物联网系统与基因表达分类的技术突破

### 物联网系统与基因表达分类的技术突破 #### 物联网系统高效密码加速器 在物联网系统中，安全是至关重要的。而ECDSA（椭圆曲线数字签名算法）在保障系统安全方面发挥着关键作用。 ECDSA核心包含一个点运算模块，该模块负责处理模运算和点计算。为了控制输入和管理输出数据，采用了有限状态机（FSM）。这使得ECDSA核心能够执行如公钥生成、签名生成和签名验证等多种任务，这些任务在ECDSA算法中有明确的规定。 通过将点运算模块与FSM集成，与使用单独模块并将它们组织成一个方案相比，ECDSA所需的硬件显著减少。然而，这种方法增加了处理时间，因为需要等待前一个任务完成后才能处理后续任务。为了解决这个问题，在点运算模块中实现了流水线功能，使其能够同时执行多个任务。例如，在乘法运算期间可以同时计算加减或求逆运算，反之亦然。这种优化有效地缓解了由于任务依赖导致的处理时间增加的问题。 以下是左到右点乘法二进制方法的算法： ```plaintext Algorithm 5. Left-to-right Point Multiplication Binary Method Input: k = n−1 i=0 ki2i and Point P Output: Q = kP 1: Q ←O, G ←P 2: for i ←n −1 to 0 do 3: Double the point Q: Q ←2 · Q 4: if ki = 1 then 5: Add the base point G to Q: Q ←Q + G return Q ``` 在集成系统方面，所提出的系统中ECDSA IP起着核心作用。这个IP负责执行ECDSA算法的三个关键操作：公钥生成、签名生成和验证。这些操作在一个名为ECDSA IP的专用FPGA IP中实现。为了将这个IP集成到SoC - FPGA系统中，使用了运行Linux操作系统的ARM核心。通过轻量级HPS - FPGA桥，可以有效地控制和监控ECDSA IP核心的状态。此外，ECDSA IP核心使用直接内存访问（DMA）从SDRAM自主检索数据，SDRAM作为输入和输出数据的存储。ECDSA IP核心的读取端口用于检索数据，写入端口用于将数据存储在SDRAM中。两个端口都通过FPGA - SDRAM桥访问SDRAM。为了提高数据传输速度，FPGA - SDRAM桥采用了256位宽度，允许DMA在单个时钟周期内读写每个数据项。 实验结果显示，当独立使用时，ECDSA IP核心消耗了Cyclone V芯片（5CSXFC6D6F31C6）约52%的硬件资源。所提出的系统（包括ECC IP核心、DMA接口、FIFOs和总线数据）使用了Cyclone V芯片约64%的资源。该系统中ECDSA IP的工作时钟可以达到30 MHz。ECDSA IP的吞吐量能够以最大256位的密钥宽度进行公钥生成和签名生成，大约需要17 ms。签名验证操作大约需要30 ms。此外，在Stratix 10板上实现ECDSA IP时，ECC核心仅消耗了约2%的硬件资源，并且以约62 MHz的时钟频率运行。 以下是实现结果的比较表格： | Ref | Micro - controler | VLSI/FPGA | Curve | Platform | F (MHz) | Resource | Sign time (ms) | Verify time (ms) | | --- | --- | --- | --- | --- | --- | --- | --- | --- | | [14] | | | P - 192 | AVR | 7.73 | | | 1,892 | | [15] | | | SECP256K1 | MSP430X | - | | 557 | 1,156 | | [16] | | | SECP256R1 | Virtex - 5 | 50 | 14.256 (LUT - FF) | 7.26 | 9.4 | | [17] | | | P - 256 | 65 - nm | 18.66 | 13K (Gate) | 563.40 | - | | Our work | | | SECP256K1 | Cyclone - V | 30 | 22K (ALMs) | 17 | 30 | 与在微控制器平台上使用软件进行的研究相比，该研究在签名生成和验证方面的处理时间明显更快。与使用FPGA或ASIC技术的基于硬件的实现相比，处理速度比研究[17]快，但不如[16]的结果。然而，在考虑FPGA上的硬件消耗时，该研究的结果可能更优，因为使用了相当于5.5K LUTs的22K ALMs，表明在FPGA芯片上的硬件利用率更低。 #### 基因表达分类的多类支持向量机特征选择 基因表达分类在生物医学研究中具有重要应用，如癌症诊断、药物发现和个性化医疗等。基因表达数据可以通过微阵列和RNA测序等技术创建，这些技术可以同时测量数千个基因的