FPGA自定义RISC-V软核指令:把加密算法运算速度提升5倍
纯软件跑AES、SM4这类分组密码,瓶颈在SubBytes查表、MixColumns异或乘、多轮循环调度。RISC-V软核优势是可扩展:把“单轮加密/解密、Sbox、列混合、轮密钥加”硬化成自定义指令,软件只做分块、CBC异或和调度,热点从通用ALU转移到专用数据通路,实测可做到数倍提速。
一、指令规划与编码
RISC-V预留custom-0/1/2/3,常规用custom-0(0x0B)做R型扩展:opcode=0x0B,funct7区分功能,funct3配合子命令,rs1/rs2送状态或轮密钥,rd回结果。 加密场景定义4条就够了:
aes_enc_rd:执行SubBytes+ShiftRows+MixColumns+AddRoundKey中间轮;
aes_enc_last:末轮不做MixColumns;
aes_dec_rd:逆向Sbox+逆列混合;
aes_keyexp:由主密钥/当前轮密钥生成下一轮密钥。
若软核面积小,可只做“单轮组合指令+sbox查ROM”,轮数由软件循环控制;要冲更高倍率再做成“一次吃128bit状态、硬件跑全10/14轮”。
二、软核译码与加速单元
以经典5级流水线为例,在ID/EX阶段识别custom-0,命中后把结果走专用回写,不占用通用ALU。示例只写译码和单轮组合:
module rv_crypto_dec #(
parameter W=32
)(
input [6:0] opcode, input [6:0] funct7, input [2:0] funct3,
input [W-1:0] rs1, rs2,
input [W-1:0] rk, // 轮密钥字
output reg [W-1:0] rd,
output reg acc_en
);
// Sbox用16x16 ROM或复合域逻辑;此处以字节查表示意
reg [7:0] sb [0:255];
reg [W-1:0] sb_word, sh_word, mc_word;
integer i;
always @* begin
acc_en = (opcode==7'h0B);
rd=0;
if(acc_en) begin
for(i=0;i<4;i=i+1)
sb_word[i*8 +:8] = sb[rs1[i*8 +:8]]; // SubBytes
sh_word = {sb_word[23:0],sb_word[31:24]}; // ShiftRows简化字级
// MixColumns:每列4字节做02/03乘加,用移位异或近似xtime
mc_word[7:0] = xtime(sh_word[7:0]) ^ (sh_word[15:8]^xtime(sh_word[15:8])) ^ sh_word[23:16] ^ sh_word[31:24];
mc_word[15:8] = sh_word[7:0] ^ xtime(sh_word[15:8]) ^ (sh_word[23:16]^xtime(sh_word[23:16])) ^ sh_word[31:24];
mc_word[23:16] = sh_word[7:0] ^ sh_word[15:8] ^ xtime(sh_word[23:16]) ^ (sh_word[31:24]^xtime(sh_word[31:24]));
mc_word[31:24] = (sh_word[7:0]^xtime(sh_word[7:0])) ^ sh_word[15:8] ^ sh_word[23:16] ^ xtime(sh_word[31:24]);
case({funct7,funct3})
10'h000: rd = mc_word ^ rk; // 加密中间轮
10'h001: rd = sh_word ^ rk; // 末轮无MixColumns
10'h002: rd = keystep(rs1,rk); // 轮密钥扩展
default: rd = rs1 ^ rk; // 仅AddRoundKey
endcase
end
end
function [7:0] xtime; input [7:0] x;
xtime = (x<<1) ^ (x[7]?8'h1B:8'h00); // GF(2^8)乘2
endfunction
function [31:0] keystep; input [31:0] k,kprev;
keystep = k ^ {kprev[23:0],kprev[31:24]}; // 简化Rcon/Sbox可再补
endfunction
endmodule
Sbox资源敏感时可换复合域Sbox,MixColumns用共享异或树,AES协处理器文献里传统实现约108个异或门、复用后可降到97个左右。 NICE/E203类挂载方式把状态矩阵和轮密钥放协处理器buffer,减少CPU反复load/store,周期数可降到纯软件的百分之几。
三、软件内联与分块调用
不重新编编译器也能用GCC内联.insn发custom-0;产品化再在binutils加助记符。 示例封装单轮:
static inline uint32_t aes_enc_round(uint32_t st, uint32_t rk){
uint32_t rd;
asm volatile(".insn r 0x0B,0,0,%0,%1,%2"
:"=r"(rd):"r"(st),"r"(rk));
return rd;
}
void aes128_ecb_hw(const uint32_t *in, const uint32_t *rk, uint32_t *out){
uint32_t s0=in[0],s1=in[1],s2=in[2],s3=in[3];
s0=aes_enc_round(s0^rk[0],rk[0]); // 首轮AddRoundKey可合并到指令外
s1=aes_enc_round(s1^rk[1],rk[1]);
s2=aes_enc_round(s2^rk[2],rk[2]);
s3=aes_enc_round(s3^rk[3],rk[3]);
for(int r=1;r<10;r++){
s0=aes_enc_round(s0,rk[r*4+0]);
s1=aes_enc_round(s1,rk[r*4+1]);
s2=aes_enc_round(s2,rk[r*4+2]);
s3=aes_enc_round(s3,rk[r*4+3]);
}
// 末轮单独调用aes_enc_last,这里省略
out[0]=s0;out[1]=s1;out[2]=s2;out[3]=s3;
}
CBC先在软件做plaintext^IV,再调上述硬件轮;IV异或放ALU、轮函数放硬件,协处理器复杂度更低且不影响时序。 多块批量加密用DMA把明文搬进协处理器buffer,软核只发“start+base+len”,可进一步接近5倍甚至更高。
四、性能与FPGA落地
对比口径看“同主频、同密钥、同数据量指令周期”:
纯软件查表AES-128:每块要做SubBytes/ShiftRows/MixColumns/密钥调度,循环体大、LUT-ROM命中率影响大;
单轮自定义指令:每轮1~2条硬件指令替代几十条通用指令,蜂鸟NICE类AES协处理器实测加解密周期数可降到软件4.04%~6.53%(加密)、1.68%~2.94%(解密)区间;
全轮硬化+内部状态buffer:减少回写通用寄存器,适合10G/工业网关大流量,但LUT/DSP和BRAM占用上升。
工程建议:
小Artix/ECP5软核先做单轮指令,验证工具链.insn、反汇编、中断返回;再逐步加全轮;
Sbox用distributed RAM或Block RAM,多通道加密共享一个crypto单元要做请求仲裁;
密钥走单独CSR/MMIO,不在通用内存明文长期驻留;生产环境配合TRNG、防侧信道做恒定时序;
主频不高的软核更值得做指令加速:100~150MHz下把轮函数硬化,吞吐提升比高频CPU软解更划算;
验证用Python生成明文/密钥,C模型算期望,RTL跑完比对,回归覆盖全0、全0xFF、NIST样例、CBC链式错位。
按“custom-0译码+Sbox/MixColumns单轮指令+软件分块调度+CBC异或外移”落地,中小FPGA RISC-V先把AES提速数倍很现实;若把状态buffer、轮密钥、全轮流水线一起硬化,可继续往十倍级走,但要以LUT、时序和安全隔离为代价权衡。





