System-Level Optimization Beyond Cryptographic Kernels: An ML-KEM Case Study on Arm Cortex-M7
该研究关注嵌入式后量子密码（PQC）实现中的性能优化层次问题。此前学术界与工业界的相关工作主要聚焦于指令级优化，例如算术内核改进、汇编级调优、寄存器分配以及指令调度，其中 SLOTHY 超级优化器生成的 ML-KEM 实现代表了当前较先进的
#performance-optimization
共收录 6 条相关情报。
← 返回所有主题TEE-X: TEE-aware Acceleration Framework for Large Vision Models at the Edge
本文提出 TEE-X，一个面向可信执行环境（TEE）的加速框架，旨在解决大型视觉模型（如 Vision Transformer, ViT）在边缘设备上部署时面临的内存限制和计算延迟问题。研究背景是：机器学习模型，尤其是视觉应用，容易受到多种
Exposing SIMD Parallelism in SQIsign: An AVX-512 Implementation
该论文针对现代同源密码系统（如 SQIsign）在有限域、椭圆曲线和高维同源运算中大量计算开销的问题，提出了一种通过暴露 SIMD 并行性来加速的方法。传统做法尝试直接向量化域乘法，但受限于 Montgomery 梯子等循环依赖结构以及点运
Refined TFHE Leveled Homomorphic Evaluation and Its Application.
本文提出了一种改进的 TFHE 层级同态评估方案。TFHE 是一种基于环面的全同态加密方案，支持快速自举（bootstrapping），其核心评估机制包括门自举和可编程自举（PBS），后者能够在刷新噪声的同时计算函数。PBS 对于小规模电路
Boosting the Performance of High-Assurance Cryptography: Parallel Execution and Optimizing Memory Access in Formally-Verified Line-Point Zero-Knowledge.
本文针对高保证密码学协议形式化验证实现中存在的性能瓶颈问题，提出了一套通用的优化方法。以 Line-Point 零知识证明（LPZK）协议为案例，首先在 EasyCrypt 中实现了一个形式化验证的 LPZK 实现（未考虑性能），然后通过三
The Serialized Bridge: Understanding and Recovering LLM Serving Performance under Blackwell GPU Confidential Computing
本文研究了在 Blackwell GPU 机密计算（GPU-CC）环境下，LLM 推理服务性能显著下降的根本原因。作者在 NVIDIA RTX Pro 6000 和 B300 HGX 两个平台上进行了实验，发现性能瓶颈并非来自 GPU 计算