[发明专利]一种基于GPU的Plonk算法加速方法

说明书

本发明公开了一种基于GPU的Plonk算法加速方法，包括输入步骤、分节步骤、运算步骤、获取步骤以及输出步骤，第一步，输入步骤，通过输入模块将用户信息进行输入，并对输入的用户信息进行预制分类，第二步，分节步骤，通过分节步骤将输入的用户信息进行分节，即将用户输入的用户名信息、密码信息、指纹信息、面部信息中的一种或多种进行分节，以得到分节信息，第三步，运算步骤，接收所述分节信息，对分节信息进行运算，以得到每个分节信息的数据信息。在本发明实施过程中，能够对用户信息进行加密，并能加快加密信息的运算速度。

技术领域

本发明属于算法加速方法技术领域，具体为一种基于GPU的Plonk算法加速方法。

背景技术

GPU是一种微处理器，因其提交较小，运算能够较强，被广泛应用于电脑、工作站以及一些游戏机上

且随着网络的不断发展，网络信息传输成为了现代传递信息的重要手段。而在网络社会中，用户在登录网站而获取信息时，其所需获取的信息时常遭到泄露，进而对用户产生不良的影响。为了解决此问题，市面上出现了部分能够防止用户信息泄露的加密算法，但由于加密算法步骤繁多，速度较慢，进而本申请公开了一种基于GPU的Plonk算法加速方法。

发明内容

针对上述情况，为克服现有技术的缺陷，本发明提供一种基于GPU的Plonk算法加速方法，有效的解决了背景技术中的问题。

为实现上述目的，本发明提供如下技术方案：一种基于GPU的Plonk算法加速方法，包括输入步骤、分节步骤、运算步骤、获取步骤以及输出步骤，

第一步，输入步骤，通过输入模块将用户信息进行输入，并对输入的用户信息进行预制分类，

第二步，分节步骤，通过分节步骤将输入的用户信息进行分节，即将用户输入的用户名信息、密码信息、指纹信息、面部信息中的一种或多种进行分节，以得到分节信息，

第三步，运算步骤，接收所述分节信息，对分节信息进行运算，以得到每个分节信息的数据信息，

第四步，获取步骤，将每个数据信息上传至数据库，并与数据库中的用户信息进行对比，且当各项信息与数据库中预存信息一致时，获取数据库中对应信息，

第五步，输出步骤，对从将数据库中的数据信息进行接收并输出。

优选的，所述输入步骤分为以下步骤，S1，输入用户名；S2，待匹配到存在此用户名时，提示输入密码与其他身份验证信息。

优选的，还包括数据优化步骤，且数据优化步骤位于分节步骤与运算步骤之间，数据优化步骤包括以下几步，

(一)、对用户名信息进行接收，并提取其中特征信息，

(二)、将用户名信息传递到获取步骤，将相似用户名信息的数据库中的数据信息进行初次获取。

优选的，所述运算步骤中还包括加密步骤，且加密步骤具体为，所述分节信息输入到加密模块中，加密模块内具有与每个分节信息对应的加密方法，待加密完成后，将加密后的信息传入到运算步骤中。

优选的，所述加密方法中包括有多个加密算法，在对分节信息进行加密时，加密算法随机匹配。

优选的，所述GPU为三核及三核以上的多核系统。

优选的，所述GPU系统为Linux系统。

与现有技术相比，本发明的有益效果是：

本发明在实施的时候，能够加快用户信息的获取速度，并对用户信息进行加密，避免在用户信息传输的过程中，将用户信息泄露，且加密算法方法为随机匹配，进一步对用户信息进行加密。

附图说明