مدل سازی VHDL یک رمز کننده کم مصرف AES
Publish place: Computer engineering and need-based research The latest achievements in information technology
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,272
This Paper With 23 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
COMPUTER02_062
تاریخ نمایه سازی: 2 تیر 1395
Abstract:
با پیشرفت علم و تکنولوژی هر روز میلیون ها نفر از کاربران به تولید و تبادل حجم زیادی از اطلاعات در زمینه های مختلف می پردازند که نه تنها در حمل و نقل اطلاعات بلکه در ذخیره سازی اطلاعات نیاز به امنیت کامل دارند. با گذشت زمان الگوریتم های رمزنگاری بسیاری بوجود آمده، سند سازی شدند. این مقاله پیشنهاد پیاده سازی الگوریتم استاندارد رمزنگاری پیشرفته (AES) دارای چهار تبدیل: جانشینی بایت ها، شیفت چرخشی بایت ها، تلفیق و درهم سازی و همچنین جمع (XOR) کلید با کلمات در هر دوره است. این مقاله پیاده سازی الگوریتم را با معماری خط لوله (Pipelining) بر روی تراشه Xilinx Virtex6 انجام داده است. یکی از پیشنهاداتی که در این مقاله شده است، بدین صورت است که به جای استفاده از بلوک های تبدیلات جانشینی بایت ها و شیفت چرخشی بایت ها، آن دو را در یک بلوک قرار دهد که باعث کاهش مصرف می شود، و در جاهایی استفاده می شود که نیاز به سطح کم باشد از قبیل کارت های کوچک هوشمند و تلفن های سلولی و یا موبایل مورد استفاده قرار می گیرد. در بسیاری از کارهای گذشته برای پیاده سازی تبدیلات جانشینی بایت ها و معکوس آن معمولاً از جدول مراجعه (LUT) استفاده شده اما در این مقاله برای کم کردن بروندهی به جای استفاده از جدول مراجعه که فضای زیادی را در حافظه اشغال می کند، با پیاده سازی آن توسط اشتراک گذاری منبع برای تبدیل جانشنی بایت ها توانسته حجم کمتری از حافظه را اشغال کند و نیز توان تبدیل جانشینی بایت ها 3% نسبت به حالت معمولی کاهش دهد، روش های ارائه شده توسط VHDLModelsim-SE شبیه سازی شده است.
Keywords:
Authors
احسان فوداجی
دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی واحد بین المللی کیش- ارائه دهنده
مهدی صادق زاده
استاد دانشگاه، دانشگاه آزاد اسلامی واحد بین المللی کیش
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :