SM4 算法快速软件实现 - bitslicing

[emmansun]

1. SM4算法的量子实现
2. 基于塔域的 SM4 算法快速软件实现
3. 一种基于复合域的国密 SM4 算法快速软件实现方法
4. Scrutinizing the Tower Field Implementation of the F2 8 Inverter – with Applications to AES, Camellia,and SM4

[emmansun]

按文献2的实现，结果不对：

d6, 90, d3, 51, 31, d4, a9, b6, 16, 85, 56, 24, 8a, c1, 2c, d9, 
d0, 9f, 9a, bb, 51, be, 39, 26, e3, a6, db, d3, d3, 46, 06, 88, 
95, 35, 25, ac, 91, d2, fc, 4a, 33, df, 0b, 40, d0, 5a, 0f, 5f, 
66, e5, 1c, d3, f4, a4, d5, 8c, 85, f5, 61, e8, 50, ce, c6, 3a, 
47, 07, f9, d3, f3, 73, 16, 9e, d3, 34, 6c, ff, e6, d3, 4f, 12, 
87, 0e, 9a, 4f, 26, 3d, da, d3, 30, f7, f5, ba, 70, 56, d3, d3, 
23, 24, 33, 63, 63, b0, 77, ec, c7, 82, 7c, 1f, d0, 4e, 78, 32, 
3f, 9e, 7c, b6, 83, d3, 25, 73, 70, 0b, d3, 79, f6, 75, 57, 74, 
36, 5a, 23, d2, 91, c7, fa, 35, a3, 85, f2, 02, 69, 61, 15, cc, 
a5, 09, 5d, 53, f7, 34, a6, 2f, f1, 80, d3, aa, d3, 02, 2a, da, 
4c, e0, e2, 2e, 1a, 55, d3, f9, c5, 13, 9c, 1d, 84, 6e, e9, 5f, 
d5, b3, 37, be, de, c1, dc, 2f, 03, 7f, d6, 72, d1, d3, 66, 6c, 
b0, 26, fe, 1c, a5, ea, 26, 7f, d4, e4, 95, 7c, 8f, 10, 5a, 31, 
11, 94, d3, b5, b6, b1, 59, 78, aa, 74, 1f, a0, 3a, e5, b4, 5f, 
b4, 63, a0, a9, 76, b3, d3, 0a, fe, d8, cf, 09, c5, 7f, 7a, 20, 
6b, 55, 40, 5c, b9, 45, 9a, c8, 74, 35, 0f, 2c, 93, dc, c0, da,

[emmansun]

经与论文作者联系，龚征、王磊两位老师及时回应，应该是论文编辑问题，论文中的描述（主要是middle，bottom）有误。

[emmansun]

按文献4的实现是ok的

[emmansun]

文献1的Middle方法应该是错误的

[emmansun]

• The full SSE2 bit matrix transpose routine
• psllq / vpsllq
• pmovmskb/vpmovmskb

[emmansun]

这种大并行的算法，一个很重要的优化方向就是内存的使用。如果amd64 CPU有avx2特性，大概率有AES-NI，用AES-NI+AVX2 和 用AVX2+bitsliced比较，目前来看还是AES-NI+AVX2有优势：灵活(针对加密数据长度以及加密模式)，内存占用小，性能还算好。目前结论：emmansun/sm4bs#1

[emmansun]

经过持续优化，256组并行比特切片实现的性能终于超过了目前的AES-NI + AVX2实现，不过不多。

[emmansun]

AES-NI + AVX2实现尽量使用寄存器增加吞吐量后，目前还是比AVX2 + 比特切片的方案性能好。