基于并行平台和人工智能加速器的高性能密码计算技术研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61902392
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    27.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0206.信息安全
  • 结题年份:
    2022
  • 批准年份:
    2019
  • 项目状态:
    已结题
  • 起止时间:
    2020-01-01 至2022-12-31

项目摘要

Public key cryptography is an important cornerstone and tool for securing networks. In recent years, with the continuous rapid development of big data industry, e-commerce and cloud computing technology, the number of users, traffic and corresponding cryptographic calculations faced by various service providers are also rapidly rising. At the same time, with the drive of high-performance computing, big data and other industries, various new types of co-accelerators have achieved rapid development in recent decades, including GPUs, MIC processors, and dedicated AI accelerators. Facing this situation, researchers began to break the traditional pattern of cryptographic algorithms implemented by CPU, ASIC, and FPGA, and migrate cryptographic algorithms to various new computing platforms. However, the implementation of cryptographic algorithms on new computing platforms still has following problems: 1) the algorithms studied are antiquated; 2) lack of the research on high-performance cryptographic calculations on new computing platforms (especially dedicated AI accelerators); 3) the lack of considerations for cryptographic key security. In response to these problems, the project studies the theoretical basis and implementation technology of cryptographic algorithm implementation on parallel computing platform and AI accelerator from three aspects of high performance, high availability and high security. On the one hand, it solves the performance bottleneck of cryptographic application for practical application scenarios; on the other hand, it can provide reference for the design of cryptographic algorithms.
公钥密码技术是保障网络安全的重要基石和工具。近些年来,随着大数据行业、电子商务和云计算技术的持续快速发展,各个服务商面对的用户量、业务量和相应的密码计算量也在急速地攀升。同时,随着高性能计算、大数据等产业的驱动,各类新型加速器件在近数十年来取得了迅猛的发展,包括GPU、MIC处理器、专用AI加速器等。面向这一情况,研究人员开始打破密码算法由CPU、ASIC、FPGA实现的传统格局,将密码算法迁移到各类新型计算平台上。然而,目前在新型计算平台上的密码算法实现还存在着实现密码算法陈旧、对于新型计算平台(特别是专用AI加速器)上高性能密码计算的研究较少、对于密钥安全方面的考虑不足等问题。针对这些问题,本项目从高性能、高可用性和高安全三个方向,研究并行计算平台、AI加速器上的密码算法实现的理论基础和实现技术,一方面为实际应用场景解决密码应用的性能瓶颈问题;另一方面可为密码算法的设计提供参考。

结项摘要

公钥密码技术是保障网络安全的重要基石和工具,而性能问题是制约其应用的重要瓶颈。近些年来随着高性能计算、大数据等产业的驱动,研究人员开始打破密码算法由CPU、ASIC、FPGA实现的传统格局,将密码算法迁移到GPU、MIC处理器、AI加速器等各类新型计算平台上。然而,目前在新型计算平台上的密码算法实现还存在着实现密码算法陈旧、对于新型计算平台(特别是AI加速器)上高性能密码计算的研究较少、对于密钥安全方面的考虑不足等问题。. 针对这些问题,本项目提出了一系列并行计算平台、AI加速器上的密码算法实现的理论基础和实现技术,部分成果发表在高水平学术期刊和会议上,并正在相关标准、产品和项目中得到应用。首先,本项目提出一整套基于浮点数指令的公钥密码算法实现加速框架,性能是同平台整型数实现2-3倍;其次,本项目首次提出基于AI加速器的格密码算法加速框架,核心负载性能是同平台整型数实现6.47倍;再次,本项目提出了针对以上异构算力的高性能密码应用技术,使高负载安全协议的大规模应用成为了可能;最后,本项目提出了针对CPU、GPU等软件密码实现的安全增强框架,并结合产业实践对软件密码模块检测技术进行总结和探索。. 至此,本项目从高性能、高可用、高安全三个层面,都对基于并行平台和AI加速器的密码算法实现技术进行了全面、深入并卓有成效的研究,部分成果已经在国家项目、互联网企业中得到应用,具有广阔的应用前景,也可以为我国相关标准的制定奠定先进的技术基础。

项目成果

期刊论文数量(6)
专著数量(1)
科研奖励数量(1)
会议论文数量(10)
专利数量(3)
基于GPU的X25519/448密钥协商算法的高速实现
  • DOI:
    --
  • 发表时间:
    2020
  • 期刊:
    信息安全学报
  • 影响因子:
    --
  • 作者:
    董建阔;郑昉昱;林璟锵
  • 通讯作者:
    林璟锵
密码应用安全技术研究及软件密码模块检测的讨论
  • DOI:
    --
  • 发表时间:
    2020
  • 期刊:
    密码学报
  • 影响因子:
    --
  • 作者:
    郑昉昱;林璟锵;魏荣;王琼霄
  • 通讯作者:
    王琼霄
TEGRAS: An Efficient Tegra Embedded GPU-Based RSA Acceleration Server
TEGRAS:基于 RSA 加速服务器的高效 Tegra 嵌入式 GPU
  • DOI:
    10.1109/jiot.2022.3152203
  • 发表时间:
    2022-09-15
  • 期刊:
    IEEE INTERNET OF THINGS JOURNAL
  • 影响因子:
    10.6
  • 作者:
    Dong,Jiankuo;Fan,Guang;Lin,Jingqiang
  • 通讯作者:
    Lin,Jingqiang
DPF-ECC: A Framework for Efficient ECC With Double Precision Floating-Point Computing Power
DPF-ECC:具有双精度浮点计算能力的高效 ECC 框架
  • DOI:
    10.1109/tifs.2021.3098987
  • 发表时间:
    2021
  • 期刊:
    IEEE Transactions on Information Forensics and Security (TIFS)
  • 影响因子:
    --
  • 作者:
    高莉莉;郑昉昱;魏荣;董建阔;Niall Emmart;马原;林璟锵;Charles Weems
  • 通讯作者:
    Charles Weems
EG-FourQ: An Embedded GPU Based Efficient ECC Cryptography Accelerator for Edge Computing
EG-FourQ:用于边缘计算的基于嵌入式 GPU 的高效 ECC 加密加速器
  • DOI:
    10.1109/tii.2022.3205355
  • 发表时间:
    2022
  • 期刊:
    IEEE Transactions on Industrial Informatics
  • 影响因子:
    12.3
  • 作者:
    董建阔;张品昌;孙开胜;肖甫;郑昉昱;林璟锵
  • 通讯作者:
    林璟锵

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码