密码算法作为保障信息安全的重要手段,在各个领域都有广泛的应用。各领域安全应用需求的不断增长对密码算法的性能提升提出了永无止境的要求,随着各种高性能计算器件的出现,体系结构适配的密码处理性能优化技术研究十分重要。本文基于高性能众核平台研究了面向典型密码算法处理的并行优化技术。针对典型对称密码算法DES和MD5,提出了基于GPU和MIC的高吞吐率细粒度优化算法,探讨了不同优化粒度对算法性能的影响,实验结果表明,基于合适粒度的并行优化方法可得到高吞吐率的性能提升。针对能集中反映密码处理性能的密码破解应用需求,本文提出了面向对称密码算法破解应用PDFcrack的并行优化技术:面向PDFcrack数据计算特征采用MIC平台设计实现了负载均衡的高吞吐量多线程并行处理算法,获得了优于主流通用微处理器平台30倍的加速比。提出了用于非对称密码破解的Block Wiedemann(BW)算法核并行优化方法:面向BW算法大数据特征采用GPU平台设计实现了基于大数分块和存算隐藏的多线程并行处理算法,获得了优于主流通用微处理器平台7.44倍的加速比。