摘要
医疗物联网（IoMT）和智能辅助技术的快速扩展，加剧了对资源优化型密码硬件的需求，以保护敏感的生物识别数据。密码硬件的性能主要依赖于模算术运算，尤其是域乘法。尽管二元扩域提供的无进位运算非常适合电池供电设备，但标准通用处理器缺乏执行这些运算所需的高效专用硬件。本文提出了一种新颖的多核模乘法算法，通过利用现代嵌入式多核系统的并行协调架构和高带宽互连来弥合这一差距。本文的核心是渐进式乘积约化（Progressive Product Reduction, PPR）范式，该范式通过将乘法和域约化阶段整合为统一的过程来优化硬件效率，从而最小化中间数据存储和计算深度。我们引入并分析了两种不同的架构策略——基于列分割的渐进式乘积约化（PPR-CD）和基于行分割的渐进式乘积约化（PPR-RD），并建立了严格的数学模型，以估算不同核心配置下的硬件面积、关键路径延迟和精确操作延迟。我们的性能评估表明，PPR-RD 架构实现了更优越的面积-延迟积（ADP）和能效比，为下一代辅助设备保护敏感生物识别数据提供了可扩展的框架。该实现确保了辅助设备的强大密码保护，同时保持了维持消费者信任、推进全球健康公平以及推动未来数字经济金融稳定性所必需的能源自主性和计算韧性。
