دانلود ترجمه مقاله پیاده سازی و تجزیه و تحلیل رمزنگاری AES در GPU

1. مقدمه 2. CUDA 3. بررسی اجمالی AES 4. کارهای مرتبط 5. رویکرد AES مبتنی بر GPU پیشنهادی ما 6. نتایج تجربی و تجزیه و تحلیل 7. نتیجه گیری و کارهای آتی

چکیده – GPU در حال ادامه دادن به روند عملکرد بهتر خود نسبت به CPU می باشد و در عین حال، در حال تبدیل شدن به یک هدف کلی می باشد. در این مقاله، به منظور بهبود کارایی الگوریتم AES، یک پیاده سازی از CUDA از پردازش کد کتاب رمز الکترونیکی (ECB) و فرایند رمزگشایی حالت بازخورد رمز (CBC) بر روی GPU پیشنهاد شده است. در پیاده سازی ما، T- boxهای مکررا قابل دسترسی به حافظه به اشتراک گذاشته شده بر روی تراشه اختصاص داده شد و سطح جزئیات که یک ریسمان بلوک AES 16 بایتی را بکار می گیرد، تصویب شد. در نهایت، ما به بالاترین عملکرد در حدود 60 Gbps توان عملیاتی بر NVIDIA Tesla C2050 GPU دست یافتیم، که تا 50 بار سریعتر از پیاده سازی متوالی بر اساس پردازنده Intel Core i7-920 2.66GHz بود. علاوه بر این، ما بهینه سازی تحت برخی سناریوهای برنامه عملی مانند پردازش GPU همپوشانی و انتقال داده را مورد بحث قرار دادیم.

GPU is continuing its trend of vastly outperforming CPU while becoming more general purpose. In order to improve the efficiency of AES algorithm, this paper proposed a CUDA implementation of Electronic Codebook (ECB) mode encoding process and Cipher Feedback (CBC) mode decoding process on GPU. In our implementation, the frequently accessed T-boxes were allocated on on-chip shared memory and the granularity that one thread handles a 16 Bytes AES block was adopted. Finally, we achieved the highest performance of around 60 Gbps throughput on NVIDIA Tesla C2050 GPU, which runs up to 50 times faster than a sequential implementation based on Intel Core i7-920 2.66GHz CPU. In addition, we discussed the optimization under some practical application scenarios such as overlapping GPU processing and data transfer.