 https://packaging.python.org/en/latest/key_projects/#setuptools mindspeed/setup.py https://packaging.python.org/en/latest/key_projects/#setuptools MindSpeed版本管理
开源引入 https://github.com/NVIDIA/TransformerEngine/pull/719 mindspeed/core/data_parallel/distributed_data_parallel.py https://github.com/NVIDIA/TransformerEngine/pull/719 use_distributed_optimizer实现源码
开源引入 https://github.com/NVIDIA/TransformerEngine/pull/719 mindspeed/mindspore/core/distributed/distributed_data_parallel.py https://github.com/NVIDIA/TransformerEngine/pull/719 use_distributed_optimizer实现源码

公开接口声明

  • MindSpeed已更新其接口策略，现在除了对原生megatron在昇腾设备的无缝支持，还新增了针对融合算子的公开接口。用户在使用时，可以直接调用这些新增的融合算子接口，以充分利用MindSpeed在特定计算任务上的优化能力。

判断函数是否为公开接口

如果一个函数被定义在__all__中，并且在MindSpeed/tree/{分支}/docs/zh 中进行了对外接口的文档记录，则该接口为公开接口，可以依赖其作为公共函数。该对外接口的具体使用方法以及场景请参照docs/zh中的接口使用手册说明。如果需要依赖一个在文档中未记录的函数，请在MindSpeed主页开启Issue向我们确认该函数是否为公开接口、是否是因意外暴露、或者可能在未来被移除。

通信安全加固

通信安全加固说明

通信矩阵

通信矩阵说明

特殊场景

场景 使用方法 端口 可能的风险
用户下载并使用HuggingFace的开源数据集 调用load_dataset函数，并填写目标开源数据集路径 随机端口 数据集可能包含敏感或不合法内容，导致合规问题。数据集中可能存在质量问题，如标签错误或数据偏差，影响数据预处理。
用户通过nltk.download下载语料库 用户在代码内部使用nltk.download来实现语料库的下载 随机端口 文件来源若不可信，在文件加载时可能存在反序列化漏洞，导致文件被篡改。
用户通过nltk.load加载数据 用户在代码内部使用nltk.load来实现语料库数据的加载 随机端口 底层可能调用pickle模块，存在反序列化漏洞，若数据来源不可信，存在潜在安全风险
使用from_pretrained信任特定代码，使用相关模型的实现 调用from_pretrained函数，设置trust_remote_code=True 随机端口 如果trust_remote_code=True，下载的代码可能包含恶意逻辑或后门，威胁系统安全。但同时已设置local_files_only=True，程序仅会运行本地的文件来规避风险。
调用auto_settings进行训练任务时，新增端口 torchrun拉起训练端口 auto_settings通过此端口指定MindSpeed拉起特定配置采集Profiling信息 [1024, 65535]内 业务需要，无风险
使用MindSpeed master分支进行训练任务时，新增48个端口 MindSpeed 调用 Megatron 原生函数 mpu.initialize_model_parallel 来初始化模型并行组，并通过使用 PyTorch 分布式训练相关的 API 来启动任意任务。 [1024,65535]内 网络配置错误可能引发端口冲突或连接问题，影响训练效率。
使用MindSpeed core_0.12.1相关分支进行训练任务时，新增48个端口 MindSpeed 调用 Megatron 原生函数 mpu.initialize_model_parallel 来初始化模型并行组，并通过使用 PyTorch 分布式训练相关的 API 来启动任意任务。 [1024,65535]内 网络配置错误可能引发端口冲突或连接问题，影响训练效率。
使用MindSpeed core_0.9.0分支进行训练任务时，新增48个端口 MindSpeed 调用 Megatron 原生函数 mpu.initialize_model_parallel 来初始化模型并行组，并通过使用 PyTorch 分布式训练相关的 API 来启动任意任务。 [1024,65535]内 网络配置错误可能引发端口冲突或连接问题，影响训练效率。
使用MindSpeed core_0.8.0分支进行训练任务时，新增32个端口 MindSpeed 调用 Megatron 原生函数 mpu.initialize_model_parallel 来初始化模型并行组，并通过使用 PyTorch 分布式训练相关的 API 来启动任意任务。 [1024,65535]内 网络配置错误可能引发端口冲突或连接问题，影响训练效率。
使用MindSpeed 2.0.0_core_0.8.0分支进行训练任务时，新增32个端口 MindSpeed 调用 Megatron 原生函数 mpu.initialize_model_parallel 来初始化模型并行组，并通过使用 PyTorch 分布式训练相关的 API 来启动任意任务。 [1024,65535]内 网络配置错误可能引发端口冲突或连接问题，影响训练效率。
使用MindSpeed core_0.7.0分支进行训练任务时，新增32个端口 MindSpeed 调用 Megatron 原生函数 mpu.initialize_model_parallel 来初始化模型并行组，并通过使用 PyTorch 分布式训练相关的 API 来启动任意任务。 [1024,65535]内 网络配置错误可能引发端口冲突或连接问题，影响训练效率。
使用MindSpeed core_0.6.0分支进行训练任务时，新增32个端口 MindSpeed 调用 Megatron 原生函数 mpu.initialize_model_parallel 来初始化模型并行组，并通过使用 PyTorch 分布式训练相关的 API 来启动任意任务。 [1024,65535]内 网络配置错误可能引发端口冲突或连接问题，影响训练效率。