一种基于NEON引擎的向量化Montgomery模乘器的设计方法

摘要

本发明公开了一种基于NEON引擎的向量化Montgomery模乘器的设计方法，它包括以下步骤：S1：数据输入；S2：数据初始化；S3：数据迭代计算；S4：根据迭代结果，将Z和CT进行累加更新Z的值；S5：对计算结果Z进行溢出判断和处理。本发明通过将进位数据进行独立缓存的方式，减少每次迭代对进位数据的累加，仅在最后一次迭代完成后对进位数据进行一次累加，使得高、低位数据之间的运算不存在依赖关系，从而可以通过NEON引擎进行向量化的数据并行处理，具体的，本发明可以提高基于ARM Cortex-A系列芯片的MMM运算速度，从而提高公钥加密体系的整体性能。

主权项

一种基于NEON引擎的向量化Montgomery模乘器的设计方法，其特征在于：它包括以下步骤：S1：数据输入：将操作数A、B、M和n0加载寄存器中，其中B_i在每一轮数据迭代计算步骤之初加载；整数Z＝(Z_s‑1，…，Z₀)_r，M＝(M_s‑1，…，M₀)_r，A＝(A_s‑1，…，A₀)_r，B_i，T，其中r＝2^w，n0＝M’modr；n为模长，单位为bit；w是字的位宽，单位为bit；s为迭代次数；所述的寄存器采用NEON引擎提供的扩展寄存器组；S2：数据初始化：对三个临时向量数组赋初值0，所述的三个临时向量数组由结果Z、临时数据C和进位数据CT组成；其中，Z＝(Z_s‑1，…，Z₀)_r，C＝(C_s‑1，…，C₀)_r，CT＝(CT_s‑1，…，CT)_r；所述的临时数据C、进位数据CT以及结果Z都通过扩展寄存器组进行缓存；S3：数据迭代计算，在每一次中进行迭代的时候，通过NEON引擎计算得到的进位数据CT直接通过扩展寄存器组进行缓存，并用于下一次迭代的向量化计算过程；包括以下子步骤：S31：定义变量i＝0；S32：计算普通常量T：T←(Z₀+A₀×B_i)×M’modr；S33：以字为单位，通过向量乘加的方式计算结果Z和临时数据C：C，Z←(Z+A×B_i)，并将计算数据进行存储；S34：以字为单位，通过临时数据C，通过向量加的方式重新计算进位数据CT：CT←C+CT，并将计算数据进行存储；S35：通过向量乘加的方式计算结果Z和临时数据C：C，Z←(Z+M×T)，并将计算数据进行存储；S36：以字为单位，通过向量加的方式将步骤S35中得到的C和Z的值重新计算进位数据CT以及结果Z：CT，Z←(C+CT+Z)/r，并将计算数据进行存储；S37：判断i的值是否小于s：(1)如果i的值小于s，则将i的值加1后，返回步骤S32；(2)如果i的值不小于s，则进入步骤S4；S4：累加更新：将进位数据CT和结果Z进行累加更新Z的值：Z←Z+CT；S5：越位判断：判断Z的值是否大于M，对计算结果Z的值更新：(1)若Z的值大于M，则将Z‑M的值赋给Z，并输出Z的值；(2)若Z的值不大于M，则输出Z的值。