【技术实现步骤摘要】
本说明书一个或多个实施例涉及隐私计算中的ntt变换，尤其涉及利用ai计算核心加速ntt变换的执行。
技术介绍
1、随着人们对数据安全和隐私保护意识的不断提高，隐私计算作为一种新型的安全计算模式，正在逐渐成为数据处理和分析的主流方法之一。隐私计算通过不暴露原始数据，而直接对加密或匿名数据进行计算，实现了数据隐私和安全的保护，有着广泛的应用前景。目前，隐私计算技术已经被广泛应用于人工智能、金融、医疗等领域，成为未来数字化社会的重要支撑技术。
2、隐私计算的一个重要方向是基于公钥密钥学的加密体系。现代公钥密码学是信息安全领域中的重要技术之一，它是一种基于数学和计算机科学的密码学技术，旨在确保安全的通信和交换数据。公钥密码学使得信息传输的安全性大大提高，因为对于攻击者而言，通过公钥并不能推算出私钥，从而保证了信息的机密性。公钥密码学使得信息安全的保证更加可行，但安全性依赖于数学算法的难度，因此在处理大规模数据时会面临性能的巨大挑战。
3、快速数论变换(ntt)是公钥密码学领域中的一种重要算法，该算法主要用于计算环上多项式的点值表示，以加速环上多项式的乘法运算，在基于格的后量子加密算法、哈希函数、数字签名以及隐私计算技术中的全同态加密、零知识证明等领域中都会使用到ntt算法。在隐私计算的场景中，ntt运算的效率是隐私计算性能的重要影响因素。
4、因此，期望能有改进的方案，充分利用计算硬件的特点，加速ntt计算的速度，提升隐私计算和加密相关场景的计算性能。
技术实现思路
1、本说明书一个或多个实施例描述了一种加速执行数论变换ntt的方案，该方案可以充分利用不同计算硬件的特点，加速ntt计算的速度，提升隐私计算和加密相关场景的计算性能。
2、根据第一方面，提供了一种快速数论变换ntt的加速执行方法，包括：
3、针对待执行ntt变换的输入数据的点数n，确定第一数目n1，第二数目n2，第一基数k1，第二基数k2，使得维度n为第一数目n1和第二数目n2之积，第一数目n1为第一基数k1的幂次，第二数目n2为第二基数k2的幂次；
4、利用支持矩阵运算的ai计算核心对所述输入数据执行第一变换，得到第一变换结果；所述第一变换包括n2组n1点ntt变换，单组n1点ntt变换通过基k1的ntt计算实现；
5、利用普通计算核心对所述第一变换结果进行线性变换及转置重排，得到中间数据；
6、利用所述ai计算核心对所述中间数据执行第二变换，所述第二变换包括n1组n2点ntt变换，单组n2点ntt变换通过基k2的ntt计算实现。
7、在不同实施例中，ai计算核心可以为gpu中的张量处理核心，所述普通计算核心为gpu中的cuda核心；或者，ai计算核心为ai专用芯片的核心，所述普通计算核心为cpu的核心。
8、在一个实施例中，确定第一数目n1，第二数目n2，第一基数k1，第二基数k2，具体包括：根据所述ai计算核心支持的矩阵运算的维度，确定第一基数k1和第二基数k2；根据第一基数k1和第二基数k2，分别确定第一数目n1和第二数目n2。
9、根据一种实现方式，ai计算核心执行的单组n1点ntt变换包括：执行多组k1点ntt变换，得到多组结果；其中单组k1点ntt变换基于所述ai计算核心中的矩阵乘法实现；对所述多组结果加权求和。
10、根据另一种实现方式，ai计算核心执行的单组n1点ntt变换包括：执行多组k1点ntt变换，得到多组结果；其中单组k1点ntt变换基于所述ai计算核心中的矩阵乘法实现；普通计算核心执行的线性变换包括，对所述多组结果加权求和。
11、在一个具体例子中，第一数目n1为第一基数k1的l1次幂；所述多组结果的组数为k1的(l1-1)次幂；对所述多组结果加权求和包括，执行(l1-1)轮次的加权求和。
12、在一个具体示例中，ai计算核心支持k1*2k1维度的矩阵乘法；所述执行多组k1点ntt变换包括，将两组k1点ntt变换对应的两个k1维方阵拼接，输入所述ai计算核心进行矩阵运算。
13、根据一种实施方式，单组n2点ntt变换具体包括：执行若干组k2点ntt变换，得到若干组结果；其中单组k2点ntt变换基于所述ai计算核心中的矩阵乘法实现；对所述若干组结果加权求和。
14、在一个实施例中，第一变换结果包括多组k1点ntt变换的多个结果，所述普通计算核心执行的线性变换包括，对所述多个结果进行加权求和与旋转因子乘法的组合操作。
15、根据第二方面，提供了一种处理器，用于加速执行快速数论变换ntt，所述处理器包括支持矩阵运算的ai计算核心，以及普通计算核心，其中：
16、所述普通计算核心配置为，针对待执行ntt变换的输入数据的点数n，确定第一数目n1，第二数目n2，第一基数k1，第二基数k2，使得维度n为第一数目n1和第二数目n2之积，第一数目n1为第一基数k1的幂次，第二数目n2为第二基数k2的幂次；
17、所述ai计算核心配置为对所述输入数据执行第一变换，得到第一变换结果；所述第一变换包括n2组n1点ntt变换，单组n1点ntt变换通过基k1的ntt计算实现；
18、所述普通计算核心还配置为，对所述第一变换结果进行线性变换及转置重排，得到中间数据；
19、所述ai计算核心还配置为，对所述中间数据执行第二变换，所述第二变换包括n1组n2点ntt变换，单组n2点ntt变换通过基k2的ntt计算实现
20、根据第三方面，提供了一种计算设备，包括存储器和如第二方面所述的处理器。
21、在本说明书的实施例中，提出一种数论变换ntt的加速执行方法和处理器。在这些实施例中，结合基k分解以及乘子分解，对长序列的n点ntt变换进行适当拆解。先将其分解为中等长度序列，并将中等长度序列进行基k分解，从而利用ai计算核心支持度较好的矩阵乘法执行基k的ntt变换。在此过程中，充分利用ai计算核心和普通计算核心的性能优势进行联合运算，以此提升ntt执行效率。
本文档来自技高网...【技术保护点】
1.一种数论变换NTT的加速执行方法，包括：
2.根据权利要求1所述的方法，其中，
3.根据权利要求1所述的方法，其中，确定第一数目N1，第二数目N2，第一基数k1，第二基数k2，具体包括：
4.根据权利要求1所述的方法，其中，所述AI计算核心执行的单组N1点NTT变换包括：
5.根据权利要求1所述的方法，其中，所述AI计算核心执行的单组N1点NTT变换包括：执行多组k1点NTT变换，得到多组结果；其中单组k1点NTT变换基于所述AI计算核心中的矩阵乘法实现；
6.根据权利要求4或5所述的方法，其中，所述第一数目N1为第一基数k1的l 1次幂；所述多组结果的组数为k1的(l 1-1)次幂；
7.根据权利要求4或5所述的方法，其中，所述AI计算核心支持k1*2k1维度的矩阵乘法；所述执行多组k1点NTT变换包括，将两组k1点NTT变换对应的两个k1维方阵拼接，输入所述AI计算核心进行矩阵运算。
8.根据权利要求1所述的方法，其中，单组N2点NTT变换包括：
9.根据权利要求1所述的方法，
10.一种处理器，用于加速执行快速数论变换NTT，所述处理器包括支持矩阵运算的AI计算核心，以及普通计算核心，其中：
11.一种计算设备，包括存储器，以及，如权利要求10所述的处理器。
...【技术特征摘要】
1.一种数论变换ntt的加速执行方法，包括：
2.根据权利要求1所述的方法，其中，
3.根据权利要求1所述的方法，其中，确定第一数目n1，第二数目n2，第一基数k1，第二基数k2，具体包括：
4.根据权利要求1所述的方法，其中，所述ai计算核心执行的单组n1点ntt变换包括：
5.根据权利要求1所述的方法，其中，所述ai计算核心执行的单组n1点ntt变换包括：执行多组k1点ntt变换，得到多组结果；其中单组k1点ntt变换基于所述ai计算核心中的矩阵乘法实现；
6.根据权利要求4或5所述的方法，其中，所述第一数目n1为第一基数k1的l 1次幂；所述多组结果的组数为k1的(l 1-1)次幂；
7.根...
【专利技术属性】
技术研发人员：宋宜轩，邹银超，
申请(专利权)人：支付宝杭州信息技术有限公司，
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。