ChaCha20 是一种流密码算法，用于生成伪随机数流。是我们日常访问 https 网页常用的 TLS 协议中的流加密算法之一。ChaCha20 算法的设计目标是在硬件不支持如 AES 等加密算法的情况下，提供一种高效且安全的软件加密算法。
ChaCha20 算法的核心是一个 4x4 的矩阵，矩阵中的元素是 32 位无符号整数。ChaCha20 算法的输入包括一个 256 位的密钥、一个 64 位的计数器和一个 64 位的随机数， 在我们的程序中通过 16 个 32 位无符号数组 state 表示 。ChaCha20 算法的输出是一个伪随机数流，将欲加密的数据与伪随机数流进行异或运算，即可得到加密后的数据。
我们在该仓库中提供了 OpenSSL 的 Chacha20 加密算法的 C 语言参考实现，您可以在 src/host/chacha20_c.c 文件中找到该实现。我们希望您能够在香山处理器上对该算法进行优化，算法按照以下格式定义：
typedef union {
u32 u[16];
u8 c[64];
} chacha_buf;
void chacha20(chacha_buf *output, const u32 input[16]);修改src/asm/chacha20.s文件，使得该算法在香山处理器上能更快速地运行。
目前该 baseline 是在使用 GCC 14.2，使用命令 riscv64-linux-gnu-gcc -O3 -march=rv64gc -Isrc -S -fverbose-asm src/host/chacha20_c.c 下生成的。
针对 x86-64 的 Debian / Ubuntu 系统，您可以使用以下命令安装必要的依赖：
sudo apt install make wget gcc gcc-riscv64-linux-gnu qemu-user香山 emu 我们已经基于 commit 1f23fd0f52e1d022ef0a6c2a206d3733263bac23 预编译为静态链接的 x86-64 Linux 的二进制文件，在 Makefile 中已经配置好了可以从网络下载的 url 。
针对其他平台的选手，可以自行按照该 commit 编译香山 emu，或自行配置 qemu-user、Rosetta 等二进制转换工具，如果实在有困难可以联系我们提供 x86-64 云服务器。
可选参数：
BENCH_LEN: 用于测试的数组长度
目标命令：
make validate: 验证优化后的算法在 QEMU 上是否正确make run: 在 香山模拟器上运行优化后的算法，查看性能指标make validate-rtl: 验证优化后的算法在香山模拟器上是否正确make clean: 清理编译产物
对于小数据验证，可以使用 make run 命令，该命令会在香山处理器上运行优化后的算法，并输出性能指标。
$ make run
./xs-emu -i ./chacha20_baremetal-256.bin --no-diff 2>/dev/null
xs-emu compiled at Mar 28 2025, 11:26:20
Using simulated 32768B flash
Using simulated 8386560MB RAM
The image is ./chacha20_baremetal-256.bin
Test Start!
Initial state generated for LEN=256 SEED=0xdeadbeef
Cycles: 143409
Final output:
ans[0] = 0xbe64d5a5
ans[1] = 0x83c6c3fa
ans[2] = 0xac710378
ans[3] = 0x858f0082
ans[4] = 0x207f2dc2
ans[5] = 0xeb5ee49e
ans[6] = 0x4f801257
ans[7] = 0x2e4f03c9
ans[8] = 0x74b07deb
ans[9] = 0x3e6dde54
ans[10] = 0x6dd3ddad
ans[11] = 0xee18cf6c
ans[12] = 0x053765e6
ans[13] = 0x79f814eb
ans[14] = 0x40b18db8
ans[15] = 0xa299c057
Core 0: HIT GOOD TRAP at pc = 0x80010002
Core-0 instrCnt = 452,265, cycleCnt = 171,941, IPC = 2.630350
Seed=0 Guest cycle spent: 171,945 (this will be different from cycleCnt if emu loads a snapshot)
Host time spent: 16,376ms其中，我们观测到 Cycles: 143409 ，表示该大小的数据处理时间为 143409 个时钟周期。该数值越小则性能越好。
评分时采用数据大小：BENCH_LEN=4096
基本要求：
- 优化后的算法在香山处理器 RTL 模拟器上能够正确运行
即：通过
make validate-rtl BENCH_LEN=4096
性能要求：
对于参赛者按照优化后的算法在香山处理器的 RTL 模拟器上运行的时钟周期数进行排名，使用命令 make run BENCH_LEN=4096 获得时钟周期数对参赛者的提交进行排名，周期数越小，排名越靠前。
提交的代码为 src/chacha20.s 修改后的版本，如果发现了有必要使用新的扩展指令，且该扩展已经在该版本的香山 RTL 中实现，可以修改 Makefile 中的 -march 参数。若有修改 CSR 寄存器的需求，也可以修改整个框架，但需要在文档中说明。
允许选手提交自己优化编译器的自动向量化生成的代码，或基于已有开源实现的基础上进行进一步优化，但需要附上详细的说明文档说明参考算法的来源，编译器以及参数的改动，优化前后的对比。
禁止选手的代码出现了任何失去了算法通用性的优化，包括但不限于：
- 设计上无法支持所有的 state 输入
- 直接输出固定的结果
我们首先观察最简单的 C 语言实现的 Chacha20 算法：
# define ROTATE(v, n) (((v) << (n)) | ((v) >> (32 - (n))))
/* QUARTERROUND updates a, b, c, d with a ChaCha "quarter" round. */
# define QUARTERROUND(a,b,c,d) ( \
x[a] += x[b], x[d] = ROTATE((x[d] ^ x[a]),16), \
x[c] += x[d], x[b] = ROTATE((x[b] ^ x[c]),12), \
x[a] += x[b], x[d] = ROTATE((x[d] ^ x[a]), 8), \
x[c] += x[d], x[b] = ROTATE((x[b] ^ x[c]), 7) )
/* chacha_core performs 20 rounds of ChaCha on the input words in
* |input| and writes the 64 output bytes to |output|. */
void chacha20(chacha_buf *output, const u32 input[16])
{
u32 x[16];
int i;
for (int i = 0; i < 16; i++) {
x[i] = input[i];
}
for (i = 20; i > 0; i -= 2) {
QUARTERROUND(0, 4, 8, 12);
QUARTERROUND(1, 5, 9, 13);
QUARTERROUND(2, 6, 10, 14);
QUARTERROUND(3, 7, 11, 15);
QUARTERROUND(0, 5, 10, 15);
QUARTERROUND(1, 6, 11, 12);
QUARTERROUND(2, 7, 8, 13);
QUARTERROUND(3, 4, 9, 14);
}
for (i = 0; i < 16; ++i)
output->u[i] = x[i] + input[i];
}我们可以发现， ChaCha20 的核心计算操作是 ROTATE ，即循环左移操作。该操作在 RV64GC 指令集上通常使用 slli, srli, or 三条指令实现。但在 RISC-V 的 Zbb 扩展中，提供了 rol 指令，可以直接实现循环左移操作。我们可以使用该指令来优化 ChaCha20 算法的性能。更进一步地， RISC-V Vector 以及 Zvbb 扩展也有指令提供了类似的功能，这一步留给选手根据相关的指令集手册和文档进行进一步的优化。
我们建议选手在实现了指令集扩展后，通过香山模拟器提供的性能计数器信息（该信息会输出到 xs-emu 的 stderr 输出中，可通过修改 Makefile 中的 ./xs-emu 2> /dev/null 到 ./xs-emu 2> xs.log）来分析性能瓶颈，进一步优化指令的排布、寄存器的分配、 Vector lmul 等参数的设置，来进一步提升性能。