我们经常忘记计算的能量足迹,但时钟的每一次 tick 都会消耗更多的能量,而且处理器承受的压力越大,消耗的能量就越多。总的来说,这个足迹是巨大的并且在增长,包括消费设备、数据中心和连接网络:
图 1
Ayers 等人估计,全球排放量中约有 1.7% 来自 ICT 行业,而且能源足迹增长迅速。就电信基础设施而言,能源消耗目前占地球上所有能源消耗的 1% (258 TWh)。
随着能源消耗的增加,我们需要了解能量受限设备(如 IoT 和嵌入式设备)消耗了多少能量。这些设备的电力供应通常有限,例如电池供电,甚至可以通过无线电发射供电(例如被动 RFID 标签)。因此,能源消耗将对设备的操作产生重大影响。
对于密码学方法,因此重要的是了解我们转向后量子密码学方法的基本能量足迹。我们的新论文概述了在嵌入式设备上使用 OpenSSL 3.5 的 ML-KEM 与传统方法的实验工作 :
图 2
对 PQC 的支持最近已添加到 OpenSSL 3.5 版本中,因此我们在 Raspberry Pi 上评估了此版本。该设置使用了 TC66C 电表用于测量电源的能量:
这样,就设置了一个 Windows 收集器代理,以向 R-PI 发送信号以启动实验:
在实验开始之前,有一个延迟,以便让事情稳定下来,然后实验开始,针对给定的参数集,包括安全级别和各种算法。使用的级别和方法包括经典方法(例如 ECC 和 RSA)和 ML-KEM:
每种算法每 1,000 次密钥生成的焦耳能量率的结果:
我们可以看到,RSA 是迄今为止最耗能的,而对于 ML-KEM 512,其消耗与 EC P-256 相当。对于 ML-KEM-1024,能量消耗远低于 P-521。
如果你想阅读全文,请访问以下链接:
嵌入式设备上后量子密钥生成的能耗框架和分析
与 RSA 密钥生成相比,ML-KEM 的效率要高得多,并且与椭圆曲线方法相当。
[1] Ayers, S., Ballan, S., Gray, V., & McDonald, R. (2023). Measuring the emissions and energy footprint of the ICT sector: Implications for climate action.
原文链接: https://medium.com/asecuritysite-when-bob-met-alice/energy-footprint-of-pqc-key-generation-92a3d733d76f 登链社区 AI 助手,为大家转译优秀英文文章,如有翻译不通的地方,还请包涵~
登链社区是一个 Web3 开发者社区,通过构建高质量技术内容平台和线下空间,助力开发者成为更好的 Web3 Builder。
【免责声明】市场有风险,投资需谨慎。本文不构成投资建议,用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资,责任自负。