fractalyze/prime-ir

# PrimeIR [](https://github.com/fractalyze/prime-ir/actions/workflows/ci.yml) **PrimeIR** 是一个用于密码学计算的中间表示 (IR)，构建于 [MLIR (多级中间表示)](https://mlir.llvm.org/) 之上。 PrimeIR 最初是为零知识 (ZK) 证明系统开发的，现已发展为支持更广泛的密码学应用，包括同态加密、数字签名以及其他基于素数域的协议。 PrimeIR 的核心目标是启用特定领域的自动化优化，并高效支持多样的、异构的后端，而无需对目标进行任何额外的微调。 ## 动机 密码学系统通常需要特定领域的算术运算，例如域乘法或模逆。这些运算很难在像 LLVM IR 这样的低级 IR 层面上表达和优化。 相比之下，具备密码学感知能力的高级 IR 能够保留代数结构和开发者的意图，从而提供以下优势： - **特定领域的优化**：MLIR 允许我们设计一种保留数学语义的领域特定语言 (DSL)。这使得诸如 $-(-x) = x$ 的简化成为可能。 - **硬件抽象**：MLIR 在设计之初就考虑了可扩展性，并为各种硬件目标提供了专用的 dialect——包括 [NVGPU](https://mlir.llvm.org/docs/Dialects/NVGPU/)、 [SPIR-V](https://mlir.llvm.org/docs/Dialects/SPIR-V/) 和 [AMDGPU](https://mlir.llvm.org/docs/Dialects/AMDGPU/)。这使得算法逻辑和特定于后端的代码生成之间能够实现清晰的分离。 PrimeIR 基于这一优势，允许高级计算和密码学运算的表达独立于其执行环境。这使得以下功能成为可能： - **将相同的 IR 重新定向**到多个硬件后端（CPU、GPU、FPGA），而无需重写逻辑。 - **对 lowering 策略进行细粒度控制**，例如根据目标硬件使用不同的流水线和分块策略。 - **面向未来的集成**，支持密码学加速器或分布式计算平台。 PrimeIR 没有将密码学计算强制通过以 CPU 为中心的路径，而是使得定义**具有硬件感知但与后端无关的 IR** 成为可能，从而在各种设备上保持性能和准确性。 ## 状态 - ✅：已完成 - 🟡：进行中 - ⚪：尚未开始 ### [ModArith](/prime_ir/Dialect/ModArith/IR/ModArithOps.td) - ✅ 快速 Montgomery 乘法 - ✅ Bernstein-Yang 批量求逆 - 🟡 专用 SIMD - ✅ AVX512 - 🟡 ARM Neon - ⚪ AVX2 - ⚪ DataFlow 分析 - Range 分析 - Montgomery 转换分析 ### [Field](/prime_ir/Dialect/Field/IR/FieldOps.td) - ✅ 素数域运算 (加法、倍乘、减法、取负、乘法、求逆、幂运算，...) - ⚪ 二进制域运算 - 🟡 扩展域运算 - ✅ 二次扩展域运算 - ✅ 三次扩展域运算 - ✅ 四次扩展域运算 - 🟡 五次扩展域运算 ### [TensorExt](/prime_ir/Dialect/TensorExt/IR/TensorExtOps.td) - ✅ 位反转规范化 ### [Elliptic Curve](/prime_ir/Dialect/EllipticCurve/IR/EllipticCurveOps.td) - ✅ 群运算 (加法、倍乘、减法、取负、标量乘法，...) - ✅ MSM ### [Poly](/prime_ir/Dialect/Poly/IR/PolyOps.td) - ✅ NTT / INTT ## 前置条件 1. 请遵循 [bazel 安装指南](https://bazel.build/install)。 2. 安装用于 benchmark 的可选依赖。 - Ubuntu sudo apt install libomp-dev - Macos brew install libomp ## 构建说明 1. 克隆 PrimeIR 仓库 git clone https://github.com/fractalyze/prime-ir 2. 构建 PrimeIR bazel build //... 3. 运行一个测试优化： 创建一个测试输入文件 `negate.mlir`： cat > negate.mlir < func.func @negate(%a: !PF) -> !PF { %0 = field.negate %a : !PF %1 = field.negate %0 : !PF return %1 : !PF } EOF 运行优化器： bazel run //tools:prime-ir-opt -- --canonicalize $(pwd)/negate.mlir 预期输出： !pf11 = !field.pf<11 : i32> module { func.func @negate(%arg0: !pf11) -> !pf11 { return %arg0 : !pf11 } } ## 社区 构建一个庞大的密码学编译器需要更广泛生态系统的协作——我们非常乐意让您参与到 PrimeIR 的塑造中来。请参阅 [fractalyze/CONTRIBUTING.md](https://github.com/fractalyze/.github/blob/main/CONTRIBUTING.md) 以获取一般性指南；如果您计划更新我们内置的 LLVM 补丁，或者需要关于如何使用外部 LLVM 检出的指导，请参阅此仓库中的 `CONTRIBUTING.md`。 我们使用 GitHub Issues 和 Pull Requests 来协调开发，较长时间的讨论在 [讨论区](https://github.com/fractalyze/prime-ir/discussions) 中进行。

标签：MLIR, 同态加密, 密码学, 异构计算, 手动系统调用, 编译器中间表示, 零知识证明