1. 引言
前序博客:
- 基础算法优化——Fast Modular Multiplication
大整数的模乘:
- 是每种SNARK计算的核心
- 是最昂贵的基石
- 通常可决定整个协议的复杂度
对模乘运算的哪怕一点点改进,都可能带来大幅加速。
Ingonyama团队2023年论文 Multi-Precision Fast Modular Multiplication,开源代码实现见:
- https://github.com/ingonyama-zk/modular_multiplication(Python)
基础算法优化——Fast Modular Multiplication(本文称为Barrett-Domb模乘算法)是一种基于Barrett modular reduction方案的低复杂度、硬件友好的模乘算法。
Multi-Precision Fast Modular Multiplication为多精度的、GPU/CPU友好的Barrett-Domb模乘算法。相比于现有广泛使用的Montgomery模乘算法:文章来源:https://www.toymoban.com/news/detail-567752.html
- 本算法具有竞争力,且可能会消除对繁琐的Montgomery转换的需求。
- 如NTT中需要大量的Montgomery格式转入转出,本算法可具有更低的乘法运算次数。
参考资料
[1] Ingonyama团队2023年1月博客 Multi-Precision Fast Modular Multiplication文章来源地址https://www.toymoban.com/news/detail-567752.html
ZKP加速系列博客
- Multi-scalar multiplication: state of the art & new ideas
- 采用特殊硬件指令对密码学算法加速
- 零知识证明的硬件加速
- STARK/SNARK加速小技巧
- 借助FPGA硬件对Multi-Scalar Multiplication加速
- 基础算法优化——Fast Modular Multiplication
- Ingonyama团队的ZKP加速
- ZKP加速 GPU/FPGA/ASIC
到了这里,关于GPU/CPU友好的模乘算法:Multi-Precision Fast Modular Multiplication的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!