]> granicus.if.org Git - openssl/commitdiff
crypto/bn/rsaz*: fix licensing note.
authorAndy Polyakov <appro@openssl.org>
Tue, 3 Dec 2013 21:05:17 +0000 (22:05 +0100)
committerAndy Polyakov <appro@openssl.org>
Tue, 3 Dec 2013 21:17:55 +0000 (22:17 +0100)
rsaz_exp.c: harmonize line terminating;
asm/rsaz-*.pl: minor optimizations.
asm/rsaz-x86_64.pl: sync from master.
(cherry picked from commit 31ed9a21315c571db443c68e4f618ecb51c631f9)

crypto/bn/asm/rsaz-avx2.pl
crypto/bn/asm/rsaz-x86_64.pl
crypto/bn/rsaz_exp.c

index 09c45b0ec2d2af75be1611aa929303cd9801738e..3eb95569fb6b7e6cf481dae7aea783069e13fe1e 100755 (executable)
@@ -1,54 +1,66 @@
 #!/usr/bin/env perl
 
-#******************************************************************************
-#* Copyright(c) 2012, Intel Corp.                                             
-#* Developers and authors:                                                    
-#* Shay Gueron (1, 2), and Vlad Krasnov (1)                                   
-#* (1) Intel Corporation, Israel Development Center, Haifa, Israel
-#* (2) University of Haifa, Israel                                              
-#******************************************************************************
-#* LICENSE:                                                                
-#* This submission to OpenSSL is to be made available under the OpenSSL  
-#* license, and only to the OpenSSL project, in order to allow integration    
-#* into the publicly distributed code. 
-#* The use of this code, or portions of this code, or concepts embedded in
-#* this code, or modification of this code and/or algorithm(s) in it, or the
-#* use of this code for any other purpose than stated above, requires special
-#* licensing.                                                                  
-#******************************************************************************
-#* DISCLAIMER:                                                                
-#* THIS SOFTWARE IS PROVIDED BY THE CONTRIBUTORS AND THE COPYRIGHT OWNERS     
-#* ``AS IS''. ANY EXPRESSED OR IMPLIED WARRANTIES, INCLUDING, BUT NOT LIMITED 
-#* TO, THE IMPLIED WARRANTIES OF MERCHANTABILITY AND FITNESS FOR A PARTICULAR 
-#* PURPOSE ARE DISCLAIMED. IN NO EVENT SHALL THE CONTRIBUTORS OR THE COPYRIGHT
-#* OWNERS BE LIABLE FOR ANY DIRECT, INDIRECT, INCIDENTAL, SPECIAL, EXEMPLARY, 
-#* OR CONSEQUENTIAL DAMAGES (INCLUDING, BUT NOT LIMITED TO, PROCUREMENT OF    
-#* SUBSTITUTE GOODS OR SERVICES; LOSS OF USE, DATA, OR PROFITS; OR BUSINESS   
-#* INTERRUPTION) HOWEVER CAUSED AND ON ANY THEORY OF LIABILITY, WHETHER IN    
-#* CONTRACT, STRICT LIABILITY, OR TORT (INCLUDING NEGLIGENCE OR OTHERWISE)    
-#* ARISING IN ANY WAY OUT OF THE USE OF THIS SOFTWARE, EVEN IF ADVISED OF THE 
-#* POSSIBILITY OF SUCH DAMAGE.                                                
-#******************************************************************************
-#* Reference:                                                                 
-#* [1] S. Gueron, V. Krasnov: "Software Implementation of Modular
-#*     Exponentiation,  Using Advanced Vector Instructions Architectures",
-#*     F. Ozbudak and F. Rodriguez-Henriquez (Eds.): WAIFI 2012, LNCS 7369,
-#*     pp. 119?135, 2012. Springer-Verlag Berlin Heidelberg 2012
-#* [2] S. Gueron: "Efficient Software Implementations of Modular
-#*     Exponentiation", Journal of Cryptographic Engineering 2:31-43 (2012).
-#* [3] S. Gueron, V. Krasnov: "Speeding up Big-numbers Squaring",IEEE
-#*     Proceedings of 9th International Conference on Information Technology:
-#*     New Generations (ITNG 2012), pp.821-823 (2012)
-#* [4] S. Gueron, V. Krasnov: "[PATCH] Efficient and side channel analysis
-#*     resistant 1024-bit modular exponentiation, for optimizing RSA2048
-#*     on AVX2 capable x86_64 platforms",
-#*     http://rt.openssl.org/Ticket/Display.html?id=2850&user=guest&pass=guest
-#******************************************************************************
-
-# +10% improvement by <appro@openssl.org>
+##############################################################################
+#                                                                            #
+#  Copyright (c) 2012, Intel Corporation                                     #
+#                                                                            #
+#  All rights reserved.                                                      #
+#                                                                            #
+#  Redistribution and use in source and binary forms, with or without        #
+#  modification, are permitted provided that the following conditions are    #
+#  met:                                                                      #
+#                                                                            #
+#  *  Redistributions of source code must retain the above copyright         #
+#     notice, this list of conditions and the following disclaimer.          #
+#                                                                            #
+#  *  Redistributions in binary form must reproduce the above copyright      #
+#     notice, this list of conditions and the following disclaimer in the    #
+#     documentation and/or other materials provided with the                 #
+#     distribution.                                                          #
+#                                                                            #
+#  *  Neither the name of the Intel Corporation nor the names of its         #
+#     contributors may be used to endorse or promote products derived from   #
+#     this software without specific prior written permission.               #
+#                                                                            #
+#                                                                            #
+#  THIS SOFTWARE IS PROVIDED BY INTEL CORPORATION ""AS IS"" AND ANY          #
+#  EXPRESS OR IMPLIED WARRANTIES, INCLUDING, BUT NOT LIMITED TO, THE         #
+#  IMPLIED WARRANTIES OF MERCHANTABILITY AND FITNESS FOR A PARTICULAR        #
+#  PURPOSE ARE DISCLAIMED. IN NO EVENT SHALL INTEL CORPORATION OR            #
+#  CONTRIBUTORS BE LIABLE FOR ANY DIRECT, INDIRECT, INCIDENTAL, SPECIAL,     #
+#  EXEMPLARY, OR CONSEQUENTIAL DAMAGES (INCLUDING, BUT NOT LIMITED TO,       #
+#  PROCUREMENT OF SUBSTITUTE GOODS OR SERVICES; LOSS OF USE, DATA, OR        #
+#  PROFITS; OR BUSINESS INTERRUPTION) HOWEVER CAUSED AND ON ANY THEORY OF    #
+#  LIABILITY, WHETHER IN CONTRACT, STRICT LIABILITY, OR TORT (INCLUDING      #
+#  NEGLIGENCE OR OTHERWISE) ARISING IN ANY WAY OUT OF THE USE OF THIS        #
+#  SOFTWARE, EVEN IF ADVISED OF THE POSSIBILITY OF SUCH DAMAGE.              #
+#                                                                            #
+##############################################################################
+# Developers and authors:                                                    #
+# Shay Gueron (1, 2), and Vlad Krasnov (1)                                   #
+# (1) Intel Corporation, Israel Development Center, Haifa, Israel            #
+# (2) University of Haifa, Israel                                            #
+##############################################################################
+# Reference:                                                                 #
+# [1] S. Gueron, V. Krasnov: "Software Implementation of Modular             #
+#     Exponentiation,  Using Advanced Vector Instructions Architectures",    #
+#     F. Ozbudak and F. Rodriguez-Henriquez (Eds.): WAIFI 2012, LNCS 7369,   #
+#     pp. 119?135, 2012. Springer-Verlag Berlin Heidelberg 2012              #
+# [2] S. Gueron: "Efficient Software Implementations of Modular              #
+#     Exponentiation", Journal of Cryptographic Engineering 2:31-43 (2012).  #
+# [3] S. Gueron, V. Krasnov: "Speeding up Big-numbers Squaring",IEEE         #
+#     Proceedings of 9th International Conference on Information Technology: #
+#     New Generations (ITNG 2012), pp.821-823 (2012)                         #
+# [4] S. Gueron, V. Krasnov: "[PATCH] Efficient and side channel analysis    #
+#     resistant 1024-bit modular exponentiation, for optimizing RSA2048      #
+#     on AVX2 capable x86_64 platforms",                                     #
+#     http://rt.openssl.org/Ticket/Display.html?id=2850&user=guest&pass=guest#
+##############################################################################
+#
+# +13% improvement over original submission by <appro@openssl.org>
 #
 # rsa2048 sign/sec     OpenSSL 1.0.1   scalar(*)       this
-# 2.3GHz Haswell       621             732/+18%        1112/+79%
+# 2.3GHz Haswell       621             765/+23%        1113/+79%
 #
 # (*)  if system doesn't support AVX2, for reference purposes;
 
@@ -143,24 +155,24 @@ rsaz_1024_sqr_avx2:               # 702 cycles, 14% faster than rsaz_1024_mul_avx2
        push    %r13
        push    %r14
        push    %r15
+       vzeroupper
 ___
 $code.=<<___ if ($win64);
        lea     -0xa8(%rsp),%rsp
-       movaps  %xmm6,-0xd8(%rax)
-       movaps  %xmm7,-0xc8(%rax)
-       movaps  %xmm8,-0xb8(%rax)
-       movaps  %xmm9,-0xa8(%rax)
-       movaps  %xmm10,-0x98(%rax)
-       movaps  %xmm11,-0x88(%rax)
-       movaps  %xmm12,-0x78(%rax)
-       movaps  %xmm13,-0x68(%rax)
-       movaps  %xmm14,-0x58(%rax)
-       movaps  %xmm15,-0x48(%rax)
+       vmovaps %xmm6,-0xd8(%rax)
+       vmovaps %xmm7,-0xc8(%rax)
+       vmovaps %xmm8,-0xb8(%rax)
+       vmovaps %xmm9,-0xa8(%rax)
+       vmovaps %xmm10,-0x98(%rax)
+       vmovaps %xmm11,-0x88(%rax)
+       vmovaps %xmm12,-0x78(%rax)
+       vmovaps %xmm13,-0x68(%rax)
+       vmovaps %xmm14,-0x58(%rax)
+       vmovaps %xmm15,-0x48(%rax)
 .Lsqr_1024_body:
 ___
 $code.=<<___;
        mov     %rax,%rbp
-       vzeroall
        mov     %rdx, $np                       # reassigned argument
        sub     \$$FrameSize, %rsp
        mov     $np, $tmp
@@ -171,6 +183,7 @@ $code.=<<___;
        and     \$4095, $tmp                    # see if $np crosses page
        add     \$32*10, $tmp
        shr     \$12, $tmp
+       vpxor   $ACC9,$ACC9,$ACC9
        jz      .Lsqr_1024_no_n_copy
 
        # unaligned 256-bit load that crosses page boundary can
@@ -198,7 +211,7 @@ $code.=<<___;
        vmovdqu         $ACC6, 32*6-128($np)
        vmovdqu         $ACC7, 32*7-128($np)
        vmovdqu         $ACC8, 32*8-128($np)
-       vmovdqu         $ACC9, 32*9-128($np)    # $ACC9 is zero after vzeroall
+       vmovdqu         $ACC9, 32*9-128($np)    # $ACC9 is zero
 
 .Lsqr_1024_no_n_copy:
        and             \$-1024, %rsp
@@ -876,17 +889,18 @@ rsaz_1024_mul_avx2:
        push    %r15
 ___
 $code.=<<___ if ($win64);
+       vzeroupper
        lea     -0xa8(%rsp),%rsp
-       movaps  %xmm6,-0xd8(%rax)
-       movaps  %xmm7,-0xc8(%rax)
-       movaps  %xmm8,-0xb8(%rax)
-       movaps  %xmm9,-0xa8(%rax)
-       movaps  %xmm10,-0x98(%rax)
-       movaps  %xmm11,-0x88(%rax)
-       movaps  %xmm12,-0x78(%rax)
-       movaps  %xmm13,-0x68(%rax)
-       movaps  %xmm14,-0x58(%rax)
-       movaps  %xmm15,-0x48(%rax)
+       vmovaps %xmm6,-0xd8(%rax)
+       vmovaps %xmm7,-0xc8(%rax)
+       vmovaps %xmm8,-0xb8(%rax)
+       vmovaps %xmm9,-0xa8(%rax)
+       vmovaps %xmm10,-0x98(%rax)
+       vmovaps %xmm11,-0x88(%rax)
+       vmovaps %xmm12,-0x78(%rax)
+       vmovaps %xmm13,-0x68(%rax)
+       vmovaps %xmm14,-0x58(%rax)
+       vmovaps %xmm15,-0x48(%rax)
 .Lmul_1024_body:
 ___
 $code.=<<___;
@@ -900,6 +914,7 @@ $code.=<<___;
        # cross page boundary, swap it with $bp [meaning that caller
        # is advised to lay down $ap and $bp next to each other, so
        # that only one can cross page boundary].
+       .byte   0x67,0x67
        mov     $ap, $tmp
        and     \$4095, $tmp
        add     \$32*10, $tmp
@@ -915,6 +930,7 @@ $code.=<<___;
 
        and     \$4095, $tmp    # see if $np crosses page
        add     \$32*10, $tmp
+       .byte   0x67,0x67
        shr     \$12, $tmp
        jz      .Lmul_1024_no_n_copy
 
@@ -960,6 +976,7 @@ $code.=<<___;
        vpbroadcastq ($bp), $Bi
        vmovdqu $ACC0, (%rsp)                   # clear top of stack
        xor     $r0, $r0
+       .byte   0x67
        xor     $r1, $r1
        xor     $r2, $r2
        xor     $r3, $r3
@@ -1564,22 +1581,22 @@ rsaz_1024_gather5_avx2:
 ___
 $code.=<<___ if ($win64);
        lea     -0x88(%rsp),%rax
+       vzeroupper
 .LSEH_begin_rsaz_1024_gather5:
        # I can't trust assembler to use specific encoding:-(
        .byte   0x48,0x8d,0x60,0xe0             #lea    -0x20(%rax),%rsp
-       .byte   0x0f,0x29,0x70,0xe0             #movaps %xmm6,-0x20(%rax)
-       .byte   0x0f,0x29,0x78,0xf0             #movaps %xmm7,-0x10(%rax)
-       .byte   0x44,0x0f,0x29,0x00             #movaps %xmm8,0(%rax)
-       .byte   0x44,0x0f,0x29,0x48,0x10        #movaps %xmm9,0x10(%rax)
-       .byte   0x44,0x0f,0x29,0x50,0x20        #movaps %xmm10,0x20(%rax)
-       .byte   0x44,0x0f,0x29,0x58,0x30        #movaps %xmm11,0x30(%rax)
-       .byte   0x44,0x0f,0x29,0x60,0x40        #movaps %xmm12,0x40(%rax)
-       .byte   0x44,0x0f,0x29,0x68,0x50        #movaps %xmm13,0x50(%rax)
-       .byte   0x44,0x0f,0x29,0x70,0x60        #movaps %xmm14,0x60(%rax)
-       .byte   0x44,0x0f,0x29,0x78,0x70        #movaps %xmm15,0x70(%rax)
+       .byte   0xc5,0xf8,0x29,0x70,0xe0        #vmovaps %xmm6,-0x20(%rax)
+       .byte   0xc5,0xf8,0x29,0x78,0xf0        #vmovaps %xmm7,-0x10(%rax)
+       .byte   0xc5,0x78,0x29,0x40,0x00        #vmovaps %xmm8,0(%rax)
+       .byte   0xc5,0x78,0x29,0x48,0x10        #vmovaps %xmm9,0x10(%rax)
+       .byte   0xc5,0x78,0x29,0x50,0x20        #vmovaps %xmm10,0x20(%rax)
+       .byte   0xc5,0x78,0x29,0x58,0x30        #vmovaps %xmm11,0x30(%rax)
+       .byte   0xc5,0x78,0x29,0x60,0x40        #vmovaps %xmm12,0x40(%rax)
+       .byte   0xc5,0x78,0x29,0x68,0x50        #vmovaps %xmm13,0x50(%rax)
+       .byte   0xc5,0x78,0x29,0x70,0x60        #vmovaps %xmm14,0x60(%rax)
+       .byte   0xc5,0x78,0x29,0x78,0x70        #vmovaps %xmm15,0x70(%rax)
 ___
 $code.=<<___;
-       vzeroupper
        lea     .Lgather_table(%rip),%r11
        mov     $power,%eax
        and     \$3,$power
@@ -1596,25 +1613,25 @@ $code.=<<___;
        vpbroadcastb    2(%r11,%rax), %xmm14
        vpbroadcastb    1(%r11,%rax), %xmm15
 
-       lea     ($inp,$power),$inp
+       lea     64($inp,$power),$inp
        mov     \$64,%r11                       # size optimization
        mov     \$9,%eax
        jmp     .Loop_gather_1024
 
 .align 32
 .Loop_gather_1024:
-       vpand           ($inp),                 %xmm8,%xmm0
-       vpand           ($inp,%r11),            %xmm9,%xmm1
-       vpand           ($inp,%r11,2),          %xmm10,%xmm2
-       vpand           64($inp,%r11,2),        %xmm11,%xmm3
+       vpand           -64($inp),              %xmm8,%xmm0
+       vpand           ($inp),                 %xmm9,%xmm1
+       vpand           64($inp),               %xmm10,%xmm2
+       vpand           ($inp,%r11,2),          %xmm11,%xmm3
         vpor                                   %xmm0,%xmm1,%xmm1
-       vpand           ($inp,%r11,4),          %xmm12,%xmm4
+       vpand           64($inp,%r11,2),        %xmm12,%xmm4
         vpor                                   %xmm2,%xmm3,%xmm3
-       vpand           64($inp,%r11,4),        %xmm13,%xmm5
+       vpand           ($inp,%r11,4),          %xmm13,%xmm5
         vpor                                   %xmm1,%xmm3,%xmm3
-       vpand           -128($inp,%r11,8),      %xmm14,%xmm6
+       vpand           64($inp,%r11,4),        %xmm14,%xmm6
         vpor                                   %xmm4,%xmm5,%xmm5
-       vpand           -64($inp,%r11,8),       %xmm15,%xmm2
+       vpand           -128($inp,%r11,8),      %xmm15,%xmm2
        lea             ($inp,%r11,8),$inp
         vpor                                   %xmm3,%xmm5,%xmm5
         vpor                                   %xmm2,%xmm6,%xmm6
@@ -1798,16 +1815,16 @@ rsaz_se_handler:
        .rva    .Lmul_1024_body,.Lmul_1024_epilogue
 .LSEH_info_rsaz_1024_gather5:
        .byte   0x01,0x33,0x16,0x00
-       .byte   0x33,0xf8,0x09,0x00     #movaps 0x90(rsp),xmm15
-       .byte   0x2e,0xe8,0x08,0x00     #movaps 0x80(rsp),xmm14
-       .byte   0x29,0xd8,0x07,0x00     #movaps 0x70(rsp),xmm13
-       .byte   0x24,0xc8,0x06,0x00     #movaps 0x60(rsp),xmm12
-       .byte   0x1f,0xb8,0x05,0x00     #movaps 0x50(rsp),xmm11
-       .byte   0x1a,0xa8,0x04,0x00     #movaps 0x40(rsp),xmm10
-       .byte   0x15,0x98,0x03,0x00     #movaps 0x30(rsp),xmm9
-       .byte   0x10,0x88,0x02,0x00     #movaps 0x20(rsp),xmm8
-       .byte   0x0c,0x78,0x01,0x00     #movaps 0x10(rsp),xmm7
-       .byte   0x08,0x68,0x00,0x00     #movaps 0x00(rsp),xmm6
+       .byte   0x36,0xf8,0x09,0x00     #vmovaps 0x90(rsp),xmm15
+       .byte   0x31,0xe8,0x08,0x00     #vmovaps 0x80(rsp),xmm14
+       .byte   0x2c,0xd8,0x07,0x00     #vmovaps 0x70(rsp),xmm13
+       .byte   0x27,0xc8,0x06,0x00     #vmovaps 0x60(rsp),xmm12
+       .byte   0x22,0xb8,0x05,0x00     #vmovaps 0x50(rsp),xmm11
+       .byte   0x1d,0xa8,0x04,0x00     #vmovaps 0x40(rsp),xmm10
+       .byte   0x18,0x98,0x03,0x00     #vmovaps 0x30(rsp),xmm9
+       .byte   0x13,0x88,0x02,0x00     #vmovaps 0x20(rsp),xmm8
+       .byte   0x0e,0x78,0x01,0x00     #vmovaps 0x10(rsp),xmm7
+       .byte   0x09,0x68,0x00,0x00     #vmovaps 0x00(rsp),xmm6
        .byte   0x04,0x01,0x15,0x00     #sub    rsp,0xa8
 ___
 }
index 592f769cb098ee9fea39c30990d870072d7ab01b..b55421b7dbd96214d1b841fa8c2f446ee93e4a66 100755 (executable)
@@ -1,48 +1,60 @@
 #!/usr/bin/env perl
 
-#******************************************************************************#
-#* Copyright(c) 2012, Intel Corp.                                             *#
-#* Developers and authors:                                                    *#
-#* Shay Gueron (1, 2), and Vlad Krasnov (1)                                   *#
-#* (1) Intel Architecture Group, Microprocessor and Chipset Development,      *#
-#*     Israel Development Center, Haifa, Israel                               *#
-#* (2) University of Haifa                                                    *#
-#******************************************************************************#
-#* This submission to OpenSSL is to be made available under the OpenSSL       *#
-#* license, and only to the OpenSSL project, in order to allow integration    *#
-#* into the publicly distributed code. ?                                      *#
-#* The use of this code, or portions of this code, or concepts embedded in    *#
-#* this code, or modification of this code and/or algorithm(s) in it, or the  *#
-#* use of this code for any other purpose than stated above, requires special *#
-#* licensing.                                                                 *#
-#******************************************************************************#
-#******************************************************************************#
-#* DISCLAIMER:                                                                *#
-#* THIS SOFTWARE IS PROVIDED BY THE CONTRIBUTORS AND THE COPYRIGHT OWNERS     *#
-#* ``AS IS''. ANY EXPRESSED OR IMPLIED WARRANTIES, INCLUDING, BUT NOT LIMITED *#
-#* TO, THE IMPLIED WARRANTIES OF MERCHANTABILITY AND FITNESS FOR A PARTICULAR *#
-#* PURPOSE ARE DISCLAIMED. IN NO EVENT SHALL THE CONTRIBUTORS OR THE COPYRIGHT*#
-#* OWNERS BE LIABLE FOR ANY DIRECT, INDIRECT, INCIDENTAL, SPECIAL, EXEMPLARY, *#
-#* OR CONSEQUENTIAL DAMAGES (INCLUDING, BUT NOT LIMITED TO, PROCUREMENT OF    *#
-#* SUBSTITUTE GOODS OR SERVICES; LOSS OF USE, DATA, OR PROFITS; OR BUSINESS   *#
-#* INTERRUPTION) HOWEVER CAUSED AND ON ANY THEORY OF LIABILITY, WHETHER IN    *#
-#* CONTRACT, STRICT LIABILITY, OR TORT (INCLUDING NEGLIGENCE OR OTHERWISE)    *#
-#* ARISING IN ANY WAY OUT OF THE USE OF THIS SOFTWARE, EVEN IF ADVISED OF THE *#
-#* POSSIBILITY OF SUCH DAMAGE.                                                *#
-#******************************************************************************#
-#* Reference:                                                                 *#
-#* [1] S. Gueron, "Efficient Software Implementations of Modular              *#
-#*     Exponentiation", http://eprint.iacr.org/2011/239                       *#
-#* [2] S. Gueron, V. Krasnov. "Speeding up Big-Numbers Squaring".             *#
-#*     IEEE Proceedings of 9th International Conference on Information        *#
-#*     Technology: New Generations (ITNG 2012), 821-823 (2012).               *#
-#* [3] S. Gueron, Efficient Software Implementations of Modular Exponentiation*#
-#*     Journal of Cryptographic Engineering 2:31-43 (2012).                   *#
-#* [4] S. Gueron, V. Krasnov: "[PATCH] Efficient and side channel analysis    *#
-#*     resistant 512-bit and 1024-bit modular exponentiation for optimizing   *#
-#*     RSA1024 and RSA2048 on x86_64 platforms",                              *#
-#*     http://rt.openssl.org/Ticket/Display.html?id=2582&user=guest&pass=guest*#
-################################################################################
+##############################################################################
+#                                                                            #
+#  Copyright (c) 2012, Intel Corporation                                     #
+#                                                                            #
+#  All rights reserved.                                                      #
+#                                                                            #
+#  Redistribution and use in source and binary forms, with or without        #
+#  modification, are permitted provided that the following conditions are    #
+#  met:                                                                      #
+#                                                                            #
+#  *  Redistributions of source code must retain the above copyright         #
+#     notice, this list of conditions and the following disclaimer.          #
+#                                                                            #
+#  *  Redistributions in binary form must reproduce the above copyright      #
+#     notice, this list of conditions and the following disclaimer in the    #
+#     documentation and/or other materials provided with the                 #
+#     distribution.                                                          #
+#                                                                            #
+#  *  Neither the name of the Intel Corporation nor the names of its         #
+#     contributors may be used to endorse or promote products derived from   #
+#     this software without specific prior written permission.               #
+#                                                                            #
+#                                                                            #
+#  THIS SOFTWARE IS PROVIDED BY INTEL CORPORATION ""AS IS"" AND ANY          #
+#  EXPRESS OR IMPLIED WARRANTIES, INCLUDING, BUT NOT LIMITED TO, THE         #
+#  IMPLIED WARRANTIES OF MERCHANTABILITY AND FITNESS FOR A PARTICULAR        #
+#  PURPOSE ARE DISCLAIMED. IN NO EVENT SHALL INTEL CORPORATION OR            #
+#  CONTRIBUTORS BE LIABLE FOR ANY DIRECT, INDIRECT, INCIDENTAL, SPECIAL,     #
+#  EXEMPLARY, OR CONSEQUENTIAL DAMAGES (INCLUDING, BUT NOT LIMITED TO,       #
+#  PROCUREMENT OF SUBSTITUTE GOODS OR SERVICES; LOSS OF USE, DATA, OR        #
+#  PROFITS; OR BUSINESS INTERRUPTION) HOWEVER CAUSED AND ON ANY THEORY OF    #
+#  LIABILITY, WHETHER IN CONTRACT, STRICT LIABILITY, OR TORT (INCLUDING      #
+#  NEGLIGENCE OR OTHERWISE) ARISING IN ANY WAY OUT OF THE USE OF THIS        #
+#  SOFTWARE, EVEN IF ADVISED OF THE POSSIBILITY OF SUCH DAMAGE.              #
+#                                                                            #
+##############################################################################
+# Developers and authors:                                                    #
+# Shay Gueron (1, 2), and Vlad Krasnov (1)                                   #
+# (1) Intel Architecture Group, Microprocessor and Chipset Development,      #
+#     Israel Development Center, Haifa, Israel                               #
+# (2) University of Haifa                                                    #
+##############################################################################
+# Reference:                                                                 #
+# [1] S. Gueron, "Efficient Software Implementations of Modular              #
+#     Exponentiation", http://eprint.iacr.org/2011/239                       #
+# [2] S. Gueron, V. Krasnov. "Speeding up Big-Numbers Squaring".             #
+#     IEEE Proceedings of 9th International Conference on Information        #
+#     Technology: New Generations (ITNG 2012), 821-823 (2012).               #
+# [3] S. Gueron, Efficient Software Implementations of Modular Exponentiation#
+#     Journal of Cryptographic Engineering 2:31-43 (2012).                   #
+# [4] S. Gueron, V. Krasnov: "[PATCH] Efficient and side channel analysis    #
+#     resistant 512-bit and 1024-bit modular exponentiation for optimizing   #
+#     RSA1024 and RSA2048 on x86_64 platforms",                              #
+#     http://rt.openssl.org/Ticket/Display.html?id=2582&user=guest&pass=guest#
+##############################################################################
 
 # While original submission covers 512- and 1024-bit exponentiation,
 # this module is limited to 512-bit version only (and as such
@@ -70,8 +82,7 @@
 #
 # (*)  rsax engine and fips numbers are presented for reference
 #      purposes;
-# (**) you might notice MULX code below, strangely enough gain is
-#      marginal, which is why code remains disabled;
+# (**) MULX was attempted, but found to give only marginal improvement;
 
 $flavour = shift;
 $output  = shift;
@@ -87,6 +98,21 @@ die "can't locate x86_64-xlate.pl";
 open OUT,"| $^X $xlate $flavour $output";
 *STDOUT=*OUT;
 
+if (`$ENV{CC} -Wa,-v -c -o /dev/null -x assembler /dev/null 2>&1`
+               =~ /GNU assembler version ([2-9]\.[0-9]+)/) {
+       $addx = ($1>=2.23);
+}
+
+if (!$addx && $win64 && ($flavour =~ /nasm/ || $ENV{ASM} =~ /nasm/) &&
+           `nasm -v 2>&1` =~ /NASM version ([2-9]\.[0-9]+)/) {
+       $addx = ($1>=2.10);
+}
+
+if (!$addx && $win64 && ($flavour =~ /masm/ || $ENV{ASM} =~ /ml64/) &&
+           `ml64 2>&1` =~ /Version ([0-9]+)\./) {
+       $addx = ($1>=11);
+}
+
 ($out, $inp, $mod) = ("%rdi", "%rsi", "%rbp"); # common internal API
 {
 my ($out,$inp,$mod,$n0,$times) = ("%rdi","%rsi","%rdx","%rcx","%r8d");
@@ -94,6 +120,8 @@ my ($out,$inp,$mod,$n0,$times) = ("%rdi","%rsi","%rdx","%rcx","%r8d");
 $code.=<<___;
 .text
 
+.extern        OPENSSL_ia32cap_P
+
 .globl rsaz_512_sqr
 .type  rsaz_512_sqr,\@function,5
 .align 32
@@ -111,14 +139,19 @@ rsaz_512_sqr:                             # 25-29% faster than rsaz_512_mul
        movq    ($inp), %rdx
        movq    8($inp), %rax
        movq    $n0, 128(%rsp)
+___
+$code.=<<___ if ($addx);
+       movl    \$0x80100,%r11d
+       andl    OPENSSL_ia32cap_P+8(%rip),%r11d
+       cmpl    \$0x80100,%r11d         # check for MULX and ADO/CX
+       je      .Loop_sqrx
+___
+$code.=<<___;
        jmp     .Loop_sqr
 
 .align 32
 .Loop_sqr:
        movl    $times,128+8(%rsp)
-___
-if (1) {
-$code.=<<___;
 #first iteration
        movq    %rdx, %rbx
        mulq    %rdx
@@ -446,242 +479,278 @@ $code.=<<___;
 
        movq    %r13, 112(%rsp)
        movq    %r14, 120(%rsp)
+
+       movq    (%rsp), %r8
+       movq    8(%rsp), %r9
+       movq    16(%rsp), %r10
+       movq    24(%rsp), %r11
+       movq    32(%rsp), %r12
+       movq    40(%rsp), %r13
+       movq    48(%rsp), %r14
+       movq    56(%rsp), %r15
+
+       call    __rsaz_512_reduce
+
+       addq    64(%rsp), %r8
+       adcq    72(%rsp), %r9
+       adcq    80(%rsp), %r10
+       adcq    88(%rsp), %r11
+       adcq    96(%rsp), %r12
+       adcq    104(%rsp), %r13
+       adcq    112(%rsp), %r14
+       adcq    120(%rsp), %r15
+       sbbq    %rcx, %rcx
+
+       call    __rsaz_512_subtract
+
+       movq    %r8, %rdx
+       movq    %r9, %rax
+       movl    128+8(%rsp), $times
+       movq    $out, $inp
+
+       decl    $times
+       jnz     .Loop_sqr
 ___
-} else {
+if ($addx) {
 $code.=<<___;
+       jmp     .Lsqr_tail
+
+.align 32
+.Loop_sqrx:
+       movl    $times,128+8(%rsp)
        movq    $out, %xmm0             # off-load
+       movq    %rbp, %xmm1             # off-load
 #first iteration       
        mulx    %rax, %r8, %r9
 
        mulx    16($inp), %rcx, %r10
+       xor     %rbp, %rbp              # cf=0, of=0
 
        mulx    24($inp), %rax, %r11
-       ad    %rcx, %r9
+       adcx    %rcx, %r9
 
        mulx    32($inp), %rcx, %r12
-       adc     %rax, %r10
+       adcx    %rax, %r10
 
        mulx    40($inp), %rax, %r13
-       adc     %rcx, %r11
+       adcx    %rcx, %r11
 
-       mulx    48($inp), %rcx, %r14
-       adc     %rax, %r12
+       .byte   0xc4,0x62,0xf3,0xf6,0xb6,0x30,0x00,0x00,0x00    # mulx  48($inp), %rcx, %r14
+       adcx    %rax, %r12
+       adcx    %rcx, %r13
 
-       mulx    56($inp), %rax, %r15
-       adc     %rcx, %r13
-       mov     %r9, %rcx
-       adc     %rax, %r14
-       adc     \$0, %r15
+       .byte   0xc4,0x62,0xfb,0xf6,0xbe,0x38,0x00,0x00,0x00    # mulx  56($inp), %rax, %r15
+       adcx    %rax, %r14
+       adcx    %rbp, %r15              # %rbp is 0
 
+       mov     %r9, %rcx
        shld    \$1, %r8, %r9
        shl     \$1, %r8
 
+       xor     %ebp, %ebp
        mulx    %rdx, %rax, %rdx
-       add     %rdx, %r8
-       adc     \$0, %r9
+       adcx    %rdx, %r8
+        mov    8($inp), %rdx
+       adcx    %rbp, %r9
 
        mov     %rax, (%rsp)
        mov     %r8, 8(%rsp)
 
 #second iteration      
-       mov     8($inp), %rdx
        mulx    16($inp), %rax, %rbx
+       adox    %rax, %r10
+       adcx    %rbx, %r11
 
-       mulx    24($inp), $out, %r8
-       add     %rax, %r10
-       adc     %rbx, %r11
-       adc     \$0, %r8
+       .byte   0xc4,0x62,0xc3,0xf6,0x86,0x18,0x00,0x00,0x00    # mulx  24($inp), $out, %r8
+       adox    $out, %r11
+       adcx    %r8, %r12
 
        mulx    32($inp), %rax, %rbx
-       add     $out, %r11
-       adc     %r8, %r12
-       adc     \$0, %rbx
+       adox    %rax, %r12
+       adcx    %rbx, %r13
 
        mulx    40($inp), $out, %r8
-       add     %rax, %r12
-       adc     %rbx, %r13
-       adc     \$0, %r8
+       adox    $out, %r13
+       adcx    %r8, %r14
 
-       mulx    48($inp), %rax, %rbx
-       add     $out, %r13
-       adc     %r8, %r14
-       adc     \$0, %rbx
+       .byte   0xc4,0xe2,0xfb,0xf6,0x9e,0x30,0x00,0x00,0x00    # mulx  48($inp), %rax, %rbx
+       adox    %rax, %r14
+       adcx    %rbx, %r15
 
-       mulx    56($inp), $out, %r8
-       add     %rax, %r14
-       adc     %rbx, %r15
-       mov     %r11, %rbx
-       adc     \$0, %r8
-       add     $out, %r15
-       adc     \$0, %r8
+       .byte   0xc4,0x62,0xc3,0xf6,0x86,0x38,0x00,0x00,0x00    # mulx  56($inp), $out, %r8
+       adox    $out, %r15
+       adcx    %rbp, %r8
+       adox    %rbp, %r8
 
+       mov     %r11, %rbx
        shld    \$1, %r10, %r11
        shld    \$1, %rcx, %r10
 
+       xor     %ebp,%ebp
        mulx    %rdx, %rax, %rcx
-       add     %rax, %r9
-       adc     %rcx, %r10
-       adc     \$0, %r11
+        mov    16($inp), %rdx
+       adcx    %rax, %r9
+       adcx    %rcx, %r10
+       adcx    %rbp, %r11
 
        mov     %r9, 16(%rsp)
-       mov     %r10, 24(%rsp)
+       .byte   0x4c,0x89,0x94,0x24,0x18,0x00,0x00,0x00         # mov   %r10, 24(%rsp)
        
 #third iteration       
-       mov     16($inp), %rdx
-       mulx    24($inp), $out, %r9
+       .byte   0xc4,0x62,0xc3,0xf6,0x8e,0x18,0x00,0x00,0x00    # mulx  24($inp), $out, %r9
+       adox    $out, %r12
+       adcx    %r9, %r13
 
        mulx    32($inp), %rax, %rcx
-       add     $out, %r12
-       adc     %r9, %r13
-       adc     \$0, %rcx
+       adox    %rax, %r13
+       adcx    %rcx, %r14
 
        mulx    40($inp), $out, %r9
-       add     %rax, %r13
-       adc     %rcx, %r14
-       adc     \$0, %r9
+       adox    $out, %r14
+       adcx    %r9, %r15
 
-       mulx    48($inp), %rax, %rcx
-       add     $out, %r14
-       adc     %r9, %r15
-       adc     \$0, %rcx
+       .byte   0xc4,0xe2,0xfb,0xf6,0x8e,0x30,0x00,0x00,0x00    # mulx  48($inp), %rax, %rcx
+       adox    %rax, %r15
+       adcx    %rcx, %r8
 
-       mulx    56($inp), $out, %r9
-       add     %rax, %r15
-       adc     %rcx, %r8
-       mov     %r13, %rcx
-       adc     \$0, %r9
-       add     $out, %r8
-       adc     \$0, %r9
+       .byte   0xc4,0x62,0xc3,0xf6,0x8e,0x38,0x00,0x00,0x00    # mulx  56($inp), $out, %r9
+       adox    $out, %r8
+       adcx    %rbp, %r9
+       adox    %rbp, %r9
 
+       mov     %r13, %rcx
        shld    \$1, %r12, %r13
        shld    \$1, %rbx, %r12
 
+       xor     %ebp, %ebp
        mulx    %rdx, %rax, %rdx
-       add     %rax, %r11
-       adc     %rdx, %r12
-       adc     \$0, %r13
+       adcx    %rax, %r11
+       adcx    %rdx, %r12
+        mov    24($inp), %rdx
+       adcx    %rbp, %r13
 
        mov     %r11, 32(%rsp)
-       mov     %r12, 40(%rsp)
+       .byte   0x4c,0x89,0xa4,0x24,0x28,0x00,0x00,0x00         # mov   %r12, 40(%rsp)
        
 #fourth iteration      
-       mov     24($inp), %rdx
-       mulx    32($inp), %rax, %rbx
+       .byte   0xc4,0xe2,0xfb,0xf6,0x9e,0x20,0x00,0x00,0x00    # mulx  32($inp), %rax, %rbx
+       adox    %rax, %r14
+       adcx    %rbx, %r15
 
        mulx    40($inp), $out, %r10
-       add     %rax, %r14
-       adc     %rbx, %r15
-       adc     \$0, %r10
+       adox    $out, %r15
+       adcx    %r10, %r8
 
        mulx    48($inp), %rax, %rbx
-       add     $out, %r15
-       adc     %r10, %r8
-       adc     \$0, %rbx
+       adox    %rax, %r8
+       adcx    %rbx, %r9
 
        mulx    56($inp), $out, %r10
-       add     %rax, %r8
-       adc     \$0, %rbx
-       add     $out, %r9
-       adc     \$0, %r10
-       add     %rbx, %r9
-       mov     %r15, %rbx
-       adc     \$0, %r10
+       adox    $out, %r9
+       adcx    %rbp, %r10
+       adox    %rbp, %r10
 
+       .byte   0x66
+       mov     %r15, %rbx
        shld    \$1, %r14, %r15
        shld    \$1, %rcx, %r14
 
+       xor     %ebp, %ebp
        mulx    %rdx, %rax, %rdx
-       add     %rax, %r13
-       adc     %rdx, %r14
-       adc     \$0, %r15
+       adcx    %rax, %r13
+       adcx    %rdx, %r14
+        mov    32($inp), %rdx
+       adcx    %rbp, %r15
 
        mov     %r13, 48(%rsp)
        mov     %r14, 56(%rsp)
        
 #fifth iteration       
-       mov     32($inp), %rdx
-       mulx    40($inp), $out, %r11
+       .byte   0xc4,0x62,0xc3,0xf6,0x9e,0x28,0x00,0x00,0x00    # mulx  40($inp), $out, %r11
+       adox    $out, %r8
+       adcx    %r11, %r9
 
        mulx    48($inp), %rax, %rcx
-       add     $out, %r8
-       adc     %r11, %r9
-       adc     \$0, %rcx
+       adox    %rax, %r9
+       adcx    %rcx, %r10
 
        mulx    56($inp), $out, %r11
-       add     %rax, %r9
-       adc     %rcx, %r10
-       adc     \$0, %r11
-       add     $out, %r10
-       adc     \$0, %r11
+       adox    $out, %r10
+       adcx    %rbp, %r11
+       adox    %rbp, %r11
 
        mov     %r9, %rcx
        shld    \$1, %r8, %r9
        shld    \$1, %rbx, %r8
 
+       xor     %ebp, %ebp
        mulx    %rdx, %rax, %rdx
-       add     %rax, %r15
-       adc     %rdx, %r8
-       adc     \$0, %r9
+       adcx    %rax, %r15
+       adcx    %rdx, %r8
+        mov    40($inp), %rdx
+       adcx    %rbp, %r9
 
        mov     %r15, 64(%rsp)
        mov     %r8, 72(%rsp)
        
 #sixth iteration       
-       mov     40($inp), %rdx
-       mulx    48($inp), %rax, %rbx
+       .byte   0xc4,0xe2,0xfb,0xf6,0x9e,0x30,0x00,0x00,0x00    # mulx  48($inp), %rax, %rbx
+       adox    %rax, %r10
+       adcx    %rbx, %r11
 
-       mulx    56($inp), $out, %r12
-       add     %rax, %r10
-       adc     %rbx, %r11
-       adc     \$0, %r12
-       add     $out, %r11
-       adc     \$0, %r12
+       .byte   0xc4,0x62,0xc3,0xf6,0xa6,0x38,0x00,0x00,0x00    # mulx  56($inp), $out, %r12
+       adox    $out, %r11
+       adcx    %rbp, %r12
+       adox    %rbp, %r12
 
        mov     %r11, %rbx
        shld    \$1, %r10, %r11
        shld    \$1, %rcx, %r10
 
+       xor     %ebp, %ebp
        mulx    %rdx, %rax, %rdx
-       add     %rax, %r9
-       adc     %rdx, %r10
-       adc     \$0, %r11
+       adcx    %rax, %r9
+       adcx    %rdx, %r10
+        mov    48($inp), %rdx
+       adcx    %rbp, %r11
 
        mov     %r9, 80(%rsp)
        mov     %r10, 88(%rsp)
 
 #seventh iteration
-       mov     48($inp), %rdx
-       mulx    56($inp), %rax, %r13
-       add     %rax, %r12
-       adc     \$0, %r13
+       .byte   0xc4,0x62,0xfb,0xf6,0xae,0x38,0x00,0x00,0x00    # mulx  56($inp), %rax, %r13
+       adox    %rax, %r12
+       adox    %rbp, %r13
 
        xor     %r14, %r14
        shld    \$1, %r13, %r14
        shld    \$1, %r12, %r13
        shld    \$1, %rbx, %r12
 
+       xor     %ebp, %ebp
        mulx    %rdx, %rax, %rdx
-       add     %rax, %r11
-       adc     %rdx, %r12
-       adc     \$0, %r13
+       adcx    %rax, %r11
+       adcx    %rdx, %r12
+        mov    56($inp), %rdx
+       adcx    %rbp, %r13
 
-       mov     %r11, 96(%rsp)
-       mov     %r12, 104(%rsp)
+       .byte   0x4c,0x89,0x9c,0x24,0x60,0x00,0x00,0x00         # mov   %r11, 96(%rsp)
+       .byte   0x4c,0x89,0xa4,0x24,0x68,0x00,0x00,0x00         # mov   %r12, 104(%rsp)
 
 #eighth iteration
-       mov     56($inp), %rdx
        mulx    %rdx, %rax, %rdx
-       add     %rax, %r13
-       adc     \$0, %rdx
-       
+       adox    %rax, %r13
+       adox    %rbp, %rdx
+
+       .byte   0x66
        add     %rdx, %r14
 
        movq    %r13, 112(%rsp)
        movq    %r14, 120(%rsp)
        movq    %xmm0, $out
-___
-}
-$code.=<<___;
+       movq    %xmm1, %rbp
+
+       movq    128(%rsp), %rdx         # pull $n0
        movq    (%rsp), %r8
        movq    8(%rsp), %r9
        movq    16(%rsp), %r10
@@ -691,7 +760,7 @@ $code.=<<___;
        movq    48(%rsp), %r14
        movq    56(%rsp), %r15
 
-       call    _rsaz_512_reduce
+       call    __rsaz_512_reducex
 
        addq    64(%rsp), %r8
        adcq    72(%rsp), %r9
@@ -703,7 +772,7 @@ $code.=<<___;
        adcq    120(%rsp), %r15
        sbbq    %rcx, %rcx
 
-       call    _rsaz_512_subtract
+       call    __rsaz_512_subtract
 
        movq    %r8, %rdx
        movq    %r9, %rax
@@ -711,7 +780,12 @@ $code.=<<___;
        movq    $out, $inp
 
        decl    $times
-       jnz     .Loop_sqr
+       jnz     .Loop_sqrx
+
+.Lsqr_tail:
+___
+}
+$code.=<<___;
 
        leaq    128+24+48(%rsp), %rax
        movq    -48(%rax), %r15
@@ -745,7 +819,15 @@ rsaz_512_mul:
        movq    $out, %xmm0             # off-load arguments
        movq    $mod, %xmm1
        movq    $n0, 128(%rsp)
-
+___
+$code.=<<___ if ($addx);
+       movl    \$0x80100,%r11d
+       andl    OPENSSL_ia32cap_P+8(%rip),%r11d
+       cmpl    \$0x80100,%r11d         # check for MULX and ADO/CX
+       je      .Lmulx
+___
+$code.=<<___;
+       movq    ($bp), %rbx             # pass b[0]
        movq    $bp, %rbp               # pass argument
        call    __rsaz_512_mul
 
@@ -761,8 +843,34 @@ rsaz_512_mul:
        movq    48(%rsp), %r14
        movq    56(%rsp), %r15
 
-       call    _rsaz_512_reduce
+       call    __rsaz_512_reduce
+___
+$code.=<<___ if ($addx);
+       jmp     .Lmul_tail
+
+.align 32
+.Lmulx:
+       movq    $bp, %rbp               # pass argument
+       movq    ($bp), %rdx             # pass b[0]
+       call    __rsaz_512_mulx
+
+       movq    %xmm0, $out
+       movq    %xmm1, %rbp
 
+       movq    128(%rsp), %rdx         # pull $n0
+       movq    (%rsp), %r8
+       movq    8(%rsp), %r9
+       movq    16(%rsp), %r10
+       movq    24(%rsp), %r11
+       movq    32(%rsp), %r12
+       movq    40(%rsp), %r13
+       movq    48(%rsp), %r14
+       movq    56(%rsp), %r15
+
+       call    __rsaz_512_reducex
+.Lmul_tail:
+___
+$code.=<<___;
        addq    64(%rsp), %r8
        adcq    72(%rsp), %r9
        adcq    80(%rsp), %r10
@@ -773,7 +881,7 @@ rsaz_512_mul:
        adcq    120(%rsp), %r15
        sbbq    %rcx, %rcx
 
-       call    _rsaz_512_subtract
+       call    __rsaz_512_subtract
 
        leaq    128+24+48(%rsp), %rax
        movq    -48(%rax), %r15
@@ -804,6 +912,14 @@ rsaz_512_mul_gather4:
 
        subq    \$128+24, %rsp
 .Lmul_gather4_body:
+___
+$code.=<<___ if ($addx);
+       movl    \$0x80100,%r11d
+       andl    OPENSSL_ia32cap_P+8(%rip),%r11d
+       cmpl    \$0x80100,%r11d         # check for MULX and ADO/CX
+       je      .Lmulx_gather
+___
+$code.=<<___;
        movl    64($bp,$pwr,4), %eax
        movq    $out, %xmm0             # off-load arguments
        movl    ($bp,$pwr,4), %ebx
@@ -969,8 +1085,131 @@ rsaz_512_mul_gather4:
        movq    48(%rsp), %r14
        movq    56(%rsp), %r15
 
-       call    _rsaz_512_reduce
+       call    __rsaz_512_reduce
+___
+$code.=<<___ if ($addx);
+       jmp     .Lmul_gather_tail
+
+.align 32
+.Lmulx_gather:
+       mov     64($bp,$pwr,4), %eax
+       movq    $out, %xmm0             # off-load arguments
+       lea     128($bp,$pwr,4), %rbp
+       mov     ($bp,$pwr,4), %edx
+       movq    $mod, %xmm1
+       mov     $n0, 128(%rsp)
+
+       shl     \$32, %rax
+       or      %rax, %rdx
+       mulx    ($ap), %rbx, %r8        # 0 iteration
+       mov     %rbx, (%rsp)
+       xor     %edi, %edi              # cf=0, of=0
+
+       mulx    8($ap), %rax, %r9
+        movd   (%rbp), %xmm4
+
+       mulx    16($ap), %rbx, %r10
+        movd   64(%rbp), %xmm5
+       adcx    %rax, %r8
+
+       mulx    24($ap), %rax, %r11
+        pslldq \$4, %xmm5
+       adcx    %rbx, %r9
+
+       mulx    32($ap), %rbx, %r12
+        por    %xmm5, %xmm4
+       adcx    %rax, %r10
+
+       mulx    40($ap), %rax, %r13
+       adcx    %rbx, %r11
+
+       mulx    48($ap), %rbx, %r14
+        lea    128(%rbp), %rbp
+       adcx    %rax, %r12
+       
+       mulx    56($ap), %rax, %r15
+        movq   %xmm4, %rdx
+       adcx    %rbx, %r13
+       adcx    %rax, %r14
+       mov     %r8, %rbx
+       adcx    %rdi, %r15              # %rdi is 0
+
+       mov     \$-7, %rcx
+       jmp     .Loop_mulx_gather
+
+.align 32
+.Loop_mulx_gather:
+       mulx    ($ap), %rax, %r8
+       adcx    %rax, %rbx
+       adox    %r9, %r8
+
+       mulx    8($ap), %rax, %r9
+       .byte   0x66,0x0f,0x6e,0xa5,0x00,0x00,0x00,0x00         # movd  (%rbp), %xmm4
+       adcx    %rax, %r8
+       adox    %r10, %r9
+
+       mulx    16($ap), %rax, %r10
+        movd   64(%rbp), %xmm5
+        lea    128(%rbp), %rbp
+       adcx    %rax, %r9
+       adox    %r11, %r10
+
+       .byte   0xc4,0x62,0xfb,0xf6,0x9e,0x18,0x00,0x00,0x00    # mulx  24($ap), %rax, %r11
+        pslldq \$4, %xmm5
+        por    %xmm5, %xmm4
+       adcx    %rax, %r10
+       adox    %r12, %r11
+
+       mulx    32($ap), %rax, %r12
+       adcx    %rax, %r11
+       adox    %r13, %r12
+
+       mulx    40($ap), %rax, %r13
+       adcx    %rax, %r12
+       adox    %r14, %r13
+
+       .byte   0xc4,0x62,0xfb,0xf6,0xb6,0x30,0x00,0x00,0x00    # mulx  48($ap), %rax, %r14
+       adcx    %rax, %r13
+       adox    %r15, %r14
+
+       mulx    56($ap), %rax, %r15
+        movq   %xmm4, %rdx
+        mov    %rbx, 64(%rsp,%rcx,8)
+       adcx    %rax, %r14
+       adox    %rdi, %r15
+       mov     %r8, %rbx
+       adcx    %rdi, %r15              # cf=0
+
+       inc     %rcx                    # of=0
+       jnz     .Loop_mulx_gather
+
+       mov     %r8, 64(%rsp)
+       mov     %r9, 64+8(%rsp)
+       mov     %r10, 64+16(%rsp)
+       mov     %r11, 64+24(%rsp)
+       mov     %r12, 64+32(%rsp)
+       mov     %r13, 64+40(%rsp)
+       mov     %r14, 64+48(%rsp)
+       mov     %r15, 64+56(%rsp)
+
+       movq    %xmm0, $out
+       movq    %xmm1, %rbp
 
+       mov     128(%rsp), %rdx         # pull $n0
+       mov     (%rsp), %r8
+       mov     8(%rsp), %r9
+       mov     16(%rsp), %r10
+       mov     24(%rsp), %r11
+       mov     32(%rsp), %r12
+       mov     40(%rsp), %r13
+       mov     48(%rsp), %r14
+       mov     56(%rsp), %r15
+
+       call    __rsaz_512_reducex
+
+.Lmul_gather_tail:
+___
+$code.=<<___;
        addq    64(%rsp), %r8
        adcq    72(%rsp), %r9
        adcq    80(%rsp), %r10
@@ -981,7 +1220,7 @@ rsaz_512_mul_gather4:
        adcq    120(%rsp), %r15
        sbbq    %rcx, %rcx
 
-       call    _rsaz_512_subtract
+       call    __rsaz_512_subtract
 
        leaq    128+24+48(%rsp), %rax
        movq    -48(%rax), %r15
@@ -1019,6 +1258,15 @@ rsaz_512_mul_scatter4:
        movq    $n0, 128(%rsp)
 
        movq    $out, %rbp
+___
+$code.=<<___ if ($addx);
+       movl    \$0x80100,%r11d
+       andl    OPENSSL_ia32cap_P+8(%rip),%r11d
+       cmpl    \$0x80100,%r11d         # check for MULX and ADO/CX
+       je      .Lmulx_scatter
+___
+$code.=<<___;
+       movq    ($out),%rbx             # pass b[0]
        call    __rsaz_512_mul
 
        movq    %xmm0, $out
@@ -1033,8 +1281,34 @@ rsaz_512_mul_scatter4:
        movq    48(%rsp), %r14
        movq    56(%rsp), %r15
 
-       call    _rsaz_512_reduce
+       call    __rsaz_512_reduce
+___
+$code.=<<___ if ($addx);
+       jmp     .Lmul_scatter_tail
+       
+.align 32
+.Lmulx_scatter:
+       movq    ($out), %rdx            # pass b[0]
+       call    __rsaz_512_mulx
+
+       movq    %xmm0, $out
+       movq    %xmm1, %rbp
+
+       movq    128(%rsp), %rdx         # pull $n0
+       movq    (%rsp), %r8
+       movq    8(%rsp), %r9
+       movq    16(%rsp), %r10
+       movq    24(%rsp), %r11
+       movq    32(%rsp), %r12
+       movq    40(%rsp), %r13
+       movq    48(%rsp), %r14
+       movq    56(%rsp), %r15
+
+       call    __rsaz_512_reducex
 
+.Lmul_scatter_tail:
+___
+$code.=<<___;
        addq    64(%rsp), %r8
        adcq    72(%rsp), %r9
        adcq    80(%rsp), %r10
@@ -1046,7 +1320,7 @@ rsaz_512_mul_scatter4:
        movq    %xmm2, $inp
        sbbq    %rcx, %rcx
 
-       call    _rsaz_512_subtract
+       call    __rsaz_512_subtract
 
        movl    %r8d, 64*0($inp)        # scatter
        shrq    \$32, %r8
@@ -1102,6 +1376,11 @@ rsaz_512_mul_by_one:
 
        subq    \$128+24, %rsp
 .Lmul_by_one_body:
+___
+$code.=<<___ if ($addx);
+       movl    OPENSSL_ia32cap_P+8(%rip),%eax
+___
+$code.=<<___;
        movq    $mod, %rbp      # reassign argument
        movq    $n0, 128(%rsp)
 
@@ -1122,9 +1401,24 @@ rsaz_512_mul_by_one:
        movdqa  %xmm0, 64(%rsp)
        movdqa  %xmm0, 80(%rsp)
        movdqa  %xmm0, 96(%rsp)
-
-       call    _rsaz_512_reduce
-
+___
+$code.=<<___ if ($addx);
+       andl    \$0x80100,%eax
+       cmpl    \$0x80100,%eax          # check for MULX and ADO/CX
+       je      .Lby_one_callx
+___
+$code.=<<___;
+       call    __rsaz_512_reduce
+___
+$code.=<<___ if ($addx);
+       jmp     .Lby_one_tail
+.align 32
+.Lby_one_callx:
+       movq    128(%rsp), %rdx         # pull $n0
+       call    __rsaz_512_reducex
+.Lby_one_tail:
+___
+$code.=<<___;
        movq    %r8, ($out)
        movq    %r9, 8($out)
        movq    %r10, 16($out)
@@ -1147,18 +1441,15 @@ rsaz_512_mul_by_one:
 .size  rsaz_512_mul_by_one,.-rsaz_512_mul_by_one
 ___
 }
-{      # _rsaz_512_reduce
+{      # __rsaz_512_reduce
        #
        # input:        %r8-%r15, %rbp - mod, 128(%rsp) - n0
        # output:       %r8-%r15
        # clobbers:     everything except %rbp and %rdi
 $code.=<<___;
-.type  _rsaz_512_reduce,\@abi-omnipotent
+.type  __rsaz_512_reduce,\@abi-omnipotent
 .align 32
-_rsaz_512_reduce:
-___
-if (1) {
-$code.=<<___;
+__rsaz_512_reduce:
        movq    %r8, %rbx
        imulq   128+8(%rsp), %rbx
        movq    0(%rbp), %rax
@@ -1195,8 +1486,10 @@ $code.=<<___;
        adcq    \$0, %rdx
        addq    %r11, %r10
         movq   128+8(%rsp), %rsi
+       #movq   %rdx, %r11
+       #adcq   \$0, %r11
+       adcq    \$0, %rdx
        movq    %rdx, %r11
-       adcq    \$0, %r11
 
        mulq    %rbx
        addq    %rax, %r12
@@ -1234,75 +1527,84 @@ $code.=<<___;
 
        decl    %ecx
        jne     .Lreduction_loop
+
+       ret
+.size  __rsaz_512_reduce,.-__rsaz_512_reduce
 ___
-} else {
+}
+if ($addx) {
+       # __rsaz_512_reducex
+       #
+       # input:        %r8-%r15, %rbp - mod, 128(%rsp) - n0
+       # output:       %r8-%r15
+       # clobbers:     everything except %rbp and %rdi
 $code.=<<___;
-       movq    128+8(%rsp), %rdx               # pull $n0
+.type  __rsaz_512_reducex,\@abi-omnipotent
+.align 32
+__rsaz_512_reducex:
+       #movq   128+8(%rsp), %rdx               # pull $n0
        imulq   %r8, %rdx
+       xorq    %rsi, %rsi                      # cf=0,of=0
        movl    \$8, %ecx
-       jmp     .Lreduction_loop
+       jmp     .Lreduction_loopx
 
 .align 32
-.Lreduction_loop:
-       neg     %r8
+.Lreduction_loopx:
+       mov     %r8, %rbx
        mulx    0(%rbp), %rax, %r8
-       adc     %r9, %r8
+       adcx    %rbx, %rax
+       adox    %r9, %r8
 
        mulx    8(%rbp), %rax, %r9
-       adc     \$0, %r9
-       add     %rax, %r8
-       adc     %r10, %r9
-
-       mulx    16(%rbp), %rax, %r10
-       adc     \$0, %r10
-        mov    128+8(%rsp), %rbx               # pull $n0
-        imul   %r8, %rbx
-       add     %rax, %r9
-       adc     %r11, %r10
-
-       mulx    24(%rbp), %rax, %r11
-       adc     \$0, %r11
-       add     %rax, %r10
-       adc     %r12, %r11
-
-       mulx    32(%rbp), %rax, %r12
-       adc     \$0, %r12
-       add     %rax, %r11
-       adc     %r13, %r12
+       adcx    %rax, %r8
+       adox    %r10, %r9
+
+       mulx    16(%rbp), %rbx, %r10
+       adcx    %rbx, %r9
+       adox    %r11, %r10
+
+       mulx    24(%rbp), %rbx, %r11
+       adcx    %rbx, %r10
+       adox    %r12, %r11
+
+       .byte   0xc4,0x62,0xe3,0xf6,0xa5,0x20,0x00,0x00,0x00    # mulx  32(%rbp), %rbx, %r12
+        mov    %rdx, %rax
+        mov    %r8, %rdx
+       adcx    %rbx, %r11
+       adox    %r13, %r12
+
+        mulx   128+8(%rsp), %rbx, %rdx
+        mov    %rax, %rdx
 
        mulx    40(%rbp), %rax, %r13
-       adc     \$0, %r13
-       add     %rax, %r12
-       adc     %r14, %r13
+       adcx    %rax, %r12
+       adox    %r14, %r13
 
-       mulx    48(%rbp), %rax, %r14
-       adc     \$0, %r14
-       add     %rax, %r13
-       adc     %r15, %r14
+       .byte   0xc4,0x62,0xfb,0xf6,0xb5,0x30,0x00,0x00,0x00    # mulx  48(%rbp), %rax, %r14
+       adcx    %rax, %r13
+       adox    %r15, %r14
 
        mulx    56(%rbp), %rax, %r15
         mov    %rbx, %rdx
-       adc     \$0, %r15
-       add     %rax, %r14
-       adc     \$0, %r15
+       adcx    %rax, %r14
+       adox    %rsi, %r15                      # %rsi is 0
+       adcx    %rsi, %r15                      # cf=0
+
+       decl    %ecx                            # of=0
+       jne     .Lreduction_loopx
 
-       dec     %ecx
-       jne     .Lreduction_loop
-___
-}
-$code.=<<___;
        ret
-.size  _rsaz_512_reduce,.-_rsaz_512_reduce
+.size  __rsaz_512_reducex,.-__rsaz_512_reducex
 ___
 }
-{      # _rsaz_512_subtract
+{      # __rsaz_512_subtract
        # input: %r8-%r15, %rdi - $out, %rbp - $mod, %rcx - mask
        # output:
        # clobbers: everything but %rdi, %rsi and %rbp
 $code.=<<___;
-.type  _rsaz_512_subtract,\@abi-omnipotent
+.type  __rsaz_512_subtract,\@abi-omnipotent
 .align 32
-_rsaz_512_subtract:
+__rsaz_512_subtract:
        movq    %r8, ($out)
        movq    %r9, 8($out)
        movq    %r10, 16($out)
@@ -1356,7 +1658,7 @@ _rsaz_512_subtract:
        movq    %r15, 56($out)
 
        ret
-.size  _rsaz_512_subtract,.-_rsaz_512_subtract
+.size  __rsaz_512_subtract,.-__rsaz_512_subtract
 ___
 }
 {      # __rsaz_512_mul
@@ -1371,7 +1673,6 @@ $code.=<<___;
 __rsaz_512_mul:
        leaq    8(%rsp), %rdi
 
-       movq    ($bp), %rbx
        movq    ($ap), %rax
        mulq    %rbx
        movq    %rax, (%rdi)
@@ -1511,6 +1812,136 @@ __rsaz_512_mul:
 .size  __rsaz_512_mul,.-__rsaz_512_mul
 ___
 }
+if ($addx) {
+       # __rsaz_512_mulx
+       #
+       # input: %rsi - ap, %rbp - bp
+       # ouput:
+       # clobbers: everything
+my ($ap,$bp,$zero) = ("%rsi","%rbp","%rdi");
+$code.=<<___;
+.type  __rsaz_512_mulx,\@abi-omnipotent
+.align 32
+__rsaz_512_mulx:
+       mulx    ($ap), %rbx, %r8        # initial %rdx preloaded by caller
+       mov     \$-6, %rcx
+
+       mulx    8($ap), %rax, %r9
+       movq    %rbx, 8(%rsp)
+
+       mulx    16($ap), %rbx, %r10
+       adc     %rax, %r8
+
+       mulx    24($ap), %rax, %r11
+       adc     %rbx, %r9
+
+       mulx    32($ap), %rbx, %r12
+       adc     %rax, %r10
+
+       mulx    40($ap), %rax, %r13
+       adc     %rbx, %r11
+
+       mulx    48($ap), %rbx, %r14
+       adc     %rax, %r12
+
+       mulx    56($ap), %rax, %r15
+        mov    8($bp), %rdx
+       adc     %rbx, %r13
+       adc     %rax, %r14
+       adc     \$0, %r15
+
+       xor     $zero, $zero            # cf=0,of=0
+       jmp     .Loop_mulx
+
+.align 32
+.Loop_mulx:
+       movq    %r8, %rbx
+       mulx    ($ap), %rax, %r8
+       adcx    %rax, %rbx
+       adox    %r9, %r8
+
+       mulx    8($ap), %rax, %r9
+       adcx    %rax, %r8
+       adox    %r10, %r9
+
+       mulx    16($ap), %rax, %r10
+       adcx    %rax, %r9
+       adox    %r11, %r10
+
+       mulx    24($ap), %rax, %r11
+       adcx    %rax, %r10
+       adox    %r12, %r11
+
+       .byte   0x3e,0xc4,0x62,0xfb,0xf6,0xa6,0x20,0x00,0x00,0x00       # mulx  32($ap), %rax, %r12
+       adcx    %rax, %r11
+       adox    %r13, %r12
+
+       mulx    40($ap), %rax, %r13
+       adcx    %rax, %r12
+       adox    %r14, %r13
+
+       mulx    48($ap), %rax, %r14
+       adcx    %rax, %r13
+       adox    %r15, %r14
+
+       mulx    56($ap), %rax, %r15
+        movq   64($bp,%rcx,8), %rdx
+        movq   %rbx, 8+64-8(%rsp,%rcx,8)
+       adcx    %rax, %r14
+       adox    $zero, %r15
+       adcx    $zero, %r15             # cf=0
+
+       inc     %rcx                    # of=0
+       jnz     .Loop_mulx
+
+       movq    %r8, %rbx
+       mulx    ($ap), %rax, %r8
+       adcx    %rax, %rbx
+       adox    %r9, %r8
+
+       .byte   0xc4,0x62,0xfb,0xf6,0x8e,0x08,0x00,0x00,0x00    # mulx  8($ap), %rax, %r9
+       adcx    %rax, %r8
+       adox    %r10, %r9
+
+       .byte   0xc4,0x62,0xfb,0xf6,0x96,0x10,0x00,0x00,0x00    # mulx  16($ap), %rax, %r10
+       adcx    %rax, %r9
+       adox    %r11, %r10
+
+       mulx    24($ap), %rax, %r11
+       adcx    %rax, %r10
+       adox    %r12, %r11
+
+       mulx    32($ap), %rax, %r12
+       adcx    %rax, %r11
+       adox    %r13, %r12
+
+       mulx    40($ap), %rax, %r13
+       adcx    %rax, %r12
+       adox    %r14, %r13
+
+       .byte   0xc4,0x62,0xfb,0xf6,0xb6,0x30,0x00,0x00,0x00    # mulx  48($ap), %rax, %r14
+       adcx    %rax, %r13
+       adox    %r15, %r14
+
+       .byte   0xc4,0x62,0xfb,0xf6,0xbe,0x38,0x00,0x00,0x00    # mulx  56($ap), %rax, %r15
+       adcx    %rax, %r14
+       adox    $zero, %r15
+       adcx    $zero, %r15
+
+       mov     %rbx, 8+64-8(%rsp)
+       mov     %r8, 8+64(%rsp)
+       mov     %r9, 8+64+8(%rsp)
+       mov     %r10, 8+64+16(%rsp)
+       mov     %r11, 8+64+24(%rsp)
+       mov     %r12, 8+64+32(%rsp)
+       mov     %r13, 8+64+40(%rsp)
+       mov     %r14, 8+64+48(%rsp)
+       mov     %r15, 8+64+56(%rsp)
+
+       ret
+.size  __rsaz_512_mulx,.-__rsaz_512_mulx
+___
+}
 {
 my ($out,$inp,$power)= $win64 ? ("%rcx","%rdx","%r8d") : ("%rdi","%rsi","%edx");
 $code.=<<___;
index 57591b8db34f2076b53dda1be015e922e918ade5..2cdb02a4f09093f989ccf8877ab9a297d9e37041 100644 (file)
-/******************************************************************************\r
-* Copyright(c) 2012, Intel Corp.                                             \r
-* Developers and authors:                                                    \r
-* Shay Gueron (1, 2), and Vlad Krasnov (1)                                   \r
-* (1) Intel Corporation, Israel Development Center, Haifa, Israel                               \r
-* (2) University of Haifa, Israel                                              \r
-******************************************************************************\r
-* LICENSE:                                                                \r
-* This submission to OpenSSL is to be made available under the OpenSSL  \r
-* license, and only to the OpenSSL project, in order to allow integration    \r
-* into the publicly distributed code. \r
-* The use of this code, or portions of this code, or concepts embedded in\r
-* this code, or modification of this code and/or algorithm(s) in it, or the\r
-* use of this code for any other purpose than stated above, requires special\r
-* licensing.                                                                  \r
-******************************************************************************\r
-* DISCLAIMER:                                                                \r
-* THIS SOFTWARE IS PROVIDED BY THE CONTRIBUTORS AND THE COPYRIGHT OWNERS     \r
-* ``AS IS''. ANY EXPRESSED OR IMPLIED WARRANTIES, INCLUDING, BUT NOT LIMITED \r
-* TO, THE IMPLIED WARRANTIES OF MERCHANTABILITY AND FITNESS FOR A PARTICULAR \r
-* PURPOSE ARE DISCLAIMED. IN NO EVENT SHALL THE CONTRIBUTORS OR THE COPYRIGHT\r
-* OWNERS BE LIABLE FOR ANY DIRECT, INDIRECT, INCIDENTAL, SPECIAL, EXEMPLARY, \r
-* OR CONSEQUENTIAL DAMAGES (INCLUDING, BUT NOT LIMITED TO, PROCUREMENT OF    \r
-* SUBSTITUTE GOODS OR SERVICES; LOSS OF USE, DATA, OR PROFITS; OR BUSINESS   \r
-* INTERRUPTION) HOWEVER CAUSED AND ON ANY THEORY OF LIABILITY, WHETHER IN    \r
-* CONTRACT, STRICT LIABILITY, OR TORT (INCLUDING NEGLIGENCE OR OTHERWISE)    \r
-* ARISING IN ANY WAY OUT OF THE USE OF THIS SOFTWARE, EVEN IF ADVISED OF THE \r
-* POSSIBILITY OF SUCH DAMAGE.                                                \r
-******************************************************************************/\r
-\r
-#include "rsaz_exp.h"\r
-\r
-/*\r
- * See crypto/bn/asm/rsaz-avx2.pl for further details.\r
- */\r
-void rsaz_1024_norm2red_avx2(void *red,const void *norm);\r
-void rsaz_1024_mul_avx2(void *ret,const void *a,const void *b,const void *n,unsigned long k);\r
-void rsaz_1024_sqr_avx2(void *ret,const void *a,const void *n,unsigned long k,int cnt);\r
-void rsaz_1024_scatter5_avx2(void *tbl,const void *val,int i);\r
-void rsaz_1024_gather5_avx2(void *val,const void *tbl,int i);\r
-void rsaz_1024_red2norm_avx2(void *norm,const void *red);\r
-\r
-#if defined(__GNUC__)\r
-# define ALIGN64       __attribute__((aligned(64)))\r
-#elif defined(_MSC_VER)\r
-# define ALIGN64       __declspec(align(64))\r
-#elif defined(__SUNPRO_C)\r
-# define ALIGN64\r
-# pragma align 64(one,two80)\r
-#else\r
-# define ALIGN64       /* not fatal, might hurt performance a little */\r
-#endif\r
-\r
-ALIGN64 static const unsigned long one[40] =\r
-       {1,0,0,    0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0};\r
-ALIGN64 static const unsigned long two80[40] =\r
-       {0,0,1<<22,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0};\r
-\r
-void RSAZ_1024_mod_exp_avx2(BN_ULONG result_norm[16],\r
-       const BN_ULONG base_norm[16], const BN_ULONG exponent[16],\r
-       const BN_ULONG m_norm[16], const BN_ULONG RR[16], BN_ULONG k0)\r
-{\r
-       unsigned char    storage[320*3+32*9*16+64];     /* 5.5KB */\r
-       unsigned char   *p_str = storage + (64-((size_t)storage%64));\r
-       unsigned char   *a_inv, *m, *result,\r
-                       *table_s = p_str+320*3,\r
-                       *R2      = table_s;     /* borrow */\r
-       int index;\r
-       int wvalue;\r
-\r
-       if ((((size_t)p_str&4095)+320)>>12) {\r
-               result = p_str;\r
-               a_inv = p_str + 320;\r
-               m = p_str + 320*2;      /* should not cross page */\r
-       } else {\r
-               m = p_str;              /* should not cross page */\r
-               result = p_str + 320;\r
-               a_inv = p_str + 320*2;\r
-       }\r
-\r
-       rsaz_1024_norm2red_avx2(m, m_norm);\r
-       rsaz_1024_norm2red_avx2(a_inv, base_norm);\r
-       rsaz_1024_norm2red_avx2(R2, RR);\r
-\r
-       rsaz_1024_mul_avx2(R2, R2, R2, m, k0);\r
-       rsaz_1024_mul_avx2(R2, R2, two80, m, k0);\r
-\r
-       /* table[0] = 1 */\r
-       rsaz_1024_mul_avx2(result, R2, one, m, k0);\r
-       /* table[1] = a_inv^1 */\r
-       rsaz_1024_mul_avx2(a_inv, a_inv, R2, m, k0);\r
-\r
-       rsaz_1024_scatter5_avx2(table_s,result,0);\r
-       rsaz_1024_scatter5_avx2(table_s,a_inv,1);\r
-\r
-       /* table[2] = a_inv^2 */\r
-       rsaz_1024_sqr_avx2(result, a_inv, m, k0, 1);\r
-       rsaz_1024_scatter5_avx2(table_s,result,2);\r
-#if 0\r
-       /* this is almost 2x smaller and less than 1% slower */\r
-       for (index=3; index<32; index++) {\r
-               rsaz_1024_mul_avx2(result, result, a_inv, m, k0);\r
-               rsaz_1024_scatter5_avx2(table_s,result,index);\r
-       }\r
-#else\r
-       /* table[4] = a_inv^4 */\r
-       rsaz_1024_sqr_avx2(result, result, m, k0, 1);\r
-       rsaz_1024_scatter5_avx2(table_s,result,4);\r
-       /* table[8] = a_inv^8 */\r
-       rsaz_1024_sqr_avx2(result, result, m, k0, 1);\r
-       rsaz_1024_scatter5_avx2(table_s,result,8);\r
-       /* table[16] = a_inv^16 */\r
-       rsaz_1024_sqr_avx2(result, result, m, k0, 1);\r
-       rsaz_1024_scatter5_avx2(table_s,result,16);\r
-       /* table[17] = a_inv^17 */\r
-       rsaz_1024_mul_avx2(result, result, a_inv, m, k0);\r
-       rsaz_1024_scatter5_avx2(table_s,result,17);\r
-\r
-       /* table[3] */\r
-       rsaz_1024_gather5_avx2(result,table_s,2);\r
-       rsaz_1024_mul_avx2(result,result,a_inv,m,k0);\r
-       rsaz_1024_scatter5_avx2(table_s,result,3);\r
-       /* table[6] */\r
-       rsaz_1024_sqr_avx2(result, result, m, k0, 1);\r
-       rsaz_1024_scatter5_avx2(table_s,result,6);\r
-       /* table[12] */\r
-       rsaz_1024_sqr_avx2(result, result, m, k0, 1);\r
-       rsaz_1024_scatter5_avx2(table_s,result,12);\r
-       /* table[24] */\r
-       rsaz_1024_sqr_avx2(result, result, m, k0, 1);\r
-       rsaz_1024_scatter5_avx2(table_s,result,24);\r
-       /* table[25] */\r
-       rsaz_1024_mul_avx2(result, result, a_inv, m, k0);\r
-       rsaz_1024_scatter5_avx2(table_s,result,25);\r
-\r
-       /* table[5] */\r
-       rsaz_1024_gather5_avx2(result,table_s,4);\r
-       rsaz_1024_mul_avx2(result,result,a_inv,m,k0);\r
-       rsaz_1024_scatter5_avx2(table_s,result,5);\r
-       /* table[10] */\r
-       rsaz_1024_sqr_avx2(result, result, m, k0, 1);\r
-       rsaz_1024_scatter5_avx2(table_s,result,10);\r
-       /* table[20] */\r
-       rsaz_1024_sqr_avx2(result, result, m, k0, 1);\r
-       rsaz_1024_scatter5_avx2(table_s,result,20);\r
-       /* table[21] */\r
-       rsaz_1024_mul_avx2(result, result, a_inv, m, k0);\r
-       rsaz_1024_scatter5_avx2(table_s,result,21);\r
-\r
-       /* table[7] */\r
-       rsaz_1024_gather5_avx2(result,table_s,6);\r
-       rsaz_1024_mul_avx2(result,result,a_inv,m,k0);\r
-       rsaz_1024_scatter5_avx2(table_s,result,7);\r
-       /* table[14] */\r
-       rsaz_1024_sqr_avx2(result, result, m, k0, 1);\r
-       rsaz_1024_scatter5_avx2(table_s,result,14);\r
-       /* table[28] */\r
-       rsaz_1024_sqr_avx2(result, result, m, k0, 1);\r
-       rsaz_1024_scatter5_avx2(table_s,result,28);\r
-       /* table[29] */\r
-       rsaz_1024_mul_avx2(result, result, a_inv, m, k0);\r
-       rsaz_1024_scatter5_avx2(table_s,result,29);\r
-\r
-       /* table[9] */\r
-       rsaz_1024_gather5_avx2(result,table_s,8);\r
-       rsaz_1024_mul_avx2(result,result,a_inv,m,k0);\r
-       rsaz_1024_scatter5_avx2(table_s,result,9);\r
-       /* table[18] */\r
-       rsaz_1024_sqr_avx2(result, result, m, k0, 1);\r
-       rsaz_1024_scatter5_avx2(table_s,result,18);\r
-       /* table[19] */\r
-       rsaz_1024_mul_avx2(result, result, a_inv, m, k0);\r
-       rsaz_1024_scatter5_avx2(table_s,result,19);\r
-\r
-       /* table[11] */\r
-       rsaz_1024_gather5_avx2(result,table_s,10);\r
-       rsaz_1024_mul_avx2(result,result,a_inv,m,k0);\r
-       rsaz_1024_scatter5_avx2(table_s,result,11);\r
-       /* table[22] */\r
-       rsaz_1024_sqr_avx2(result, result, m, k0, 1);\r
-       rsaz_1024_scatter5_avx2(table_s,result,22);\r
-       /* table[23] */\r
-       rsaz_1024_mul_avx2(result, result, a_inv, m, k0);\r
-       rsaz_1024_scatter5_avx2(table_s,result,23);\r
-\r
-       /* table[13] */\r
-       rsaz_1024_gather5_avx2(result,table_s,12);\r
-       rsaz_1024_mul_avx2(result,result,a_inv,m,k0);\r
-       rsaz_1024_scatter5_avx2(table_s,result,13);\r
-       /* table[26] */\r
-       rsaz_1024_sqr_avx2(result, result, m, k0, 1);\r
-       rsaz_1024_scatter5_avx2(table_s,result,26);\r
-       /* table[27] */\r
-       rsaz_1024_mul_avx2(result, result, a_inv, m, k0);\r
-       rsaz_1024_scatter5_avx2(table_s,result,27);\r
-\r
-       /* table[15] */\r
-       rsaz_1024_gather5_avx2(result,table_s,14);\r
-       rsaz_1024_mul_avx2(result,result,a_inv,m,k0);\r
-       rsaz_1024_scatter5_avx2(table_s,result,15);\r
-       /* table[30] */\r
-       rsaz_1024_sqr_avx2(result, result, m, k0, 1);\r
-       rsaz_1024_scatter5_avx2(table_s,result,30);\r
-       /* table[31] */\r
-       rsaz_1024_mul_avx2(result, result, a_inv, m, k0);\r
-       rsaz_1024_scatter5_avx2(table_s,result,31);\r
-#endif\r
-\r
-       /* load first window */\r
-       p_str = (unsigned char*)exponent;\r
-       wvalue = p_str[127] >> 3;\r
-       rsaz_1024_gather5_avx2(result,table_s,wvalue);\r
-\r
-       index = 1014;\r
-\r
-       while(index > -1) {     /* loop for the remaining 127 windows */\r
-\r
-               rsaz_1024_sqr_avx2(result, result, m, k0, 5);\r
-\r
-               wvalue = *((unsigned short*)&p_str[index/8]);\r
-               wvalue = (wvalue>> (index%8)) & 31;\r
-               index-=5;\r
-\r
-               rsaz_1024_gather5_avx2(a_inv,table_s,wvalue);   /* borrow a_inv */\r
-               rsaz_1024_mul_avx2(result, result, a_inv, m, k0);\r
-       }\r
-\r
-       /* square four times */\r
-       rsaz_1024_sqr_avx2(result, result, m, k0, 4);\r
-\r
-       wvalue = p_str[0] & 15;\r
-\r
-       rsaz_1024_gather5_avx2(a_inv,table_s,wvalue);   /* borrow a_inv */\r
-       rsaz_1024_mul_avx2(result, result, a_inv, m, k0);\r
-\r
-       /* from Montgomery */\r
-       rsaz_1024_mul_avx2(result, result, one, m, k0);\r
-\r
-       rsaz_1024_red2norm_avx2(result_norm, result);\r
-\r
-       OPENSSL_cleanse(storage,sizeof(storage));\r
-}\r
-\r
-/*\r
- * See crypto/bn/rsaz-x86_64.pl for further details.\r
- */\r
-void rsaz_512_mul(void *ret,const void *a,const void *b,const void *n,unsigned long k);\r
-void rsaz_512_mul_scatter4(void *ret,const void *a,const void *n,unsigned long k,const void *tbl,unsigned int power);\r
-void rsaz_512_mul_gather4(void *ret,const void *a,const void *tbl,const void *n,unsigned long k,unsigned int power);\r
-void rsaz_512_mul_by_one(void *ret,const void *a,const void *n,unsigned long k);\r
-void rsaz_512_sqr(void *ret,const void *a,const void *n,unsigned long k,int cnt);\r
-void rsaz_512_scatter4(void *tbl, const unsigned long *val, int power);\r
-void rsaz_512_gather4(unsigned long *val, const void *tbl, int power);\r
-\r
-void RSAZ_512_mod_exp(BN_ULONG result[8],\r
-       const BN_ULONG base[8], const BN_ULONG exponent[8],\r
-       const BN_ULONG m[8], BN_ULONG k0, const BN_ULONG RR[8])\r
-{\r
-       unsigned char    storage[16*8*8+64*2+64];       /* 1.2KB */\r
-       unsigned char   *table = storage + (64-((size_t)storage%64));\r
-       unsigned long   *a_inv = (unsigned long *)(table+16*8*8),\r
-                       *temp  = (unsigned long *)(table+16*8*8+8*8);\r
-       unsigned char   *p_str = (unsigned char*)exponent;\r
-       int index;\r
-       unsigned int wvalue;\r
-\r
-       /* table[0] = 1_inv */\r
-       temp[0] = 0-m[0];       temp[1] = ~m[1];\r
-       temp[2] = ~m[2];        temp[3] = ~m[3];\r
-       temp[4] = ~m[4];        temp[5] = ~m[5];\r
-       temp[6] = ~m[6];        temp[7] = ~m[7];\r
-       rsaz_512_scatter4(table, temp, 0);\r
-\r
-       /* table [1] = a_inv^1 */\r
-       rsaz_512_mul(a_inv, base, RR, m, k0);\r
-       rsaz_512_scatter4(table, a_inv, 1);\r
-\r
-       /* table [2] = a_inv^2 */\r
-       rsaz_512_sqr(temp, a_inv, m, k0, 1);\r
-       rsaz_512_scatter4(table, temp, 2);\r
-\r
-       for (index=3; index<16; index++)\r
-               rsaz_512_mul_scatter4(temp, a_inv, m, k0, table, index);\r
-\r
-       /* load first window */\r
-       wvalue = p_str[63];\r
-\r
-       rsaz_512_gather4(temp, table, wvalue>>4);\r
-       rsaz_512_sqr(temp, temp, m, k0, 4);\r
-       rsaz_512_mul_gather4(temp, temp, table, m, k0, wvalue&0xf);\r
-\r
-       for (index=62; index>=0; index--) {\r
-               wvalue = p_str[index];\r
-\r
-               rsaz_512_sqr(temp, temp, m, k0, 4);\r
-               rsaz_512_mul_gather4(temp, temp, table, m, k0, wvalue>>4);\r
-\r
-               rsaz_512_sqr(temp, temp, m, k0, 4);\r
-               rsaz_512_mul_gather4(temp, temp, table, m, k0, wvalue&0x0f);\r
-       }\r
-\r
-       /* from Montgomery */\r
-       rsaz_512_mul_by_one(result, temp, m, k0);\r
-\r
-       OPENSSL_cleanse(storage,sizeof(storage));\r
-}\r
+/*****************************************************************************
+*                                                                            *
+*  Copyright (c) 2012, Intel Corporation                                     *
+*                                                                            *
+*  All rights reserved.                                                      *
+*                                                                            *
+*  Redistribution and use in source and binary forms, with or without        *
+*  modification, are permitted provided that the following conditions are    *
+*  met:                                                                      *
+*                                                                            *
+*  *  Redistributions of source code must retain the above copyright         *
+*     notice, this list of conditions and the following disclaimer.          *
+*                                                                            *
+*  *  Redistributions in binary form must reproduce the above copyright      *
+*     notice, this list of conditions and the following disclaimer in the    *
+*     documentation and/or other materials provided with the                 *
+*     distribution.                                                          *
+*                                                                            *
+*  *  Neither the name of the Intel Corporation nor the names of its         *
+*     contributors may be used to endorse or promote products derived from   *
+*     this software without specific prior written permission.               *
+*                                                                            *
+*                                                                            *
+*  THIS SOFTWARE IS PROVIDED BY INTEL CORPORATION ""AS IS"" AND ANY          *
+*  EXPRESS OR IMPLIED WARRANTIES, INCLUDING, BUT NOT LIMITED TO, THE         *
+*  IMPLIED WARRANTIES OF MERCHANTABILITY AND FITNESS FOR A PARTICULAR        *
+*  PURPOSE ARE DISCLAIMED. IN NO EVENT SHALL INTEL CORPORATION OR            *
+*  CONTRIBUTORS BE LIABLE FOR ANY DIRECT, INDIRECT, INCIDENTAL, SPECIAL,     *
+*  EXEMPLARY, OR CONSEQUENTIAL DAMAGES (INCLUDING, BUT NOT LIMITED TO,       *
+*  PROCUREMENT OF SUBSTITUTE GOODS OR SERVICES; LOSS OF USE, DATA, OR        *
+*  PROFITS; OR BUSINESS INTERRUPTION) HOWEVER CAUSED AND ON ANY THEORY OF    *
+*  LIABILITY, WHETHER IN CONTRACT, STRICT LIABILITY, OR TORT (INCLUDING      *
+*  NEGLIGENCE OR OTHERWISE) ARISING IN ANY WAY OUT OF THE USE OF THIS        *
+*  SOFTWARE, EVEN IF ADVISED OF THE POSSIBILITY OF SUCH DAMAGE.              *
+*                                                                            *
+******************************************************************************
+* Developers and authors:                                                    *
+* Shay Gueron (1, 2), and Vlad Krasnov (1)                                   *
+* (1) Intel Corporation, Israel Development Center, Haifa, Israel            *
+* (2) University of Haifa, Israel                                            *
+*****************************************************************************/
+
+#include "rsaz_exp.h"
+
+/*
+ * See crypto/bn/asm/rsaz-avx2.pl for further details.
+ */
+void rsaz_1024_norm2red_avx2(void *red,const void *norm);
+void rsaz_1024_mul_avx2(void *ret,const void *a,const void *b,const void *n,unsigned long k);
+void rsaz_1024_sqr_avx2(void *ret,const void *a,const void *n,unsigned long k,int cnt);
+void rsaz_1024_scatter5_avx2(void *tbl,const void *val,int i);
+void rsaz_1024_gather5_avx2(void *val,const void *tbl,int i);
+void rsaz_1024_red2norm_avx2(void *norm,const void *red);
+
+#if defined(__GNUC__)
+# define ALIGN64       __attribute__((aligned(64)))
+#elif defined(_MSC_VER)
+# define ALIGN64       __declspec(align(64))
+#elif defined(__SUNPRO_C)
+# define ALIGN64
+# pragma align 64(one,two80)
+#else
+# define ALIGN64       /* not fatal, might hurt performance a little */
+#endif
+
+ALIGN64 static const unsigned long one[40] =
+       {1,0,0,    0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0};
+ALIGN64 static const unsigned long two80[40] =
+       {0,0,1<<22,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0};
+
+void RSAZ_1024_mod_exp_avx2(BN_ULONG result_norm[16],
+       const BN_ULONG base_norm[16], const BN_ULONG exponent[16],
+       const BN_ULONG m_norm[16], const BN_ULONG RR[16], BN_ULONG k0)
+{
+       unsigned char    storage[320*3+32*9*16+64];     /* 5.5KB */
+       unsigned char   *p_str = storage + (64-((size_t)storage%64));
+       unsigned char   *a_inv, *m, *result,
+                       *table_s = p_str+320*3,
+                       *R2      = table_s;     /* borrow */
+       int index;
+       int wvalue;
+
+       if ((((size_t)p_str&4095)+320)>>12) {
+               result = p_str;
+               a_inv = p_str + 320;
+               m = p_str + 320*2;      /* should not cross page */
+       } else {
+               m = p_str;              /* should not cross page */
+               result = p_str + 320;
+               a_inv = p_str + 320*2;
+       }
+
+       rsaz_1024_norm2red_avx2(m, m_norm);
+       rsaz_1024_norm2red_avx2(a_inv, base_norm);
+       rsaz_1024_norm2red_avx2(R2, RR);
+
+       rsaz_1024_mul_avx2(R2, R2, R2, m, k0);
+       rsaz_1024_mul_avx2(R2, R2, two80, m, k0);
+
+       /* table[0] = 1 */
+       rsaz_1024_mul_avx2(result, R2, one, m, k0);
+       /* table[1] = a_inv^1 */
+       rsaz_1024_mul_avx2(a_inv, a_inv, R2, m, k0);
+
+       rsaz_1024_scatter5_avx2(table_s,result,0);
+       rsaz_1024_scatter5_avx2(table_s,a_inv,1);
+
+       /* table[2] = a_inv^2 */
+       rsaz_1024_sqr_avx2(result, a_inv, m, k0, 1);
+       rsaz_1024_scatter5_avx2(table_s,result,2);
+#if 0
+       /* this is almost 2x smaller and less than 1% slower */
+       for (index=3; index<32; index++) {
+               rsaz_1024_mul_avx2(result, result, a_inv, m, k0);
+               rsaz_1024_scatter5_avx2(table_s,result,index);
+       }
+#else
+       /* table[4] = a_inv^4 */
+       rsaz_1024_sqr_avx2(result, result, m, k0, 1);
+       rsaz_1024_scatter5_avx2(table_s,result,4);
+       /* table[8] = a_inv^8 */
+       rsaz_1024_sqr_avx2(result, result, m, k0, 1);
+       rsaz_1024_scatter5_avx2(table_s,result,8);
+       /* table[16] = a_inv^16 */
+       rsaz_1024_sqr_avx2(result, result, m, k0, 1);
+       rsaz_1024_scatter5_avx2(table_s,result,16);
+       /* table[17] = a_inv^17 */
+       rsaz_1024_mul_avx2(result, result, a_inv, m, k0);
+       rsaz_1024_scatter5_avx2(table_s,result,17);
+
+       /* table[3] */
+       rsaz_1024_gather5_avx2(result,table_s,2);
+       rsaz_1024_mul_avx2(result,result,a_inv,m,k0);
+       rsaz_1024_scatter5_avx2(table_s,result,3);
+       /* table[6] */
+       rsaz_1024_sqr_avx2(result, result, m, k0, 1);
+       rsaz_1024_scatter5_avx2(table_s,result,6);
+       /* table[12] */
+       rsaz_1024_sqr_avx2(result, result, m, k0, 1);
+       rsaz_1024_scatter5_avx2(table_s,result,12);
+       /* table[24] */
+       rsaz_1024_sqr_avx2(result, result, m, k0, 1);
+       rsaz_1024_scatter5_avx2(table_s,result,24);
+       /* table[25] */
+       rsaz_1024_mul_avx2(result, result, a_inv, m, k0);
+       rsaz_1024_scatter5_avx2(table_s,result,25);
+
+       /* table[5] */
+       rsaz_1024_gather5_avx2(result,table_s,4);
+       rsaz_1024_mul_avx2(result,result,a_inv,m,k0);
+       rsaz_1024_scatter5_avx2(table_s,result,5);
+       /* table[10] */
+       rsaz_1024_sqr_avx2(result, result, m, k0, 1);
+       rsaz_1024_scatter5_avx2(table_s,result,10);
+       /* table[20] */
+       rsaz_1024_sqr_avx2(result, result, m, k0, 1);
+       rsaz_1024_scatter5_avx2(table_s,result,20);
+       /* table[21] */
+       rsaz_1024_mul_avx2(result, result, a_inv, m, k0);
+       rsaz_1024_scatter5_avx2(table_s,result,21);
+
+       /* table[7] */
+       rsaz_1024_gather5_avx2(result,table_s,6);
+       rsaz_1024_mul_avx2(result,result,a_inv,m,k0);
+       rsaz_1024_scatter5_avx2(table_s,result,7);
+       /* table[14] */
+       rsaz_1024_sqr_avx2(result, result, m, k0, 1);
+       rsaz_1024_scatter5_avx2(table_s,result,14);
+       /* table[28] */
+       rsaz_1024_sqr_avx2(result, result, m, k0, 1);
+       rsaz_1024_scatter5_avx2(table_s,result,28);
+       /* table[29] */
+       rsaz_1024_mul_avx2(result, result, a_inv, m, k0);
+       rsaz_1024_scatter5_avx2(table_s,result,29);
+
+       /* table[9] */
+       rsaz_1024_gather5_avx2(result,table_s,8);
+       rsaz_1024_mul_avx2(result,result,a_inv,m,k0);
+       rsaz_1024_scatter5_avx2(table_s,result,9);
+       /* table[18] */
+       rsaz_1024_sqr_avx2(result, result, m, k0, 1);
+       rsaz_1024_scatter5_avx2(table_s,result,18);
+       /* table[19] */
+       rsaz_1024_mul_avx2(result, result, a_inv, m, k0);
+       rsaz_1024_scatter5_avx2(table_s,result,19);
+
+       /* table[11] */
+       rsaz_1024_gather5_avx2(result,table_s,10);
+       rsaz_1024_mul_avx2(result,result,a_inv,m,k0);
+       rsaz_1024_scatter5_avx2(table_s,result,11);
+       /* table[22] */
+       rsaz_1024_sqr_avx2(result, result, m, k0, 1);
+       rsaz_1024_scatter5_avx2(table_s,result,22);
+       /* table[23] */
+       rsaz_1024_mul_avx2(result, result, a_inv, m, k0);
+       rsaz_1024_scatter5_avx2(table_s,result,23);
+
+       /* table[13] */
+       rsaz_1024_gather5_avx2(result,table_s,12);
+       rsaz_1024_mul_avx2(result,result,a_inv,m,k0);
+       rsaz_1024_scatter5_avx2(table_s,result,13);
+       /* table[26] */
+       rsaz_1024_sqr_avx2(result, result, m, k0, 1);
+       rsaz_1024_scatter5_avx2(table_s,result,26);
+       /* table[27] */
+       rsaz_1024_mul_avx2(result, result, a_inv, m, k0);
+       rsaz_1024_scatter5_avx2(table_s,result,27);
+
+       /* table[15] */
+       rsaz_1024_gather5_avx2(result,table_s,14);
+       rsaz_1024_mul_avx2(result,result,a_inv,m,k0);
+       rsaz_1024_scatter5_avx2(table_s,result,15);
+       /* table[30] */
+       rsaz_1024_sqr_avx2(result, result, m, k0, 1);
+       rsaz_1024_scatter5_avx2(table_s,result,30);
+       /* table[31] */
+       rsaz_1024_mul_avx2(result, result, a_inv, m, k0);
+       rsaz_1024_scatter5_avx2(table_s,result,31);
+#endif
+
+       /* load first window */
+       p_str = (unsigned char*)exponent;
+       wvalue = p_str[127] >> 3;
+       rsaz_1024_gather5_avx2(result,table_s,wvalue);
+
+       index = 1014;
+
+       while(index > -1) {     /* loop for the remaining 127 windows */
+
+               rsaz_1024_sqr_avx2(result, result, m, k0, 5);
+
+               wvalue = *((unsigned short*)&p_str[index/8]);
+               wvalue = (wvalue>> (index%8)) & 31;
+               index-=5;
+
+               rsaz_1024_gather5_avx2(a_inv,table_s,wvalue);   /* borrow a_inv */
+               rsaz_1024_mul_avx2(result, result, a_inv, m, k0);
+       }
+
+       /* square four times */
+       rsaz_1024_sqr_avx2(result, result, m, k0, 4);
+
+       wvalue = p_str[0] & 15;
+
+       rsaz_1024_gather5_avx2(a_inv,table_s,wvalue);   /* borrow a_inv */
+       rsaz_1024_mul_avx2(result, result, a_inv, m, k0);
+
+       /* from Montgomery */
+       rsaz_1024_mul_avx2(result, result, one, m, k0);
+
+       rsaz_1024_red2norm_avx2(result_norm, result);
+
+       OPENSSL_cleanse(storage,sizeof(storage));
+}
+
+/*
+ * See crypto/bn/rsaz-x86_64.pl for further details.
+ */
+void rsaz_512_mul(void *ret,const void *a,const void *b,const void *n,unsigned long k);
+void rsaz_512_mul_scatter4(void *ret,const void *a,const void *n,unsigned long k,const void *tbl,unsigned int power);
+void rsaz_512_mul_gather4(void *ret,const void *a,const void *tbl,const void *n,unsigned long k,unsigned int power);
+void rsaz_512_mul_by_one(void *ret,const void *a,const void *n,unsigned long k);
+void rsaz_512_sqr(void *ret,const void *a,const void *n,unsigned long k,int cnt);
+void rsaz_512_scatter4(void *tbl, const unsigned long *val, int power);
+void rsaz_512_gather4(unsigned long *val, const void *tbl, int power);
+
+void RSAZ_512_mod_exp(BN_ULONG result[8],
+       const BN_ULONG base[8], const BN_ULONG exponent[8],
+       const BN_ULONG m[8], BN_ULONG k0, const BN_ULONG RR[8])
+{
+       unsigned char    storage[16*8*8+64*2+64];       /* 1.2KB */
+       unsigned char   *table = storage + (64-((size_t)storage%64));
+       unsigned long   *a_inv = (unsigned long *)(table+16*8*8),
+                       *temp  = (unsigned long *)(table+16*8*8+8*8);
+       unsigned char   *p_str = (unsigned char*)exponent;
+       int index;
+       unsigned int wvalue;
+
+       /* table[0] = 1_inv */
+       temp[0] = 0-m[0];       temp[1] = ~m[1];
+       temp[2] = ~m[2];        temp[3] = ~m[3];
+       temp[4] = ~m[4];        temp[5] = ~m[5];
+       temp[6] = ~m[6];        temp[7] = ~m[7];
+       rsaz_512_scatter4(table, temp, 0);
+
+       /* table [1] = a_inv^1 */
+       rsaz_512_mul(a_inv, base, RR, m, k0);
+       rsaz_512_scatter4(table, a_inv, 1);
+
+       /* table [2] = a_inv^2 */
+       rsaz_512_sqr(temp, a_inv, m, k0, 1);
+       rsaz_512_scatter4(table, temp, 2);
+
+       for (index=3; index<16; index++)
+               rsaz_512_mul_scatter4(temp, a_inv, m, k0, table, index);
+
+       /* load first window */
+       wvalue = p_str[63];
+
+       rsaz_512_gather4(temp, table, wvalue>>4);
+       rsaz_512_sqr(temp, temp, m, k0, 4);
+       rsaz_512_mul_gather4(temp, temp, table, m, k0, wvalue&0xf);
+
+       for (index=62; index>=0; index--) {
+               wvalue = p_str[index];
+
+               rsaz_512_sqr(temp, temp, m, k0, 4);
+               rsaz_512_mul_gather4(temp, temp, table, m, k0, wvalue>>4);
+
+               rsaz_512_sqr(temp, temp, m, k0, 4);
+               rsaz_512_mul_gather4(temp, temp, table, m, k0, wvalue&0x0f);
+       }
+
+       /* from Montgomery */
+       rsaz_512_mul_by_one(result, temp, m, k0);
+
+       OPENSSL_cleanse(storage,sizeof(storage));
+}