HiFA：一种高性能且灵活的加速框架，用于大规模数论变换

《ACM Transactions on Reconfigurable Technology and Systems》：HiFA: A High-Performance and Flexible Acceleration Framework for Large-Size Number Theoretic Transform

针对大规模数论变换（NTT）在FPGA上的性能瓶颈问题，本文提出HiFA框架。该框架通过堆叠NTT架构、新型排序模块和专用洗牌模块优化数据流，并结合自动参数搜索设计空间探索（DSE）实现硬件配置优化，实验表明其速度提升达2.97倍，能效比GPU方法高2.24倍。

　　

摘要

零知识证明（ZKP）和同态加密（HE）对于云、区块链和分析等应用中的数据隐私至关重要。然而，在实际应用中，这些技术往往面临性能挑战，尤其是在执行多项式乘法所需的数论变换（NTT）时，当涉及的大小超过2^20或整数宽度较大（例如256位）时尤为明显。FPGA为加速计算提供了一个有前景的平台，但由于片上资源有限，高效实现大尺寸的NTT仍然具有难度。广泛采用的四步NTT方法虽然减少了对外部大容量内存（HBM）的需求，但却引入了性能瓶颈。首先，传统的数据流NTT架构可能无法充分利用可用的计算能力，从而阻碍了性能的提升；此外，在矩阵转置阶段，对非顺序访问外部高带宽内存（HBM）会导致效率低下。

为了解决这些挑战，我们提出了HiFA，这是一个基于FPGA的自动加速框架，专为高性能和灵活的大尺寸NTT计算而设计。HiFA采用堆叠式NTT架构以实现高并行性，并通过一种新颖的重排序模块支持多种不同大小的多项式。同时，集成了一种专门的循环洗牌模块来优化矩阵转置过程中的数据传输，从而减少随机内存访问延迟。HiFA还提供了一个自动设计空间探索（DSE）框架，用于确定最优的四步分解参数并生成相应的硬件配置。实验表明，HiFA的FPGA实现相比现有的最先进FPGA解决方案，平均加速比达到了2.97倍，延迟降低了最多7.25倍；与基于GPU的方法相比，其平均能效提升了2.24倍。