随着信息技术的飞速发展,信息数据量和网络通信速度都在高速增长,高密度数据环境下加密运算的吞吐速率往往难以满足系统的性能要求。近几年图形处理器GPU的通用计算能力发展迅速,现在已经发展成为具有巨大并行运算能力的多核处理器,而CUDA架构的推出突破来了传统GPU开发方式的束缚,把GPU巨大的通用计算能力解放了出来。论文中对MD5哈希函数加密算法进行了介绍,分析了MD5的原理和应用场合,尤其是对哈希摘要计算吞吐量要求较高的场合。提出在哈希摘要计算吞吐量要求很高的环境中利用GPU来加速MD5等哈希加密函数,即利用GPU作为CPU的协处理器,将哈希等加密算法在GPU上实现,以提高计算的吞吐量。对GPU用作通用计算的开发架构CUDA进行了研究,详细分析了CUDA的编程模型及其对GPU结构和资源的抽象方式,分析了数据处理应用中数据在GPU中的执行路径,提出了影响GPU运算性能的时间因子,为对GPU执行开销的评估以及应用程序中需要优化部分的确定提供了参考。研究分析了高计算吞吐量场合对MD5哈希函数的应用需求,根据具体的应用需求设计了相应的GPU加速的MD5函数接口API和并行运算结构。为了达到更高的性能,根据GPU的资源特性和算法的特点进行了共享内存的并行访问等多个方面的优化设计。最后在GPU和CPU平台上对设计进行了实验对比,获得了GPU的加速结果,并对实验结果和设计中的各种优化的效果进行了深入的分析,为今后其他算法的GPU加速实现提供了指导。