LLM4PQC - 基于反馈驱动的大语言模型实现PQC核心的精准高效综合

Buddhi Perera; Zeng Wang; Weihua Xiao; Mohammed Nabeel; Ozgur Sinanoglu; Johann Knechtel; Ramesh Karri

LLM4PQC - 基于反馈驱动的大语言模型实现PQC核心的精准高效综合

密码学与安全 2026-03-10 v2

作者: Buddhi Perera , Zeng Wang , Weihua Xiao , Mohammed Nabeel , Ozgur Sinanoglu , Johann Knechtel , Ramesh Karri

摘要

后量子密码(PQC)硬件设计是一个复杂且层次化的过程，面临诸多挑战。主要瓶颈之一是将PQC参考代码从C转换为高级综合(HLS)规范，这需要大量手动重构。另一个瓶颈是面向复杂PQC原语(包括数论变换(NTT)加速器和宽内存接口)的综合可扩展性。虽然大语言模型(LLMs)在一般-purpose语言如Python中显示出惊人的编码成果，但针对硬件设计的编码更具挑战性;反馈驱动和智能体集成是成功的SOTA方法的关键原则。本文提出LLM4PQC，一个基于LLM的框架，将高级PQC规范和参考C代码重构为HLS就绪和可综合C代码。我们的框架生成并验证所得RTL代码。为正确性，我们利用一级检查覆盖快速C编译和仿真以及RTL仿真。针对NIST PQC参考设计的案例研究表明，与传统流程相比，LLM4PQC减少了手动工作量并加速了设计空间探索。总体而言，LLM4PQC为综合复杂硬件加速器提供了一个强大且高效的途径。

关键词

大语言模型后量子密码 HLS 数论变换硬件综合

引用

@article{arxiv.2602.09919,
  title  = {LLM4PQC - Accurate and Efficient Synthesis of PQC Cores by Feedback-Driven LLMs},
  author = {Buddhi Perera and Zeng Wang and Weihua Xiao and Mohammed Nabeel and Ozgur Sinanoglu and Johann Knechtel and Ramesh Karri},
  journal= {arXiv preprint arXiv:2602.09919},
  year   = {2026}
}

备注

Accpeted at DATE 26

LLM4PQC - 基于反馈驱动的大语言模型实现PQC核心的精准高效综合

摘要

关键词

引用

备注

相关论文