[发明专利]一种基于GPU的多变量密码算法并行化加速方法

说明书

本发明公开了一种基于GPU的多变量密码算法并行化加速方法，该方法包括下述步骤：S1、对多变量等式的所有项进行同阶化操作；S2、生成GF2域上乘法表；S3、将项数表和乘法表映射到GPU的纹理内存；S4、对每一块数据调用多变量主内核函数进行计算并执行Reduce操作；S5、编写主函数来调度多变量主内核函数；S6、执行程序，输出加解密结果，释放资源。本发明主要通过将多变量的所有项进行同阶化并结合Map‑Reduce的思想来对多变量密码体制的密码算法进行优化，并以SpongeMPH哈希函数算法为例，给出了CUDA平台下面的实现与性能比较。实验表明该方案提高了算法的运行效率，可用于加速基于多变量密码体制的密码算法。

技术领域

本发明涉及密码算法的技术领域，更具体地说，涉及一种基于GPU的多变量密码算法并行化加速方法。

背景技术

图形处理单元GPU最初被设计用来进行图像处理，近年来由于CPU功耗的限制以及对计算需求的快速增长，而GPU的计算能力以远超摩尔定律的速度快速发展，促使GPU被广泛应用在科学计算领域。

多变量密码算法是利用有限域上多变量多项式构成的密码方案。而求解有限域上多变量多项式方程组问题是一个NP-Hard问题，是目前抗量子攻击的设计思路之一。然而多变量密码算法的运算量较大，导致效率较低是限制其实用性的一个主要方面。所以，如何提高GPU的执行效率是本领域技术人员研究的方向之一。

发明内容

本发明的主要目的在于克服现有技术的缺点与不足，提供一种基于GPU的多变量密码算法并行化加速方法，利用GPU结合Map-Reduce的思想来实现多变量密码算法的并行化，从而提高其执行效率。

为了达到上述目的，本发明采用以下技术方案：

本发明一种基于GPU的多变量密码算法并行化加速方法，包括下述步骤：

S1、对多变量等式的所有项进行同阶化操作；

S2、生成有限域上的生成元表及对数表，通过这两个表进行查表操作实现有限域的乘法来提高GPU线程计算过程中的一致性，所述的生成元表用table表示,是指q阶有限域F上的生成元g生成的前q-1个自然数0,1,2,…,q-2的冪次方与0构成的表即table[i]＝gⁱ且令table[q-1]＝1，table[q]＝g；所述对数表用arc_table表示，是指对于有限域上的任意元素a，有arc_table[a]＝i，其中table[i]＝a，且令arc_table[0]的值为一个大负数，使得0*a＝table[arc_table[0]+arc_table[a]]中arc_table[0]+arc_table[a]恒为负数，而table[负数]的值为0；

S3、将项表、系数表、生成元表及对数表映射到GPU的纹理内存，所述项表是指多变量方程中分别构成每一项的变量的下标，当某一项为a₁x₁x₃x₄,其中x₁x₃x₄为变量，则项表在相应位置存1，3，4，所述系数表是指多变量方程中每一项的系数，与项表一一对应；

S4、对每一块数据调用多变量主内核函数进行计算并执行Reduce求和操作，所述多变量主内核函数的参数包括待处理数据的地址、当前多项式变量的值的地址及中间临时数据存放的地址；所述多变量主内核函数的内容包括在GPU里的每个基本调度单位里获取每一个变量的值，计算每一项运算完的值，然后进行Reduce求和操作，获取每个多项式的结果并保存到当前多项式的变量数组中

S5、编写主函数来调度多变量主内核函数，主函数包括设置分块大小、申请GPU内存空间以及纹理内存绑定，不断的将分块数据传递给主内核函数，最终将计算结果拷贝回主机端内存，释放资源；

S6、执行程序，输出加解密结果，释放资源。