面向数据依赖型密码服务的低时延调度

doi:10.11772/j.issn.1001-9081.2025040391

《计算机应用》唯一官方网站 ›› 2026, Vol. 46 ›› Issue (3): 867-876.DOI: 10.11772/j.issn.1001-9081.2025040391

面向数据依赖型密码服务的低时延调度

宫明旭¹, 张伟¹^,²^,³, 冯温迪¹^,⁴(), 沐华平⁵

^1.北京信息科技大学计算机学院，北京 102206
^2.北京未来区块链与隐私计算高精尖中心（北京信息科技大学），北京 102206
^3.国家经济安全预警工程北京实验室（北京信息科技大学），北京 102206
^4.网络与交换技术全国重点实验室（北京邮电大学），北京 100876
^5.海南离岸数据研究院，海南文昌 571399

收稿日期:2025-04-17 修回日期:2025-06-14 接受日期:2025-06-23 发布日期:2025-07-18 出版日期:2026-03-10
通讯作者: 冯温迪
作者简介:宫明旭（2000—），女，河北石家庄人，硕士研究生，主要研究方向：网络和数据安全、任务调度
张伟（1980—），男，山东临清人，教授，博士，主要研究方向：网络和数据安全、软硬件协同设计
沐华平（1965—），男，江苏兴化人，副教授，博士，主要研究方向：跨境数据、隐私计算、智能感知、数据挖掘。
基金资助:
国家自然科学基金资助项目(62402049);国家重点研发计划项目(2022YFC3320903);北京市教委计划项目(KM202311232005);网络与交换技术国家重点实验室（北京邮电大学）开放课题(SKLNST-2023-1-01);北京未来区块链与隐私计算高精尖中心-国家经济安全预警工程北京实验室项目

Low-latency scheduling for data-dependent cryptographic services

Mingxu GONG¹, Wei ZHANG¹^,²^,³, Wendi FENG¹^,⁴(), Huaping MU⁵

^1.College of Computer Science，Beijing Information Science and Technology University，Beijing 102206，China
^2.Advanced Innovation Center for Future Blockchain and Privacy Computing （Beijing Information Science and Technology University），Beijing 102206，China
^3.Beijing Laboratory of National Economic Security Early-warning Engineering （Beijing Information Science and Technology University），Beijing 102206，China
^4.State Key Laboratory of Networking and Switching Technology （Beijing University of Posts and Telecommunications），Beijing 100876，China
^5.Hainan Offshore Data Institute，Wenchang Hainan 571399，China

Received:2025-04-17 Revised:2025-06-14 Accepted:2025-06-23 Online:2025-07-18 Published:2026-03-10
Contact: Wendi FENG
About author:GONG Mingxu， born in 2000， M. S. candidate. Her research interests include network and data security， task scheduling.
ZHANG Wei， born in 1980， Ph. D.， professor. His research interests include network and data security， hardware-software co-design.
MU Huaping， born in 1965， Ph. D.， associate professor. His research interests include cross-border data， privacy computing， intelligent perception， data mining.
Supported by:
National Natural Science Foundation of China(62402049);National Key Research and Development Program of China(2022YFC3320903);Program of Beijing Municipal Education Commission(KM202311232005);Open Foundation of State Key Laboratory of Networking and Switching Technology （Beijing University of Posts and Telecommunications）(SKLNST-2023-1-01);Project of Advanced Innovation Center for Future Blockchain and Privacy Computing and Beijing Laboratory of National Economic Security Early-warning Engineering

摘要/Abstract

摘要：

针对密码云中密码服务的种类多样性和密码任务之间的复杂依赖关系易导致异构密码引擎间频繁通信从而产生较大通信时延的问题，构建面向密码云数据依赖类型密码服务的最优低时延任务映射数学模型，该模型以最小化服务的最大完成时间为目标。该问题已被证明属于非确定性多项式难（NP-hard）问题。因此，设计一种高效的启发式调度算法。首先，基于历史调度数据分析建立任务长度阈值机制，从而实现初始任务分配优化；其次，使用关键任务识别方法定位潜在时延瓶颈任务，并动态调整关键任务的调度顺序以降低对整体完成时间的影响；最后，采用任务传输-执行时间平衡策略进一步优化任务在异构引擎间的分布以降低任务的整体时延。实验结果表明，在小规模数据集上，该算法的密码服务完成时间与最优解的平均差距仅为8.67%，调度求解速度提升8.62倍；而在大规模数据集上的密码服务完成时间相较于随机和长任务优先方法分别缩短了84.67%和82.15%。

关键词: 云安全, 密码服务, 任务调度, 异构计算资源, 低时延, 启发式算法

Abstract:

In view of the diversity of cryptographic service types and complex interdependencies between cryptographic tasks in cryptographic clouds， leading to frequent communication between heterogeneous cryptographic engines， which can cause large communication latencies， a mathematical model for optimal low-latency task mapping for cryptographic services for data dependency types in cryptographic clouds was constructed. The objective of the model is to minimize the maximum service completion time. And it is proved that the problem is an Non-deterministic Polynomial hard （NP-hard） problem. To this end， an efficient heuristic scheduling algorithm was designed. Firstly， a task-length threshold mechanism was established on the basis of historical scheduling data analysis for initial task allocation optimization. Secondly， a critical task identification method was used to locate potential latency bottleneck tasks， and the scheduling order of critical tasks was adjusted dynamically to reduce the impact on the overall completion time. Finally， a task transfer-execution time balancing strategy was adopted to further optimize the distribution of tasks between heterogeneous engines， so as to reduce the overall task latency. Experimental results show that on a small-scale dataset， the average gap between the cryptographic service completion time of the proposed algorithm and the optimal solution is only 8.67%， with a scheduling speed improvement of 8.62 times. On a large-scale dataset， the cryptographic service completion time is reduced by 84.67% and 82.15% compared to the random and long-task-first methods， respectively.

Key words: cloud security, cryptographic service, task scheduling, heterogeneous computing resource, low-latency, heuristic algorithm

中图分类号:

TP393

宫明旭, 张伟, 冯温迪, 沐华平. 面向数据依赖型密码服务的低时延调度[J]. 计算机应用, 2026, 46(3): 867-876.

Mingxu GONG, Wei ZHANG, Wendi FENG, Huaping MU. Low-latency scheduling for data-dependent cryptographic services[J]. Journal of Computer Applications, 2026, 46(3): 867-876.

图/表 4

图1 研究动机的举例说明

Fig. 1 Example demonstration of research motivation

图2 任务阈值长度对性能的影响

Fig. 2 Impact of task threshold length on performance

图3 小规模数据集上的性能对比

Fig. 3 Performance comparison on small-scale dataset

图4 真实世界大规模数据集上的性能对比

Fig. 4 Performance comparison on real-world large-scale dataset

参考文献 33

[1]	AKBAR H， ZUBAIR M， MALIK M S. Security issues and challenges in cloud computing ［J］. International Journal for Electronic Crime Investigation， 2023， 7（1）： 9-28.
[2]	KUMAR A， TIWARI G， MALVIYA A. Emerging security challenges in advanced cloud computing environment ［C］// Proceedings of the 2nd International Conference on Advancements and Key Challenges in Green Energy and Computing. Piscataway： IEEE， 2024： 1-7.
[3]	TOULAS B. Data breach at Japanese telecom giant NTT hits 18，000 companies ［EB/OL］. ［2025-03-15］. .
[4]	RAO P M， DEEBAK B D. Security and privacy issues in smart cities/industries： technologies， applications， and challenges ［J］. Journal of Ambient Intelligence and Humanized Computing， 2023， 14（8）： 10517-10553.
[5]	MIRYALA N K， GUPTA D. Data security challenges and industry trends ［J］. International Journal of Advanced Research in Computer and Communication Engineering， 2022， 11（11）： 300-309.
[6]	LIN Y C， ZHANG B， PRASANNA V K. HitGNN： high-throughput GNN training framework on CPU+ multi-FPGA heterogeneous platform ［J］. IEEE Transactions on Parallel and Distributed Systems， 2024， 35（5）： 707-719.
[7]	ZHUANG J， LAU J， YE H， et al. CHARM 2.0： composing heterogeneous accelerators for deep learning on Versal ACAP architecture ［J］. ACM Transactions on Reconfigurable Technology and Systems， 2024， 17（3）： No.51.
[8]	FARRELLY S， MANUMACHU R R， LASTOVETSKY A. OpenH： a novel programming model and API for developing portable parallel programs on heterogeneous hybrid servers ［J］. IEEE Access， 2024， 12： 23666-23694.
[9]	DURGE R S， DESHMUKH V M. Securing cloud data： a hybrid encryption approach with RSA and AES for enhanced security and performance ［J］. Journal of Integrated Science and Technology， 2025， 13（3）： No.1060.
[10]	LAI J F， HENG S H. Secure file storage on cloud using hybrid cryptography ［J］. Journal of Informatics and Web Engineering， 2022， 1（2）： 1-18.
[11]	LI Z， ZHANG Y， DING A， et al. Efficient algorithms for task mapping on heterogeneous CPU/GPU platforms for fast completion time ［J］. Journal of Systems Architecture， 2021， 114： No.101936.
[12]	XU H， LIU Y， LAU W C. Optimal job scheduling with resource packing for heterogeneous servers ［J］. IEEE/ACM Transactions on Networking， 2021， 29（4）： 1553-1566.
[13]	LIN Z， LI C， TIAN L， et al. A scheduling algorithm based on reinforcement learning for heterogeneous environments ［J］. Applied Soft Computing， 2022， 130： No.109707.
[14]	SULAIMAN M， HALIM Z， LEBBAH M， et al. An evolutionary computing-based efficient hybrid task scheduling approach for heterogeneous computing environment ［J］. Journal of Grid Computing， 2021， 19（1）： No.11.
[15]	KRISHNASAMY K G， PERIASAMY S， PERIASAMY K， et al. A pair-task heuristic for scheduling tasks in heterogeneous multi-cloud environment ［J］. Wireless Personal Communications， 2023， 131（2）： 773-804.
[16]	左俊杰，肖锋，黄姝娟，等. 一种新的异构多核平台下多类型DAG调度方法［J］. 计算机应用研究， 2025， 42（2）： 514-518.
	ZUO J J， XIAO F， HUANG S J， et al. Novel scheduling method for multi-type DAG on heterogeneous multi-core platforms ［J］. Application Research of Computers， 2025， 42（2）： 514-518.
[17]	杨晨，肖晶，王密. 基于数据流分割和能耗感知的异构服务器系统任务调度［J］. 计算机科学， 2025， 52（2）： 291-298.
	YANG C， XIAO J， WANG M. Task scheduling in heterogeneous server systems based on data splitting and energy-aware strategies［J］. Computer Science， 2025， 52（2）： 291-298.
[18]	关川江，李建鹏，史国振，等. 基于关联数据本地化的多密码作业流调度算法［J］. 计算机工程与科学， 2020， 42（11）： 1988-1995.
	GUAN C J， LI J P， SHI G Z， et al. A cloud cipher job stream scheduling algorithm based on associated data localization［J］. Computer Engineering and Science， 2020， 42（11）： 1988-1995.
[19]	李建鹏，史国振，李莉，等. 异构云环境中的实时密码服务调度策略［J］. 计算机工程， 2019， 45（10）： 1-7.
	LI J P， SHI G Z， LI L， et al. Scheduling strategy for real-time cipher service in heterogeneous cloud environment ［J］. Computer Engineering， 2019， 45（10）： 1-7.
[20]	寇文龙，张宇阳，李凤华，等. 密码服务资源按需高效调度方案［J］. 通信学报， 2022， 43（6）： 108-118.
	KOU W L， ZHANG Y Y， LI F H， et al. On-demand and efficient scheduling scheme for cryptographic service resource ［J］. Journal on Communications， 2022， 43（6）： 108-118.
[21]	曹晓刚，李凤华，耿魁，等. 云环境下协同作业的密码服务优化调度算法［J］. 通信学报， 2024， 45（7）： 84-100.
	CAO X G， LI F H， GENG K， et al. Cryptographic service optimization scheduling algorithm for collaborative jobs in cloud environment［J］. Journal on Communications， 2024， 45（7）： 84-100.
[22]	李莉，史国振，耿魁，等. 密码芯片的多算法随机作业流调度方法［J］. 通信学报， 2016， 37（12）： 86-94.
	LI L， SHI G Z， GENG K， et al. Stochastic job stream scheduling method for cipher chip with multi-cryptography ［J］. Journal on Communications， 2016， 37（12）： 86-94.
[23]	AMJAD M K， BUTT S I， KOUSAR R， et al. Recent research trends in genetic algorithm based flexible job shop scheduling problems ［J］. Mathematical Problems in Engineering， 2018， 2018： No.9270802.
[24]	郑佳乐，韩跃平，唐道光. FPGA平台SM3密码杂凑算法的优化设计［J］. 单片机与嵌入式系统应用， 2023， 23（5）： 33-36， 39.
	ZHENG J L， HAN Y P， TANG D G. Optimization design of SM3 cryptographic hash algorithm on FPGA platform ［J］. Microcontrollers & Embedded Systems， 2023， 23（5）： 33-36， 39.
[25]	DONG J， LU S， ZHANG P， et al. G-SM3： high-performance implementation of GPU-based SM3 hash function ［C］// Proceedings of the IEEE 28th International Conference on Parallel and Distributed Systems. Piscataway： IEEE， 2023： 201-208.
[26]	OpenSSL. OpenSSL homepage ［EB/OL］. ［2025-03-11］..
[27]	SHAHBAZI K， KO S B. High throughput and area‐efficient FPGA implementation of AES for high-traffic applications ［J］. IET Computers and Digital Techniques， 2020， 14（6）： 344-352.
[28]	LI J， XIE W， LI L， et al. Parallel implementation and optimization of SM4 based on CUDA ［C］// Proceedings of the 2021 EAI International Conference on Applied Cryptography in Computer and Communications， LNICST 386. Cham： Springer， 2021： 93-104.
[29]	WU T， YE J， LU J. Hardware implementation of SM2 ECC protocols on FPGAs ［C］// Proceedings of the IEEE 5th Information Technology， Networking， Electronic and Automation Control Conference. Piscataway： IEEE， 2021： 33-37.
[30]	FADHIL H M， YOUNIS M I. Parallelizing RSA algorithm on multicore CPU and GPU ［J］. International Journal of Computer Applications， 2014， 87（6）： 15-22.
[31]	AL-SHARAEH S， WELLS B E. A comparison of heuristics for list schedules using the Box-method and P-method for random digraph generation ［C］// Proceedings of 28th Southeastern Symposium on System Theory. Piscataway： IEEE， 1996： 467-471.
[32]	Optimization Gurobi. Gurobi homepage［EB/OL］. ［2025-01-15］..
[33]	CAIDA. The CAIDA UCSD anonymized internet traces ［DB/OL］. ［2024-03-15］..

面向数据依赖型密码服务的低时延调度

Low-latency scheduling for data-dependent cryptographic services

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 4

参考文献 33

相关文章 15

编辑推荐

Metrics

[1]	罗蒙, 高超, 王震. 基于带约束谱聚类的启发式车辆路径规划算法优化方法[J]. 《计算机应用》唯一官方网站, 2025, 45(5): 1387-1394.
[2]	郭新明, 刘蕊, 谢飞, 林德钰. 无线视频传感器网络β-QoM目标栅栏覆盖构建算法[J]. 《计算机应用》唯一官方网站, 2023, 43(9): 2877-2884.
[3]	尚绍法, 蒋林, 李远成, 朱筠. 异构平台下卷积神经网络推理模型自适应划分和调度方法[J]. 《计算机应用》唯一官方网站, 2023, 43(9): 2828-2835.
[4]	高智慧, 韩萌, 刘淑娟, 李昂, 穆栋梁. 基于智能优化算法的高效用项集挖掘方法综述[J]. 《计算机应用》唯一官方网站, 2023, 43(6): 1676-1686.
[5]	方和平, 刘曙光, 冉泳屹, 钟坤华. 基于深度强化学习的多数据中心一体化调度优化[J]. 《计算机应用》唯一官方网站, 2023, 43(6): 1884-1892.
[6]	谢振杰, 付伟. 基于可审计多副本的云存储差错副本恢复机制[J]. 《计算机应用》唯一官方网站, 2023, 43(4): 1102-1108.
[7]	宋文帅, 邓淼磊, 马米米, 李昊宸. 可搜索公钥加密研究进展[J]. 《计算机应用》唯一官方网站, 2023, 43(3): 794-803.
[8]	宁明超, 张俊勃, 陈戈. 基于面向服务架构的工业软件的任务调度算法[J]. 《计算机应用》唯一官方网站, 2023, 43(3): 885-893.
[9]	刘乾, 张洋铭, 万定生. 网格化分布式新安江模型并行计算算法[J]. 《计算机应用》唯一官方网站, 2023, 43(11): 3327-3333.
[10]	吴仁彪, 张振驰, 贾云飞, 乔晗. 云平台下基于截止时间的自适应调度策略[J]. 《计算机应用》唯一官方网站, 2023, 43(1): 176-184.
[11]	姜松岩, 廖晓鹃, 陈光柱. 基于可满足性模理论的多处理机通信延迟优化任务调度方法[J]. 《计算机应用》唯一官方网站, 2023, 43(1): 185-191.
[12]	肖智豪, 胡志华, 朱琳. 求解冷链物流时间依赖型车辆路径问题的混合自适应大邻域搜索算法[J]. 《计算机应用》唯一官方网站, 2022, 42(9): 2926-2935.
[13]	张新明, 温少晨, 刘尚旺. 差分扰动的堆优化算法[J]. 《计算机应用》唯一官方网站, 2022, 42(8): 2519-2527.
[14]	张金泉, 徐寿伟, 李信诚, 王重洋, 徐景芝. 基于正交自适应鲸鱼优化的云计算任务调度[J]. 《计算机应用》唯一官方网站, 2022, 42(5): 1516-1523.
[15]	杨杰, 张名扬, 芮晓彬, 王志晓. 融合节点覆盖范围和结构洞的影响力最大化算法[J]. 《计算机应用》唯一官方网站, 2022, 42(4): 1155-1161.