Legendre序列快速生成的CUDA实现

计算机工程与应用 ›› 2014, Vol. 50 ›› Issue (8): 66-71.

Legendre序列快速生成的CUDA实现

赵家威，房九龄，苏明

南开大学信息技术科学学院，天津 300071

出版日期:2014-04-15 发布日期:2014-05-30

Fast implementation of Legendre sequence generation by CUDA

ZHAO Jiawei, FANG Jiuling, SU Ming

College of Information Technical Science, Nankai University, Tianjin 300071, China

Online:2014-04-15 Published:2014-05-30

摘要/Abstract

摘要： 序列设计在信息安全，无线通信等诸多领域中有着重要应用。在流密码系统中，要求产生的随机序列具有理想的随机复杂度度量如线性复杂度，[k]阶相关复杂度等。其中Legendre序列具有这些理想的随机性质。实用中序列的生成速度也是很重要的考虑因素。探讨了大素数周期的Legendre序列生成的相关算法，并运用统一计算设备架构平台（CUDA）对其进行优化以加快序列的生成速度。实验结果表明，运用CUDA进行序列的并行生成，序列的生成速度有数量级的提高。

关键词: 流密码, Legendre序列, 统一计算设备架构（CUDA）, 并行计算, 复杂度度量

Abstract: Sequence design has many important applications in many research areas such as information security and wireless communications. The generated sequences are required to have ideal properties on some pseudorandom measures such as linear complexity and order of [k] correlation measure, etc. Legendre sequence is a type of sequence having these features. In real applications, the speed of pseudorandom sequences generation is an important concern. The Legendre sequence generation algorithm for large primes is discussed, and the speed of generation is accelerated by using CUDA platform. Experimental results show the speed is improved in order of magnitude by parallel computation.

Key words: stream cipher, Legendre sequence, Compute Unified Device Architecture（CUDA）, parallel computation, complexity measures

赵家威，房九龄，苏明. Legendre序列快速生成的CUDA实现[J]. 计算机工程与应用, 2014, 50(8): 66-71.

ZHAO Jiawei, FANG Jiuling, SU Ming. Fast implementation of Legendre sequence generation by CUDA[J]. Computer Engineering and Applications, 2014, 50(8): 66-71.

[1]	冯凯，李婧. k元n方体网络的子网络可靠性[J]. 计算机工程与应用, 2021, 57(16): 83-89.
[2]	李健，张大伟，姜晓明，向立云. 并行化洪水演进模拟研究综述[J]. 计算机工程与应用, 2021, 57(13): 1-7.
[3]	孙明，陈昕. 面向卷积神经网络的硬件加速器设计方法[J]. 计算机工程与应用, 2021, 57(13): 77-84.
[4]	叶颖诗，魏福义，蔡贤资. 基于并行计算的快速Dijkstra算法研究[J]. 计算机工程与应用, 2020, 56(6): 58-65.
[5]	杜伟，傅游. 基于GPU的最小二乘蒙特卡罗算法期权定价[J]. 计算机工程与应用, 2020, 56(4): 225-229.
[6]	金之雁，杨磊，林隽民，王哲. 广义共轭余差法的通信避免算法[J]. 计算机工程与应用, 2020, 56(3): 74-79.
[7]	刘家华，陈靖宇. 多核并行脉冲神经网络模拟器的设计[J]. 计算机工程与应用, 2020, 56(22): 244-250.
[8]	邬阳阳，汤建国. 大数据背景下粗糙集属性约简研究进展[J]. 计算机工程与应用, 2019, 55(6): 31-38.
[9]	刘军，李威，吴梦婷，陈起凤. Hadoop平台下新型图像并行处理模型设计[J]. 计算机工程与应用, 2019, 55(6): 186-190.
[10]	刘洋，陈经纬，冯勇，吴文渊. 并行LLL算法研究综述[J]. 计算机工程与应用, 2019, 55(16): 36-41.
[11]	曾有灵，陈耿铎，熊威，李喆. 基于Spark的CT图像FBP重建算法程序并行设计[J]. 计算机工程与应用, 2019, 55(10): 218-224.
[12]	姜悦宁1，2，3，贾宏光1，3，厉明1，3. 基于多核并行计算的无人机CFD数值模拟[J]. 计算机工程与应用, 2018, 54(7): 221-225.
[13]	魏子衿1，2，3，肖丽2，3. 基于区域分解的并行动态LOD构建算法[J]. 计算机工程与应用, 2018, 54(6): 168-177.
[14]	覃金帛1，曾志强1，2，梁藉1，杨明祥2，张健1. GPU并行优化技术在水利计算中的应用综述[J]. 计算机工程与应用, 2018, 54(3): 23-29.
[15]	陈宇峰，张铂，李林. 基于多核CPU+GPU运算的电磁场高效体绘制算法研究[J]. 计算机工程与应用, 2018, 54(18): 218-222.