本发明专利技术公开了一种密码专用处理器确定方法及装置，包括：获取处理器的参数集合，基于处理器的参数集合，确定功能部件集合对应的第一矩阵、时间面积积集合对应的第二矩阵以及路径延迟参数集合对应的第三矩阵；根据第一矩阵、第二矩阵和第三矩阵，确定时间面积积增幅；将时间面积积增幅和初始配置的第四矩阵输入至目标能效分析模型，获得与第四矩阵对应的目标矩阵；基于目标矩阵，确定处理器的目标参数及取值；根据处理器的目标参数及取值，对处理器的功能模块进行配置，获得目标密码专用处理器。本发明专利技术能够利用模型更准确高效地预测处理器框架中各项参数取值，实现了密码专用处理器满足实际的应用需求，提升了处理的精准度和效率。率。率。
【技术实现步骤摘要】
一种密码专用处理器确定方法及装置
[0001]本专利技术涉及密码
，特别是涉及一种密码专用处理确定方法及装置。
技术介绍
[0002]处理器作为计算机的核心部件，其性能和复杂度在不断增长。传统的处理器确定过程中的“设计
‑
实现
‑
评估
‑
改进”的方式因其迭代时间过长代价过大而不能满足当前设计应用的需求。
[0003]以密码专用处理器为例进行说明，密码专用处理器是专用计算机上的单芯片或微处理器用于执行加密操作，嵌入在具有多个包装的物理安全措施，具有防篡改性能，与在安全环境中将解密数据输出到总线上的密码处理器不同，安全密码处理器在不能始终保持安全性的环境中不会输出解密数据或解密程序指令。目前，在密码专用处理器的确定过程中通常是基于回归问题的预测模型和基于排序问题的预测模型实现的，主要是对处理器功能模块中的存储容量、指令发射并行度等可具体量化的参数进行分析，而不能综合确定功能部件中的参数的影响，会使得最终确定的密码专用处理器无法满足实际的应用需求，降低了处理的精准度和效率。
技术实现思路
[0004]针对于上述问题，本专利技术提供一种密码专用处理器确定方法及装置，实现了密码专用处理器满足实际的应用需求，提升了处理的精准度和效率。
[0005]为了实现上述目的，本专利技术提供了如下技术方案：
[0006]一种密码专用处理器确定方法，包括：
[0007]获取处理器的参数集合，所述参数集合中至少包括处理器的功能部件、目标密码算法、路径延迟参数、时间面积积以及时钟周期参数，所述时间面积积表征处理器完成特定密码算法所需时间与处理器面积的乘积；
[0008]基于所述处理器的参数集合，确定功能部件集合对应的第一矩阵、时间面积积集合对应的第二矩阵以及路径延迟参数集合对应的第三矩阵；
[0009]根据所述第一矩阵、所述第二矩阵和所述第三矩阵，确定时间面积积增幅；
[0010]将所述时间面积积增幅和初始配置的第四矩阵输入至目标能效分析模型，获得与所述第四矩阵对应的目标矩阵，所述第四矩阵为处理器初始配置空间矩阵，所述目标矩阵为使得所述时间面积积增幅取值最小的矩阵；
[0011]基于所述目标矩阵，确定处理器的目标参数及取值；
[0012]根据所述处理器的目标参数及取值，对处理器的功能模块进行配置，获得目标密码专用处理器。
[0013]可选地，所述方法还包括：
[0014]获取处理器参数集合对应的训练样本，所述训练样本为多个处理器配置空间矩阵，每一所述处理器配置空间矩阵对应一组配置信息，以及对每一所述处理器配置空间矩
阵标注有时间面积积增幅；
[0015]基于所述训练样本进行训练，得到目标能效分析模型。
[0016]可选地，所述基于所述训练样本进行训练，得到目标能效分析模型，包括：
[0017]通过随机采样从未知配置集合中抽取一组配置信息，对所述配置信息进行仿真计算，获得与所述配置信息相匹配的时间面积积增幅；
[0018]将所述时间面积积增幅与已标注的时间面积积增幅进行比较，以确定所述已标注的时间面积积增幅对应的处理器配置空间矩阵是否为目标配置信息，得到判断结果；
[0019]依据所述判断结果对概率矩阵进行更新以完成迭代优化，获得目标能效分析模型。
[0020]可选地，所述方法还包括：
[0021]基于时间面积积增幅和第四矩阵，创建概率矩阵，所述概率矩阵表征最高能效概率与第四矩阵之间的关系，所述最该能效概率为第四矩阵使得时间面积积增幅最小的概率。
[0022]可选地，所述依据所述判断结果对概率矩阵进行更新以完成迭代优化，获得目标能效分析模型，包括：
[0023]初始化配置矩阵K及概率矩阵P，并对所述初始化配置矩阵K进行仿真，得到时间面积积增幅f；
[0024]选取矩阵K中的任一配置信息对应的矩阵，利用概率矩阵P已知配置集合中所有配置分别对应的最高能效概率；
[0025]基于所述最高能效概率，确定所述任一配置信息对应的矩阵是否为最优矩阵；
[0026]如果是，则执行选取矩阵K中的任一配置信息对应的矩阵，利用概率矩阵P已知配置集合中所有配置分别对应的最高能效概率；
[0027]如果否，将所述概率矩阵P中的元素进行参数调整，以获得更新后的概率矩阵；
[0028]依据所述更新后的概率矩阵进行优化，获得目标能效分析模型。
[0029]一种密码专用处理器确定装置，包括：
[0030]第一获取单元，用于获取处理器的参数集合，所述参数集合中至少包括处理器的功能部件、目标密码算法、路径延迟参数、时间面积积以及时钟周期参数，所述时间面积积表征处理器完成特定密码算法所需时间与处理器面积的乘积；
[0031]第一确定单元，用于基于所述处理器的参数集合，确定功能部件集合对应的第一矩阵、时间面积积集合对应的第二矩阵以及路径延迟参数集合对应的第三矩阵；
[0032]第二确定单元，用于根据所述第一矩阵、所述第二矩阵和所述第三矩阵，确定时间面积积增幅；
[0033]模型处理单元，用于将所述时间面积积增幅和初始配置的第四矩阵输入至目标能效分析模型，获得与所述第四矩阵对应的目标矩阵，所述第四矩阵为处理器初始配置空间矩阵，所述目标矩阵为使得所述时间面积积增幅取值最小的矩阵；
[0034]第三确定单元，用于基于所述目标矩阵，确定处理器的目标参数及取值；
[0035]配置单元，用于根据所述处理器的目标参数及取值，对处理器的功能模块进行配置，获得目标密码专用处理器。
[0036]可选地，所述装置还包括：
[0037]第二获取单元，用于获取处理器参数集合对应的训练样本，所述训练样本为多个处理器配置空间矩阵，每一所述处理器配置空间矩阵对应一组配置信息，以及对每一所述处理器配置空间矩阵标注有时间面积积增幅；
[0038]训练单元，用于基于所述训练样本进行训练，得到目标能效分析模型。
[0039]可选地，所述训练单元包括：
[0040]计算子单元，用于通过随机采样从未知配置集合中抽取一组配置信息，对所述配置信息进行仿真计算，获得与所述配置信息相匹配的时间面积积增幅；
[0041]比较子单元，用于将所述时间面积积增幅与已标注的时间面积积增幅进行比较，以确定所述已标注的时间面积积增幅对应的处理器配置空间矩阵是否为目标配置信息，得到判断结果；
[0042]优化子单元，用于依据所述判断结果对概率矩阵进行更新以完成迭代优化，获得目标能效分析模型。
[0043]可选地，所述装置还包括：
[0044]创建单元，用于基于时间面积积增幅和第四矩阵，创建概率矩阵，所述概率矩阵表征最高能效概率与第四矩阵之间的关系，所述最该能效概率为第四矩阵使得时间面积积增幅最小的概率。
[0045]可选地，所述优化单元具体用于：
[0046]初始化配置矩阵K及概本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种密码专用处理器确定方法，其特征在于，包括：获取处理器的参数集合，所述参数集合中至少包括处理器的功能部件、目标密码算法、路径延迟参数、时间面积积以及时钟周期参数，所述时间面积积表征处理器完成特定密码算法所需时间与处理器面积的乘积；基于所述处理器的参数集合，确定功能部件集合对应的第一矩阵、时间面积积集合对应的第二矩阵以及路径延迟参数集合对应的第三矩阵；根据所述第一矩阵、所述第二矩阵和所述第三矩阵，确定时间面积积增幅；将所述时间面积积增幅和初始配置的第四矩阵输入至目标能效分析模型，获得与所述第四矩阵对应的目标矩阵，所述第四矩阵为处理器初始配置空间矩阵，所述目标矩阵为使得所述时间面积积增幅取值最小的矩阵；基于所述目标矩阵，确定处理器的目标参数及取值；根据所述处理器的目标参数及取值，对处理器的功能模块进行配置，获得目标密码专用处理器。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取处理器参数集合对应的训练样本，所述训练样本为多个处理器配置空间矩阵，每一所述处理器配置空间矩阵对应一组配置信息，以及对每一所述处理器配置空间矩阵标注有时间面积积增幅；基于所述训练样本进行训练，得到目标能效分析模型。3.根据权利要求2所述的方法，其特征在于，所述基于所述训练样本进行训练，得到目标能效分析模型，包括：通过随机采样从未知配置集合中抽取一组配置信息，对所述配置信息进行仿真计算，获得与所述配置信息相匹配的时间面积积增幅；将所述时间面积积增幅与已标注的时间面积积增幅进行比较，以确定所述已标注的时间面积积增幅对应的处理器配置空间矩阵是否为目标配置信息，得到判断结果；依据所述判断结果对概率矩阵进行更新以完成迭代优化，获得目标能效分析模型。4.根据权利要求3所述的方法，其特征在于，所述方法还包括：基于时间面积积增幅和第四矩阵，创建概率矩阵，所述概率矩阵表征最高能效概率与第四矩阵之间的关系，所述最该能效概率为第四矩阵使得时间面积积增幅最小的概率。5.根据权利要求3所述的方法，其特征在于，所述依据所述判断结果对概率矩阵进行更新以完成迭代优化，获得目标能效分析模型，包括：初始化配置矩阵K及概率矩阵P，并对所述初始化配置矩阵K进行仿真，得到时间面积积增幅f；选取矩阵K中的任一配置信息对应的矩阵，利用概率矩阵P已知配置集合中所有配置分别对应的最高能效概率；基于所述最高能效概率，确定所述任一配置信息对应的矩阵是否为最优矩阵；如果是，则执行选取矩阵K中的任一配置信息对应的矩阵，利用概率矩阵P已知配置集合中所有配置分别对应的最高能效概率；如果否，将所述概率矩阵P中的元素进行参数调整，以获得更新后的概率矩阵；依据所述更新后的概率矩阵进行优化，获得目标能效分析模型。
6.一种密码专用处理器确定装置，其特征在于，包括：第一获...
【专利技术属性】
技术研发人员：李伟，别梦妮，王晓华，陈韬，南龙梅，杜怡然，金羽，吴艾青，曾涵，
申请(专利权)人：中国人民解放军战略支援部队信息工程大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。