技术特征：
1.一种面向zk-snark运算的gpu并行加速方法，其特征在于，包括：步骤(1)：cpu执行输入输出任务，将待处理数据读入内存，cpu执行prescan过程，根据给定进制划分指数，并将对应指数的底数分离；其中，输入输出任务指计算椭圆曲线有限域上的多重点加任务并给出结果m，p1…
p
n
为底数，a1…
a
n
分別为各项对应之指数；待处理数据即输入步骤(2)：cpu为gpu分配内存空间和桶数组，将底数放入桶中；步骤(3)：gpu根据桶数据执行bucketmul计算，为每个桶完成桶内数据乘积计算；步骤(4)：gpu使用完成桶内乘积计算的值，执行windowreduce操作，进行桶间组内，也即指数某一位的全部底数乘积的计算；步骤(5)：gpu根据步骤(4)的计算结果，将每一位的值整合起来，执行finalreduce过程，使对应位的指数完成自乘，并将自乘后的数值相乘得到最终的结果。2.根据权利要求1所述的一种面向zk-snark运算的gpu并行加速方法，其特征在于，所述步骤(1)具体过程为：步骤(1.1)，cpu执行输入输出任务，将待处理数据读入内存，cpu执行prescan任务，计算出每个桶t
im
内的元素索引，并为gpu设计分配区域存放；步骤(1.2)，采用一次性分配的方式，使用标记数组记录每个桶对应的索引缓存区的起始位置与终止位置，从而划分出每个桶的索引缓存区。3.根据权利要求2所述的一种面向zk-snark运算的gpu并行加速方法，其特征在于，所述步骤(1.1)中，根据的计算内容，分析得出，t
im
中i相同，即属于同一r
i
的桶，并起来是全体输入p1,p2,
…
,p
n
；r
i
的个数即指数的2
c
进制位数因此共需分配个索引的空间，上述运算中，假设p1…
p
n
为底数，multiexp运算有n项，每个指数为二进制的b位数，每c位划为一组。4.根据权利要求2或3所述的一种面向zk-snark运算的gpu并行加速方法，其特征在于，所述步骤(1.2)中，根据指数的数值确定确定每个输入出现于桶的位置，对k＝0～n，通过右移并取与，得出输入的指数a
k
在2
c
进制下第i位的值b
ki
，则索引k应放入桶的索引缓存区。5.根据权利要求4所述的一种面向zk-snark运算的gpu并行加速方法，其特征在于，所述步骤(2)具体过程为：步骤(2.1)，cpu分配个索引的索引缓存区idxbuf并分配个索引的起始与终止位置记录标记数组searr；步骤(2.2)，扫描输入统计每个桶的元素个数，根据元素个数信息，填写searr数组，再扫描一次输入，结合searr记录的桶的起始位置，将索引k实际放入idxbuf的对应位置。6.根据权利要求4所述的一种面向zk-snark运算的gpu并行加速方法，其特征在于，步骤(3)所述bucketmul计算使用gpu的多线程能力完成，每个桶对应一个线程，则桶t
ij
应当对应第i*2
c
+j个线程，该线程从属于对应桶的idxbuf区域读取索引，根据索引从输入取得数
据，与结果相乘并返回。7.根据权利要求4所述的一种面向zk-snark运算的gpu并行加速方法，其特征在于，所述步骤(4)具体过程为：步骤(4.1)，windowreduce需要计算将r
i
的计算任务分配给第i个线程完成，共需个线程；在完成向各线程分配任务后，利用累乘的思想进行各项数据的乘积，计算式为：步骤(4.2)，实现r
i
的结果计算：将runningsum过程和乘到总和上r
i
并进行迭代。8.根据权利要求2所述的一种面向zk-snark运算的gpu并行加速方法，其特征在于，所述步骤(4.2)首先将变量runningsum与r
i
初始化为单位元，其次从遍历到t
i1
，每轮将t
ij
乘到runningsum上，并将runningsum乘到r
i
上，遍历完成即得到最终所需的r
i
。9.根据权利要求8所述的一种面向zk-snark运算的gpu并行加速方法，其特征在于，所述步骤(5)具体过程为：步骤(5.1)，finalreduce使用单线程计算利用累乘思想进行乘积运算，计算式为：步骤(5.2)，将m初始化为单位元，从r
w
遍历到r0，再将每轮r
i
乘到m上，并将m自乘c次，遍历完成即得到最终的m。
技术总结
本发明公开了一种面向zk-SNARK运算的GPU并行加速方法，CPU执行输入输出任务，将待处理数据读入内存，CPU执行Prescan过程，根据给定进制划分指数，并将对应指数的底数分离；CPU为GPU分配内存空间和桶数组，将底数放入桶中；GPU根据桶数据执行BucketMul计算，为每个桶完成桶内数据乘积计算；GPU使用完成桶内乘积计算的值，执行WindowReduce操作，进行桶间组内乘积的计算；GPU将每一位的值整合起来，执行FinalReduce过程，使对应位的指数完成自乘，并将自乘后的数值相乘得到最终的结果。本发明在GPU上实行，可更好地支撑大规模数据计算处理的需求。的需求。的需求。
技术研发人员：肖利民 沈润楠 肖希源 王良 郭为
受保护的技术使用者：北京天数微芯半导体科技有限公司
技术研发日：2022.09.30
技术公布日：2022/12/29