Questão de Criminalística — Computação Forense — FGV 2026
Criminalística›Computação Forense
Código
fg131900
Banca
FGV
Órgão
PC-PI
Ano
2026
Nível
Superior
Cargo
Perito Criminal - Informática Forense
A crescente complexidade das evidências digitais exige ferramentas capazes de processar grandes volumes de dados com rapidez e precisão. Nesse contexto, as GPUs (Graphics Processing Unit) tornaram-se essenciais na computação forense. Sua arquitetura paralela, aliada ao modelo de programação CUDA, permite distribuir o trabalho, reduzindo significativamente o tempo das análises periciais.Sobre a organização interna das GPUs, baseadas na arquitetura NVIDIA Fermi, em especial seus multiprocessadores de streaming, é correto afirmar que
Aapresenta scoreboards embutidos para exibir a latência de acesso à memória off-chip.
Bdefine thread como código paralelo na forma de uma função a ser executada na GPU.
Cpossui um escalonador warp e porta de despacho.
Dprocessa warps com agrupamento de 16 threads.
Eutiliza memória distribuída SISD (Single Instruction, Single Data) e cache L2.
Revelar gabarito e comentário▾
GabaritoC — possui um escalonador warp e porta de despacho.
Comentário gerado por IA. É um apoio ao estudo, ancorado em fontes, mas pode conter imprecisões — confira sempre na fonte oficial (lei, súmula, edital e gabarito da banca). Encontrou um erro? Use “Reportar”.
Arquitetura de GPUs e Computação Forense
Gabarito: letra C. A alternativa C descreve corretamente a organização interna dos multiprocessadores de streaming (SM) da arquitetura NVIDIA Fermi, que possuem escalonador warp e porta de despacho para gerenciar a execução paralela de threads. As demais alternativas apresentam conceitos incorretos ou confundem elementos da arquitetura.
A questão exige conhecimento específico sobre a microarquitetura das GPUs Fermi, muito utilizadas em computação paralela, inclusive em análises forenses que demandam processamento massivo de dados. A banca testa a compreensão de termos como warp, thread, escalonador e organização de memória.
Alternativa A — ❌ Incorreta
Scoreboards são estruturas de hardware para escalonamento dinâmico em CPUs, não nas GPUs Fermi. A latência de acesso à memória off-chip é gerenciada por warp schedulers e pela hierarquia de memória (cache L1/L2), não por scoreboards embutidos.
Alternativa B — ❌ Incorreta
Em CUDA, uma thread é uma unidade de execução que roda um kernel, mas a definição de "código paralelo na forma de uma função" é imprecisa. A função é o kernel, não a thread. Além disso, a alternativa não descreve um componente interno da GPU, e sim um conceito de programação.
Alternativa C — ✅ Correta ⟵ GABARITO
Na arquitetura Fermi, cada Streaming Multiprocessor (SM) possui dois warp schedulers e duas dispatch units (portas de despacho). Os warp schedulers selecionam warps prontos para execução e as dispatch units enviam instruções para as unidades funcionais. Essa organização é essencial para explorar o paralelismo.
Alternativa D — ❌ Incorreta
Um warp na arquitetura NVIDIA é composto por 32 threads, não 16. O valor 16 aparece em outras arquiteturas ou contextos (como half-warp), mas o padrão Fermi é 32 threads por warp.
Alternativa E — ❌ Incorreta
GPUs são máquinas SIMD (Single Instruction, Multiple Data), não SISD. Embora possuam cache L2, a classificação SISD é típica de processadores single-core tradicionais. A memória na GPU é hierárquica (global, compartilhada, registradores), e não "distribuída" no sentido SISD.
PEGA ESSA DICA!
Para questões sobre arquitetura de GPUs, memorize os números-chave: warp = 32 threads, número de warp schedulers por SM (2 no Fermi, 4 em Kepler+), e a presença de dispatch units. Distratores comuns trocam esses números (16 em vez de 32) ou confundem terminologias de CPU (scoreboard, SISD).