-
题名嵌入式领域ECC专用指令处理器的研究
被引量：6
- 1
-
-
作者
夏辉
于佳
秦尧
程相国
陈仁海
潘振宽
-
机构
青岛大学计算机科学技术学院
青岛大学系统科学博士后流动站自动化与电气工程学院
山东大学山东省软件工程重点实验室
中国科学院信息工程研究所信息安全国家重点实验室
-
出处
《计算机学报》
EI
CSCD
北大核心
2017年第5期1092-1108,共17页
-
基金
国家自然科学基金(61402245
61572267
+9 种基金
61272425
61170106
11472144)
国家科技支撑计划子课题(2014BAG03B05)
"十二五"国家密码发展基金(MMJJ201301011)
中国博士后科学基金第八批特别资助(2015T80696)
中国博士后科学基金面上项目(2014M551870)
山东省自然科学基金(ZR2014FQ010)
青岛市博士后应用研究项目
山东省软件工程重点实验室开放课题(2013SE01)资助~~
-
文摘
与其他公钥密码算法相比,椭圆曲线密码算法(Elliptic Curve Cryptography,ECC)具有抗攻击能力强、计算量小以及处理速度快等优点,已成为下一代公钥密码体制的标准.随着ECC在嵌入式领域的应用日益广泛,如何提高其执行效率成为目前研究的热点问题.文中提出了一套通用的专用指令处理器(Application Specific Instruction Processor,ASIP)的设计验证方案,并将该方案应用于ECC,从而大幅提升其在硬件资源受限的嵌入式环境中的执行效率.首先借鉴并实现了OpenSSL公开的ECC软件优化方案,并结合处理器平台的特点对大整数乘法运算和多项式平方运算进行了进一步优化.其次对优化后的算法进行基本指令块(Basic Instruction Block,BIB)的划分并转化为数据流图(Data Flow Graph,DFG),在DFG图中依照专用指令设计规则引入近似最优解方法查找可优化指令块.对该类指令块设计相应的专用指令,以实现处理器原有基础指令集架构的扩展.再次基于电子系统级(Electronic System Level,ESL)设计方法依次设计并仿真验证ECC_ASIP的系统级模型和Verilog寄存器传输级(Register Transfer Level,RTL)模型.最后将验证通过的RTL级处理器模型进行综合、布局布线,转换成相对应的门级电路并统计模型使用的硬件资源信息,烧写到FPGA(Field-Programmable Gate Array)平台完成ECC_ASIP的移植操作和性能验证.与ARM11处理器平台下算法实现的性能表现进行对比,实验结果显示,ECC_ASIP牺牲了9.23x%的硬件扩展资源,将算法实现的运算速度提高了2.74x倍,指令代码存储空间减少了59.36x%.
-
关键词
椭圆曲线密码
专用指令处理器
近似最优解方法
指令集架构扩展
FPGA
-
Keywords
elliptic curve cryptography
application specific instruction processor
approximate optimal solution
the extension of the instruction set architecture
FPGA
-
分类号
TP309
[自动化与计算机技术—计算机系统结构]
-
-
题名基于深度卷积神经网络的无序蛋白质功能模体的识别
被引量：1
- 2
-
-
作者
方春
田爱奎
孙福振
李彩虹
朱大铭
-
机构
山东理工大学计算机科学与技术学院
山东大学山东省软件工程重点实验室
-
出处
《济南大学学报（自然科学版）》
CAS
北大核心
2018年第4期280-285,共6页
-
基金
国家自然科学基金项目(61602280
61473179)
山东省自然科学基金项目(ZR2014FQ028)
-
文摘
针对目前实验方法识别天然无序蛋白质中的功能模体耗时费力、难度大,而传统计算机辅助识别方法过于依赖人工挑选特征且准确度低等问题,提出一种利用深度卷积神经网络预测功能模体位置的方法;该方法直接将蛋白质序列作为输入,通过计算对应的位置特异性打分矩阵和3组氨基酸指数特征,将序列映射到数值矩阵中,模型自行抽取特征并自动识别功能模体的隐性序列模式来进行预测。结果表明:当使用相同数据集进行训练和测试时,本文中提出的方法的性能明显优于其他传统的识别算法,在验证集上的感受性曲线下的面积(AUC)值达到0.708,在测试集上的AUC值达到0.760,说明深度卷积神经网络能够有效地识别功能模体的隐性序列模式;该方法也可以用于其他聚集型蛋白质功能位点的识别。
-
关键词
深度卷积神经网络
无序蛋白质
序列模式
识别
-
Keywords
deep convolutional neural network
disordered protein
sequence pattern
identification
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
