Earticle

현재 위치 Home

ARM과 RISC-V 아키텍처 기반 ML-KEM 알고리즘의 병렬 최적화 구현 동향 분석
A Comparative Study on Parallel Optimization of the ML-KEM Algorithm Based on ARM and RISC-V Architectures

첫 페이지 보기
  • 발행기관
    한국융합보안학회 바로가기
  • 간행물
    융합보안논문지 KCI 등재 바로가기
  • 통권
    제25권 제3호 (2025.09)바로가기
  • 페이지
    pp.113-120
  • 저자
    천혜수, 김성민
  • 언어
    한국어(KOR)
  • URL
    https://www.earticle.net/Article/A473536

※ 기관로그인 시 무료 이용이 가능합니다.

4,000원

원문정보

초록

영어
With the advancement of quantum computers, the security of existing public-key cryptosystems is being threatened, leading to increased attention on quantum-resistant cryptography (PQC) technologies that can address this issue. This paper analyzes the trends in parallel optimization implementations of the ML-KEM algorithm, a major candidate for NIST PQC standardization, based on the NEON of the ARM architecture and the Vector Extension (RVV) of RISC-V. We categorize and analyze how the distinct SIMD characteristics of each architecture are differently applied to optimize ML-KEM's core operations. Based on this synthesis, we present an architectural optimization strategy framework. The analysis confirms that NEON, with its fixed-length SIMD, benefits from microarchitectural fine-tuning, while RVV, supporting variable-length vectors, is effective with adaptive optimizations tailored to algorithmic data flow. This study is significant in that it provides a practical guideline for researchers implementing and optimizing PQC on diverse hardware platforms.
한국어
양자 컴퓨터의 발전으로 기존 공개키 암호체계의 안전성이 위협받음에 따라 이에 대응할 수 있는 양자내성암호(PQC) 기술 이 주목받고 있다. 본 논문에서는 NIST PQC 표준화의 주요 후보인 ML-KEM 알고리즘을 대상으로 ARM 아키텍처의 NEON 과 RISC-V의 Vector Extension(RVV) 기반 병렬 최적화 구현 동향을 분석하였다. 각 아키텍처의 SIMD 연산 구조와 특성이 ML-KEM의 핵심 연산 최적화에 어떻게 다르게 적용되는지를 유형별로 분석하여 아키텍처별 최적화 전략 프레임워크를 제시 한다. 분석 결과, 고정 길이 SIMD를 사용하는 NEON은 마이크로 아키텍처 수준의 미세 조정이, 가변 길이 벡터를 지원하는 RVV는 알고리즘의 데이터 흐름에 맞는 적응형 최적화가 효과적임을 확인했다. 본 연구는 향후 다양한 환경에서 PQC를 구현 하고 최적화하려는 연구자들에게 실질적인 가이드라인을 제공한다는 점에서 의의를 가진다.

목차

요약
ABSTRACT
1. 서론
2. PQC 개요
2.1 격자 기반 암호
2.2 ML-KEM 알고리즘 주요 병목 구간
3. 아키텍쳐별 벡터 프로세싱 분석
3.1 ISA 및 SIMD 확장 비교
4. 아키텍처별 병렬 최적화 사례
4.1 ARM NEON 기반 최적화 연구
4.2 RVV 기반 최적화 연구
4.3 아키텍처별 최적화 전략 비교 분석
5. 결론 및 향후 연구
참고문헌

키워드

ML-KEM RISC-V ARM Vectorization

저자

  • 천혜수 [ Hyesoo Cheon | 성신여자대학교 융합보안공학과 ] 주저자
  • 김성민 [ Seongmin Kim | 성신여자대학교 융합보안공학과 ] 교신저자

참고문헌

자료제공 : 네이버학술정보

간행물 정보

발행기관

  • 발행기관명
    한국융합보안학회 [Korea Information Assurance Society]
  • 설립연도
    2001
  • 분야
    공학>전자/정보통신공학
  • 소개
    본 학회는 사이버테러 및 정보전에 관한 학문연구ㆍ기술 개발ㆍ기반 구축을 도모하고 국내ㆍ외 관계기관과 학술교류와 정보교환을 통하여 회원 상호간의 전문지식을 배양하고, 궁극적으로는 국가 중요 정보기반구조를 보호함을 그 목적으로 한다.

간행물

  • 간행물명
    융합보안논문지 [Jouranl of Information and Security]
  • 간기
    연5회
  • pISSN
    1598-7329
  • 수록기간
    2001~2026
  • 등재여부
    KCI 등재
  • 십진분류
    KDC 005 DDC 005

이 권호 내 다른 논문 / 융합보안논문지 제25권 제3호

    피인용수 : 0(자료제공 : 네이버학술정보)

    함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.

      페이지 저장