基于GPU的椭圆曲线运算库及相关算法优化

作     者：高钰洋 张健宁 王刚 苏明 刘晓光 GAO Yuyang;ZHANG Jianning;WANG Gang;SU Ming;LIU Xiaoguang

作者机构：南开大学计算机学院网络空间安全学院天津300350 贵州大学公共大数据国家重点实验室贵阳550025 数据与智能系统安全教育部重点实验室天津300350 

基　　金：国家自然科学基金资助项目(No.62272253,No.62272252,No.62141412) 公共大数据国家重点实验室开放课题(No.PBD2022-12) 天津市科技计划重点研发计划(No.19YFZCSF00900,No.20JCZDJC00610) 中央高校基本科研业务费的资助 

出 版 物：《信息安全学报》 (Journal of Cyber Security)

年 卷 期：2024年第9卷第6期

页      码：1-16页

摘      要：在区块链场景下,往往需要引入数字签名、零知识证明等密码学算法以保护数据安全性与用户隐私。但由于这些算法依赖于大量的大数与椭圆曲线运算,包括范围证明在内的许多密码学算法已经成为了区块链系统的性能瓶颈。而密码学算法的GPU优化也在近几年获得了广泛的关注与研究。本文充分利用GPU作为众核处理器的优势,设计了基于GPU的椭圆曲线运算库。在运算库中,本文在GPU上实现并优化了常用的椭圆曲线运算与大数运算,同时针对不同的需求设计了不同的实现与接口。本文对寄存器与常量内存等存储空间进行了合理分配,并通过利用预计算等优化手段减少了计算量,从而最大化了运算库的吞吐与性能。为了验证运算库的实用性与有效性,本文利用该运算库实现了代理重加密与Bulletproofs范围证明的验证算法,同时充分利用了算法的内部并行性进行优化。实验表明,本文实现的运算库在各个运算中都取得了远超于OpenSSL等常用CPU端运算库的性能。基于该运算库实现的代理重加密算法相比CPU实现能达到最高145倍左右的加速比,Bulletproofs范围证明验证算法相比于CPU端实现也能达到5.57倍左右的加速效果,平均证明验证时间在1 ms内,可以满足数字货币隐私保护场景下超过每秒2000笔交易的性能需求。可见该运算库能为区块链系统隐私保护等对密码学计算具有高吞吐需求的场景提供坚实支持。

主 题 词：椭圆曲线 图形处理单元 统一计算架构 范围证明 代理重加密 

学科分类：0839[0839] 08[工学] 081201[081201] 0812[工学-测绘类] 

核心收录：

D　O　I：10.19363/J.cnki.cn10-1380/tn.2024.11.01

馆 藏 号：203156472...