XiaoMi-AI文件搜索系统
World File Search SystemTESLA
UQ Teslascope研究项目
重要的免责声明本学术报告是由昆士兰州大学的HDR学者撰写的，代表了他们自己的原始作品，思想和观点。该报告仅出于学术研究和讨论的目的而准备，不一定反映昆士兰州大学或其任何附属机构或组织的观点或观点。虽然已竭尽全力确保本报告中提供的信息的准确性和完整性，但昆士兰大学对错误，遗漏或因使用本文所包含的信息而产生的任何后果都没有承担任何责任。该报告并非旨在提供法律，财务或其他专业建议，并建议读者在根据提供的信息做出任何决定之前寻求自己的独立建议。本报告旨在为学术话语和研究做出贡献，应在这种情况下阅读和解释。作者欢迎有关报告内容的反馈和讨论，但是第三方表达的任何评论或意见不一定得到作者或昆士兰州大学的认可或支持。
TESLAC：利用 AI 加速器加速基于格的加密技术
摘要本文利用人工智能加速器实现密码算法。据我们所知，这是首次尝试使用人工智能加速器实现量子安全的基于格的密码术 (LBC)。然而，人工智能加速器是为机器学习工作负载（例如卷积运算）而设计的，无法将其强大的功能直接用于密码计算。注意到环上的多项式乘法是 LBC 中的一种耗时计算，我们利用一种简单的方法使人工智能加速器非常适合环上的多项式乘法。还进行了其他非平凡优化以最小化转换开销，例如使用低延迟共享内存、合并内存访问。此外，基于 NVIDIA 人工智能加速器 Tensor Core，我们实现了一个名为 TESLAC 的原型系统，并进行了一组全面的实验来评估其性能。实验结果表明，TESLAC 可以达到每秒数千万次运算，相比 AVX2 加速的参考实现实现了两个数量级的性能提升。特别地，通过一些技巧，TESLAC 还可以扩展到其他模 q 更大的 LBC。