[发明专利]一种基于GPU实现并行加密的方法

说明书

本专利涉及信息安全技术领域，具体公开了一种基于GPU实现并行加密的方法，包括，将多组数据根据其对应的加密算法加以组合后和连同密钥一起发送给GPU；GPU根据每一数据组所对应的加密计算请求对每一数据组实施加密计算，其中GPU中预先针对加密计算请求的不同类型设置不同的GPU线程块，相同类型的加密计算请求由对应的GPU线程块内的各线程并行执行；GPU反馈机密计算的结果。本专利中的方案在计算加密算法的过程中，都是并行计算执行，大大提高了计算效率。

技术领域

本发明涉及信息安全技术领域，特别是涉及一种基于GPU实现并行加密的方法。

背景技术

图形处理器(GPU)是中央处理器(CPU)、数字信号处理器(DSP)之外的另一种高端通用处理器，近年来，由于GPU采用了数量众多的计算单元，具有大规模并行计算能力，其在机器视觉和深度学习等人工神经网络、人工智能领域得到了广泛的应用。2006年英伟达(NVIDIA)公司推出了计算统一设备架构(Compute Unified Device Architectrue,CUDA)可编程平台，实现了计算机软件从串行编程到并行编程的变迁。

在CUDA可编程平台架构下，GPU执行的最小单位是线程(thread)，多个线程可以组成一个线程块(block)。一个线程块中的线程可以存取同一共享内存，以及实现同一线程块下所有线程的同步。GPU与CPU设备的架构是迥异的，CPU的设计是用来运算少量比较复杂的任务。GPU的设计则是用来运行大量比较简单的任务。CPU的设计主要是针对执行大量离散而不相关任务的系统。而GPU得设计主要是针对解决那些可以分解成成千上万个小块并可独立运行的问题。利用GPU其强大的数据处理能力，在浮点运算及并行计算等方面，就可以实现高于CPU几十倍甚至数百倍的性能。

图形处理器(GPU)是中央处理器(CPU)、数字信号处理器(DSP)之外的另一种高端通用处理器，近年来，由于GPU采用了数量众多的计算单元，具有大规模并行计算能力，其在机器视觉和深度学习等人工神经网络、人工智能领域得到了广泛的应用。2006年英伟达(NVIDIA)公司推出了计算统一设备架构(Compute Unified Device Architectrue,CUDA)可编程平台，实现了计算机软件从串行编程到并行编程的变迁。

在CUDA可编程平台架构下，GPU执行的最小单位是线程(thread)，多个线程可以组成一个线程块(block)。一个线程块中的线程可以存取同一共享内存，以及实现同一线程块下所有线程的同步。GPU与CPU设备的架构是迥异的，CPU的设计是用来运算少量比较复杂的任务。GPU的设计则是用来运行大量比较简单的任务。CPU的设计主要是针对执行大量离散而不相关任务的系统。而GPU得设计主要是针对解决那些可以分解成成千上万个小块并可独立运行的问题。利用GPU其强大的数据处理能力，在浮点运算及并行计算等方面，就可以实现高于CPU几十倍甚至数百倍的性能。

目前，计算机在实现如AES算法一类的加密算法时计算效率比较低，其主要原因就是CPU按照对应类型的加密算法流程步骤顺序计算。现亟需一种基于GPU实现并行加密的方法，充分利用GPU其强大的并行数据处理能力来提高计算机实现机密算法时的效率。

发明内容

本发明意在提供一种基于GPU实现并行加密的方法，以解决现有技术中CPU按照对应类型的加密算法流程步骤顺序计算，导致效率低下的技术问题。

本方案中的基于GPU实现并行加密的方法，包括如下内容：

接收明文数据的加密计算请求，生成基于明文数据的数据分组，并获取相应密钥；

将多组数据根据其对应的加密算法加以组合后和连同密钥一起发送给GPU；

GPU根据每一数据组所对应的加密计算请求对每一数据组实施加密计算，其中GPU中预先针对加密计算请求的不同类型设置不同的GPU线程块，相同类型的加密计算请求由对应的GPU线程块内的各线程并行执行；