組み込み環境における耐量子アルゴリズムのメモリ使用量

組み込み環境では、動作速度・フットプリントサイズ・メモリ使用量のトレードオフについて熟考しなければならないケースがほとんどです。今回は、wolfSSLのメモリ使用量についてご紹介します。

これは、耐量子暗号アルゴリズムであるML-KEMやML-DSAを使用する場合に特に重要です。ECDSAやECDHなどの従来型アルゴリズムと比較して、概ね同等、あるいは高速に動作しますが、より多くのメモリを必要とします。

Raspberry Pi 5上でwolfSSLのtestwolfcryptをビルドして実行し、3つのパターンで統計情報を取得しました。結果を以下に示します。

描画に使用した元データは本稿末尾に掲載しています。

・スタックとヒープのトレードオフ

構成(c)のようにWOLFSSL_SMALL_STACKを有効にすることで、スタック使用量が約23〜42 KB → 2,112 Bと大幅に削減できています。

・ML-KEM メモリスケーリング

ML-KEMでは、メモリ使用量がセキュリティレベルと対応して増減することが確認できます。

　例：構成(a) Small Code

• ML-KEM-512：約31KB
• ML-KEM-768：約44KB
• ML-KEM-1024：約59KB

・ML-DSAの高いヒープ使用量

ML-DSAは、ML-KEMと比較して非常に多くのヒープメモリを使用します。

　例：構成(a) Small Code

• ML-KEM：7〜17 KB
• ML-DSA：50〜120 KB

・省メモリ最適化

構成(b)、構成(c)のように省メモリ設定フラグを追加することで、ML-KEMで10〜15％、ML-DSAで50〜65％のメモリ使用量を削減できています。

各構成で使用した設定とコマンドは以下のとおりです。

構成(a)

$ ./configure –enable-dilithium=all,44,small –enable-mlkem=all,512,small –enable-trackmemory=verbose –enable-stacksize=verbose
$ make
$ ./wolfcrypt/test/testwolfcrypt

構成(b)

$ ./configure –enable-dilithium=all,44,small –enable-mlkem=all,512,small CFLAGS=”-DWOLFSSL_DILITHIUM_VERIFY_SMALL_MEM -DWOLFSSL_DILITHIUM_SIGN_SMALL_MEM -DWOLFSSL_DILITHIUM_MAKE_KEY_SMALL_MEM -DWOLFSSL_MLKEM_ENCAPSULATE_SMALL_MEM -DWOLFSSL_MLKEM_MAKEKEY_SMALL_MEM” –enable-trackmemory=verbose –enable-stacksize=verbose
$ make
$ ./wolfcrypt/test/testwolfcrypt

構成(c)

$ ./configure –enable-dilithium=all,44,small –enable-mlkem=all,512,small CFLAGS=”-DWOLFSSL_DILITHIUM_VERIFY_SMALL_MEM -DWOLFSSL_DILITHIUM_SIGN_SMALL_MEM -DWOLFSSL_DILITHIUM_MAKE_KEY_SMALL_MEM -DWOLFSSL_MLKEM_ENCAPSULATE_SMALL_MEM -DWOLFSSL_MLKEM_MAKEKEY_SMALL_MEM” –enable-trackmemory=verbose –enable-stacksize=verbose –enable-smallstack
$ make
$ ./wolfcrypt/test/testwolfcrypt

メモリ使用量に関してさらに厳密な調整が必要でしたら、 info@wolfssl.jp までお問い合わせください。

ベンチマークデータ

構成	アルゴリズム	Stack (bytes)	Heap (bytes)	Total (bytes)	Heap Allocs
構成(a)： Small code	MLKEM-512	23,568	7,552	31,120	3
	MLKEM-768	32,672	11,968	44,640	3
	MLKEM-1024	42,400	17,568	59,968	3
	MLDSA-44	15,904	50,304	66,208	2
	MLDSA-65	17,440	77,952	95,392	2
	MLDSA-87	19,376	120,960	140,336	2
構成(b)： Small code with small mem	MLKEM-512	23,696	3,968	27,664	3
	MLKEM-768	32,928	5,824	38,752	3
	MLKEM-1024	42,656	7,840	50,496	3
	MLDSA-44	15,856	15,656	31,512	2
	MLDSA-65	17,392	20,776	38,168	2
	MLDSA-87	19,328	26,920	46,248	2
構成(c)： Small code with small mem + stack	MLKEM-512	2,112	19,306	21,418	17
	MLKEM-768	2,112	27,306	29,418	17
	MLKEM-1024	2,112	35,786	37,898	17
	MLDSA-44	2,112	28,211	30,323	7
	MLDSA-65	2,112	33,331	35,443	7
	MLDSA-87	2,160	39,475	41,635	7

原文：https://www.wolfssl.com/optimizing-post-quantum-algorithm-memory-usage-on-embedded-systems