密码S盒即黑盒，作为对称密码算法中的非线性部件，其代数性质往往决定着密码算法的安全性能。差分均匀度、非线性度及透明阶作为衡量密码S盒安全性质的三个基本指标，分别刻画了S盒抵御差分密码分析、线性密码分析及差分功耗攻击的能力。当密码S盒输入尺寸较大（如S盒输入长度大于15比特）时在中央处理器（CPU）中的求解所需时间仍过长，甚至求解不可行。如何针对大尺寸输入密码S盒的代数性质进行快速评估是目前业界的研究热点。基于图形处理器（GPU）提出一种快速评估密码S盒代数性质的方法。该方法利用切片技术将内核函数拆分至多线程，并结合求解差分均匀度、非线性度及透明阶的特征提出优化方案，从而实现并行计算。测试结果表明，与基于CPU的实现环境相比，基于单块GPU的环境下的实现效率得到了显著的提升。具体来说，计算差分均匀度、非线性度及透明阶所花时间分别节省了90.28%、78.57%、60%，验证了该方法的有效性。

随着通信技术的发展，通信终端逐渐采用软件的方式来兼容多种通信制式和协议。针对以计算机中央处理器（CPU）作为运算单元的传统软件无线电架构，无法满足高速无线通信系统如多进多出（MIMO）等宽带数据的吞吐率要求问题，提出了一种基于图形处理器（GPU）的低密度奇偶校验（LDPC）码译码器的加速方法。首先，根据GPU并行加速异构计算在GNU Radio 4G/5G物理层信号处理模块中的加速表现的理论分析，采用了并行效率更高的分层归一化最小和（LNMS）算法；其次，通过使用全局同步策略、合理分配GPU内存空间以及流并行机制等方法减少了译码器的译码时延，同时配合GPU多线程并行技术对LDPC码的译码流程进行了并行优化；最后，在软件无线电平台上对提出的GPU加速译码器进行了实现与验证，并分析了该并行译码器的误码率性能和加速性能的瓶颈。实验结果表明，与传统的CPU串行码处理方式相比，CPU+GPU异构平台对LDPC码的译码速率可提升至原来的200倍左右，译码器的吞吐量可以达到1 Gb/s以上，特别是在大规模数据的情况下对传统译码器的译码性有着较大的提升。