[发明专利]用于隐私计算的联邦学习加速器和RSA交集计算方法

权利要求书

1.一种加速器，其特征在于，所述加速器包括：

模乘计算单元，其中，所述模乘计算单元用于运行模乘运算；

模幂计算单元，其中，所述模幂计算单元用于运行模幂运算，所述模幂计算单元包括第一层数据分发模块，第一层数据合并模块和并行连接于所述第一层数据分发模块和所述第一层数据合并模块之间的多个第一层模幂计算引擎；和

控制器，

其中，所述控制器用于：

根据输入数据的数据标签而选择性地调用所述模乘计算单元或者所述模幂计算单元；

当所述模幂计算单元被调用时，根据所述输入数据调用所述多个第一层模幂计算引擎的一个或多个；

根据所调用的第一层模幂计算引擎的个数，通过所述第一层数据分发模块，将所述输入数据转换成由多个第一层数据组成的第一层数据组，所述多个第一层数据的总数与所调用的第一层模幂计算引擎的总数相同；

将所述第一层数据组的所述多个第一层数据分发给所调用的第一层模幂计算引擎进行并行运算；以及

通过所述第一层数据合并模块，将所调用的第一层模幂计算引擎的输出合并后得到输出数据。

2.根据权利要求1所述的加速器，其特征在于，所调用的第一层模幂计算引擎的至少一个第一层模幂计算引擎包括第二层数据分发模块，第二层数据合并模块和并行连接于所述第二层数据分发模块和所述第二层数据合并模块之间的多个第二层模幂计算引擎，其中，所述控制器还用于：

根据所述至少一个第一层模幂计算引擎的输入数据调用所述多个第二层模幂计算引擎的一个或多个；

根据所调用的第二层模幂计算引擎的个数，通过所述第二层数据分发模块，将所述至少一个第一层模幂计算引擎的输入数据转换成由多个第二层数据组成的第二层数据组，所述多个第二层数据的总数与所调用的第二层模幂计算引擎的总数相同；

将所述第二层数据组的所述多个第二层数据分发给所调用的第二层模幂计算引擎进行并行运算；以及

通过所述第二层数据合并模块，将所调用的第二层模幂计算引擎的输出合并后得到所述至少一个第一层模幂计算引擎的输出数据。

3.根据权利要求2所述的加速器，其特征在于，所调用的第二层模幂计算引擎的至少一个第二层模幂计算引擎包括第三层数据分发模块，第三层数据合并模块和并行连接于所述第三层数据分发模块和所述第三层数据合并模块之间的多个第三层模幂计算引擎，其中，所述控制器还用于：

根据所述至少一个第二层模幂计算引擎的输入数据调用所述多个第三层模幂计算引擎的一个或多个；

根据所调用的第三层模幂计算引擎的个数，通过所述第三层数据分发模块，将所述至少一个第二层模幂计算引擎的输入数据转换成由多个第三层数据组成的第三层数据组，所述多个第三层数据的总数与所调用的第三层模幂计算引擎的总数相同；

将所述第三层数据组的所述多个第三层数据分发给所调用的第三层模幂计算引擎进行并行运算；以及

通过所述第三层数据合并模块，将所调用的第三层模幂计算引擎的输出合并后得到所述至少一个第二层模幂计算引擎的输出数据。

4.根据权利要求1所述的加速器，其特征在于，根据所述输入数据调用所述多个第一层模幂计算引擎的一个或多个，包括，根据所述输入数据的带宽和所述第一层模幂计算引擎的最大处理带宽确定所调用的所述第一层模幂计算引擎的个数。

5.根据权利要求3所述的加速器，其特征在于，根据所述输入数据调用所述多个第一层模幂计算引擎的一个或多个，包括，根据所述输入数据的个数调用所述个数的第三层模幂计算引擎，根据所调用的第三层模幂计算引擎确定所调用的所述第一层模幂计算引擎的个数。

6.根据权利要求1所述的加速器，其特征在于，所述多个第一层模幂计算引擎的至少两个第一层模幂计算引擎包括至少一层并行架构，每一层并行架构包括多个并行连接的模幂计算引擎，所述至少两个第一层模幂计算引擎的一个所包括的并行架构的层次数不同于所述至少两个第一层模幂计算引擎的另一个所包括的并行架构的层次数。

7.根据权利要求6所述的加速器，其特征在于，所述多个第一层模幂计算引擎所包括的并行架构的层次数和分布预先设定。