椭圆曲线及双线性对密码的快速实现算法与关键技术研究

来源 :山东大学 | 被引量 : 0次 | 上传用户:smeie
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着云计算、大数据及网络等技术的快速发展,社会进入了信息化时代,各种信息系统成为人们日常生活的基础设施,人们的工作、学习、生活无不严重依赖于网络,信息安全日益成为焦点问题。密码学是信息安全的核心与支撑性技术,密码技术的应用对社会信息化的健康发展具有不可替代的作用。
  信息化时代,数据规模不断扩大,巨大用户数量、海量数据规模、高并发处理性能,都对密码运算的加解密速度、数字签名和验证速度等性能指标提出了更高的要求。只有更高性能的密码运算,才能最大限度的降低密码运算在业务系统中带来的性能损耗,从而避免密码技术成为信息化时代社会发展的瓶颈。
  本文重点研究椭圆曲线密码的优化实现算法及关键技术,分别提出了一种椭圆曲线标量乘以及双线性对密码的快速实现算法,并以此为基础实现了一款高性能密码芯片。最后针对移动互联网设计一种新型的椭圆曲线密码应用模式,便于椭圆曲线密码算法的应用与推广。主要成果如下:
  第一、椭圆曲线标量乘的优化算法及实现
  本文提出了一种新型的椭圆曲线标量乘优化实现算法,同时兼顾了面积和性能,在保证高性能的同时减少了资源的消耗。具体来说,根据椭圆曲线密码特殊素数的性质,设计了一款支持四级流水线的高速模乘器,完成一次模乘运算仅需要7个时钟周期,在不增加资源的情况下可以同时支持四次模乘运算;在模乘器的基础上设计了并行架构,通过分析相关性等操作设计了一种并行的点加和倍点算法,完成了点加和倍点运算的高速实现;基于前面的工作,采用了改进的滑动窗口的方法,实现了椭圆曲线的标量乘运算,在提升标量乘性能的同时,可以有效的抵御侧信道攻击。为了验证本文提出的优化算法,在Xilinx公司的Kintex-7FPGA平台上进行了实验。在该平台上,完成一次标量乘法共使用22938个LUTs,需要13652个周期,运行时间大概为0.15ms,吞吐量可达2.31Mbps。实验结果表明,本文提出的优化算法是真实有效的,而且优于其他同类型的优化算法。
  第二、基于双线性对密码的优化算法及实现
  本文针对基于双线性对的数字签名体制提出了一种快速的优化实现算法,可以大幅度提升数字签名算法的性能。具体来说,本文先利用Miller算法计算出双线性对;在此基础上,通过预计算和动态存储的机制,设计出一种快速的双线性对模幂算法,来达到加速数字签名的目的。为了验证本文提出的优化算法,在Xilinx公司的Kintex-7FPGA平台上进行了实验。在该平台上,完成模幂运算共使用了55818个查找表(LUT),同时使用了83.5个块RAM(Block RAM)以及64个DSP乘法器。完成一次数字签名的运行时间为2.46ms。实验结果表明,优化算法的性能大概是传统算法的2.3倍,而代价为增加了少量的存储空间能。
  第三、分布式协同签名算法的设计与系统实现
  本文基于椭圆曲线密码体制的数字签名标准,依托于密钥分割、签名代理的技术,设计开发出一种新型的分布式协同签名算法。该算法具有以下优点:签名私钥不会以明文的形式出现在任何过程中,保证绝对的安全;分布式协同签名要求双方必须同时进行签名,任何一方不能单独完成签名,安全性进一步提升;协议简单方便,只需要两次交互就能完成完整的签名,实现简单方便。本文以分布式协同签名算法为理论基础,设计出一种适用于移动终端(手机)的手机盾签名验证系统。该系统可以在保证应用便利的情况下,不降低签名私钥的安全性,便于椭圆曲线密码算法在移动互联网的推广与应用。
  第四、密码安全芯片的实现与验证
  为了便于密码算法的推广与使用,本文设计并实现了一款适用于云计算、大数据等环境的高性能密码安全芯片。该芯片主要对外提供高性能密码算法,而芯片中的密码算法模块是基于本文提出的密码快速实现算法来实现的。在芯片的设计实现过程中,先对密码算法进行FGPA仿真和实际验证,验证成功后集成到芯片的总体设计中。芯片的生产阶段,选择的代工厂为中芯国际,制造工艺为55nmCMOS工艺。目前芯片已经小批量试制成功,采用BGA324封装,工作频率为400MHz,正常运行时,芯片的电流约为2-2.5A。最终实测SM2数字签名算法性能可以达到40万次每秒,SM9签名算法性能可以达到1000次每秒,性能均达到国际国内领先水平,满足云计算、大数据等高性能场景的应用需求。
其他文献
随着网络优化,普适计算和物联网的快速发展,室内定位技术在消防救灾、地下停车寻车、商场购物等领域的应用越来越多。近年来,机器学习技术在诸多领域得到了广泛的应用并取得了很好的效果,故而越来越多的研究者开始采用机器学习的方法进行室内定位的研究,这推动了机器学习的室内定位方面的发展。本文研究了基于机器学习的室内定位技术,针对现有研究存在的问题,提出了三个有效的室内跟踪定位算法。  首先,为了提高定位的准确
学位
药物往往通过靶向相应的蛋白来发挥作用。因此,揭示药物和靶标的关系在药物开发中起着至关重要的作用。近年来,药物-靶标蛋白质相互作用(DTIs)的计算预测对于药物发现或药物重定位变得尤为关键。与昂贵且费时的体内或生物学试验相比,计算方法可以有效地识别潜在的DTIs并大大减少候选药物蛋白的范围。所以如何明确可靠的与药物相关的候选蛋白质,是一项值得研究的课题。本文提出了三种基于深度学习的DTIs预测方法-
现如今,人们正处于信息化的时代,研究学者们越来越热衷于从图像中获取所需的信息,而图像上的文本可以帮助人们更好的理解图像信息。因此,提取图像中的文本信息成为了近年来科研界的一个热门的研究任务,而自然场景下拍摄的图像非常复杂多变,给检测任务带来了极大的挑战。传统的机器学习方法已经不能满足任务的需求,得益于深度学习技术的推广和应用,给场景文本检测任务带来了新的机遇和可能性,广大研究学者纷纷将深度学习技术
学位
近年来,随着移动互联网和智能传感器技术的发展,移动群智感知计算模式在学术界、工业界和企业界得到广泛的关注。移动群智感知系统利用工人携带的智能设备的感知与计算能力,通过移动互联网进行协作来完成复杂的感知任务。在移动群智感知系统中,工人招募是一个核心共性的研究问题,是一种考虑任务和工人等因素的满足多种优化目标和约束条件的组合优化问题。移动群智感知中的工人招募问题的研究主要面临参与感知任务的工人数量不足
随着深度强化学习技术在视频游戏领域的不断发展,越来越多难度各异的视频游戏被深度强化学习智能体所掌握,这些智能体在某些视频游戏中甚至可以比肩人类职业游戏玩家。相较于视频游戏,基于文本语言的文本类游戏因其特殊的游戏方式和市场流行度较低等因素,使得关于文本游戏领域的研究相对于视频游戏领域要少一些。基于上述背景,本文将研究目光投向了流行度较低的文本游戏。在之前关于文本游戏的相关研究中,大多通过修改深度强化
随着人工智能的发展,我们的生活发生了翻天覆地的变化。其中,让机器懂得人类的语言一直是我们梦寐以求追寻的目标。人们对语言信息处理的需求越来越大,人们迫切需要用自动化的手段处理海量的语言信息。例如:机器翻译,问答系统,人机对话等。这些自然语言处理的应用已经深入的渗透到人类的日常生活中。但是,这些应用与人类的水平还有一段距离。其背后原因可能是机器并不是真正的理解自然语言所表达的含义。所以,自然语言理解的
在用户历史交互记录中,蕴含着丰富的映射用户潜在兴趣偏好的信息,这些信息可以帮助推荐系统建模,从而向用户推荐他们潜在兴趣的内容或商品,在电子商务领域中扮演着重要的角色。这种方式不仅方便用户以更高效、快捷的方式获取有利信息或商品,而且电子商务平台也可以通过推荐系统的技术,主动地将产品或者服务准确地投放给目标用户,以便他们获取更高的利润。由于用户的个性化商品推荐与人们日常生活息息相关,所以越来越多的研究
图像超分辨率重建是深度学习的重要分支,受到越来越多科研人员的关注。目前,图像超分辨率重建方法以深度学习为基础在图像的定性和定量上取得了突破性的发展。为了提高图像的重建质量,现有的基于深度学习的图像超分辨方法一般都是通过增加网络模型的深度提高图像的重建质量。但是,实验也表明随着网络模型深度的增加,图像过渡平滑现象会越来越严重。除此之外,由于自然场景下真实低分辨率图像受到天气、噪声和模糊度等因素的影响
现有的图像修复方法,主要针对自然场景、建筑物等图像,对于人脸图像的修复并没有过多的深入研究。自然条件下的人脸图像的修复,会随着人脸姿势、遮挡、表情等因素而造成修复结果产生偏差,比如出现边界区域模糊、结构不连贯等问题。本课题着重关于人脸图像的修复展开研究,提出了基于人脸结构特征先验引导的图像修复算法,该算法通过在残缺人脸图像中使用卷积神经网络提取人脸结构潜在信息,然后通过人脸结构条件约束和重建隐藏层
学位
电商平台和网络社交媒体的快速发展,让我们的生活更加丰富多彩,获取信息也更加方便,但是随之而来的是信息过载给我们上网所带来的巨大影响。而推荐系统则在一定程度上减轻了目前信息爆炸的问题,也可以有效的帮助人们更加迅速的寻觅到他们所需的信息。但是,数据稀疏和冷启动等问题会对推荐的质量造成较大的影响,如何克服这两个问题也成为了诸多学者研究的目标。已有研究表明利用信任信息可以在一定程度上解决数据稀疏和冷启动的