Energy-efficient implementation of AES algorithm on 16nm FPGA
Notice bibliographique
Résumé
Cryptographic algorithms ensure security of data in CPSs, IoT and SCADA systems and platforms. Some researchers ascertained that the security processes have extensive effects on battery life of a device and FPGAs present a novel resolution for augmenting the performance of devices and the AES algorithm offers means to secure data transmission. In this research, we have analyzed the power consumption of the AES algorithm on 16nm Kintex Ultrascale+ FPGA for 5 different IO Standards to determine the least power consuming and an energy efficient architecture for its implementation. We have used Xilinx Vivado 2018.2 ISE for all the observations done in this work. Out of 5 IO Standards analyzed, POD12 and HSTL_I_12 IO Standards consumed least power and LVCMOS consumed maximum power. At output load of 10000pF, there is 94.92% savings in total on-chip power utilization when we migrate our design from LVCMOS18 to HSTL_I_12 and 94.88% savings in total on-chip power utilization when we migrate our design from LVCMOS18 to POD12. For further reducing the power consumption, different Green Computing techniques like frequency scaling, thermal scaling, clock gating etc can be applied. We may also execute our work on 3-D and 4-D ICs. The outcomes gained in this paper can assist in a more energy efficient FPGA implementation of AES.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».