基于GPU的AES算法实现

对实验结果进行优化。通过优化，可以提高超过两倍的加速效果，在数据量大时，优化结果更为明显，如图2所示。

5 结论
本文介绍了在GPU上实现AES加密算法的方法。首先介绍了AES算法，然后对CUDA中的GPU结构和CUDA编程模型进行了深入的研究。最后在GPU和CPU平台上对设计进行了实验对比，取得了理想的加速效果。其实在大多数应用情况下，目前计算机显卡配置的GPU运算潜能并没有完全释放出来，本文介绍的加密方法是GPU通用计算具体应用的一个体现。虽然目前以CUDA为代表的GPU仍然存在精度不高，程序编写限制较多的缺点，但随着并行流处理概念的进一步发展，GPU通用计算技术将在各个领域发挥更大的作用。