arch/x86/crypto/serpent-avx-x86_64-asm_64.S

   1 /*
   2  * Serpent Cipher 8-way parallel algorithm (x86_64/AVX)
   3  *
   4  * Copyright (C) 2012 Johannes Goetzfried
   5  *     <Johannes.Goetzfried@informatik.stud.uni-erlangen.de>
   6  *
   7  * Based on arch/x86/crypto/serpent-sse2-x86_64-asm_64.S by
   8  *  Copyright (C) 2011 Jussi Kivilinna <jussi.kivilinna@mbnet.fi>
   9  *
  10  * This program is free software; you can redistribute it and/or modify
  11  * it under the terms of the GNU General Public License as published by
  12  * the Free Software Foundation; either version 2 of the License, or
  13  * (at your option) any later version.
  14  *
  15  * This program is distributed in the hope that it will be useful,
  16  * but WITHOUT ANY WARRANTY; without even the implied warranty of
  17  * MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
  18  * GNU General Public License for more details.
  19  *
  20  * You should have received a copy of the GNU General Public License
  21  * along with this program; if not, write to the Free Software
  22  * Foundation, Inc., 59 Temple Place, Suite 330, Boston, MA  02111-1307
  23  * USA
  24  *
  25  */
  26
  27 .file "serpent-avx-x86_64-asm_64.S"
  28 .text
  29
  30 #define CTX %rdi
  31
  32 /**********************************************************************
  33   8-way AVX serpent
  34  **********************************************************************/
  35 #define RA1 %xmm0
  36 #define RB1 %xmm1
  37 #define RC1 %xmm2
  38 #define RD1 %xmm3
  39 #define RE1 %xmm4
  40
  41 #define tp  %xmm5
  42
  43 #define RA2 %xmm6
  44 #define RB2 %xmm7
  45 #define RC2 %xmm8
  46 #define RD2 %xmm9
  47 #define RE2 %xmm10
  48
  49 #define RNOT %xmm11
  50
  51 #define RK0 %xmm12
  52 #define RK1 %xmm13
  53 #define RK2 %xmm14
  54 #define RK3 %xmm15
  55
  56
  57 #define S0_1(x0, x1, x2, x3, x4)      \
  58         vpor            x0,   x3, tp; \
  59         vpxor           x3,   x0, x0; \
  60         vpxor           x2,   x3, x4; \
  61         vpxor           RNOT, x4, x4; \
  62         vpxor           x1,   tp, x3; \
  63         vpand           x0,   x1, x1; \
  64         vpxor           x4,   x1, x1; \
  65         vpxor           x0,   x2, x2;
  66 #define S0_2(x0, x1, x2, x3, x4)      \
  67         vpxor           x3,   x0, x0; \
  68         vpor            x0,   x4, x4; \
  69         vpxor           x2,   x0, x0; \
  70         vpand           x1,   x2, x2; \
  71         vpxor           x2,   x3, x3; \
  72         vpxor           RNOT, x1, x1; \
  73         vpxor           x4,   x2, x2; \
  74         vpxor           x2,   x1, x1;
  75
  76 #define S1_1(x0, x1, x2, x3, x4)      \
  77         vpxor           x0,   x1, tp; \
  78         vpxor           x3,   x0, x0; \
  79         vpxor           RNOT, x3, x3; \
  80         vpand           tp,   x1, x4; \
  81         vpor            tp,   x0, x0; \
  82         vpxor           x2,   x3, x3; \
  83         vpxor           x3,   x0, x0; \
  84         vpxor           x3,   tp, x1;
  85 #define S1_2(x0, x1, x2, x3, x4)      \
  86         vpxor           x4,   x3, x3; \
  87         vpor            x4,   x1, x1; \
  88         vpxor           x2,   x4, x4; \
  89         vpand           x0,   x2, x2; \
  90         vpxor           x1,   x2, x2; \
  91         vpor            x0,   x1, x1; \
  92         vpxor           RNOT, x0, x0; \
  93         vpxor           x2,   x0, x0; \
  94         vpxor           x1,   x4, x4;
  95
  96 #define S2_1(x0, x1, x2, x3, x4)      \
  97         vpxor           RNOT, x3, x3; \
  98         vpxor           x0,   x1, x1; \
  99         vpand           x2,   x0, tp; \
 100         vpxor           x3,   tp, tp; \
 101         vpor            x0,   x3, x3; \
 102         vpxor           x1,   x2, x2; \
 103         vpxor           x1,   x3, x3; \
 104         vpand           tp,   x1, x1;
 105 #define S2_2(x0, x1, x2, x3, x4)      \
 106         vpxor           x2,   tp, tp; \
 107         vpand           x3,   x2, x2; \
 108         vpor            x1,   x3, x3; \
 109         vpxor           RNOT, tp, tp; \
 110         vpxor           tp,   x3, x3; \
 111         vpxor           tp,   x0, x4; \
 112         vpxor           x2,   tp, x0; \
 113         vpor            x2,   x1, x1;
 114
 115 #define S3_1(x0, x1, x2, x3, x4)      \
 116         vpxor           x3,   x1, tp; \
 117         vpor            x0,   x3, x3; \
 118         vpand           x0,   x1, x4; \
 119         vpxor           x2,   x0, x0; \
 120         vpxor           tp,   x2, x2; \
 121         vpand           x3,   tp, x1; \
 122         vpxor           x3,   x2, x2; \
 123         vpor            x4,   x0, x0; \
 124         vpxor           x3,   x4, x4;
 125 #define S3_2(x0, x1, x2, x3, x4)      \
 126         vpxor           x0,   x1, x1; \
 127         vpand           x3,   x0, x0; \
 128         vpand           x4,   x3, x3; \
 129         vpxor           x2,   x3, x3; \
 130         vpor            x1,   x4, x4; \
 131         vpand           x1,   x2, x2; \
 132         vpxor           x3,   x4, x4; \
 133         vpxor           x3,   x0, x0; \
 134         vpxor           x2,   x3, x3;
 135
 136 #define S4_1(x0, x1, x2, x3, x4)      \
 137         vpand           x0,   x3, tp; \
 138         vpxor           x3,   x0, x0; \
 139         vpxor           x2,   tp, tp; \
 140         vpor            x3,   x2, x2; \
 141         vpxor           x1,   x0, x0; \
 142         vpxor           tp,   x3, x4; \
 143         vpor            x0,   x2, x2; \
 144         vpxor           x1,   x2, x2;
 145 #define S4_2(x0, x1, x2, x3, x4)      \
 146         vpand           x0,   x1, x1; \
 147         vpxor           x4,   x1, x1; \
 148         vpand           x2,   x4, x4; \
 149         vpxor           tp,   x2, x2; \
 150         vpxor           x0,   x4, x4; \
 151         vpor            x1,   tp, x3; \
 152         vpxor           RNOT, x1, x1; \
 153         vpxor           x0,   x3, x3;
 154
 155 #define S5_1(x0, x1, x2, x3, x4)      \
 156         vpor            x0,   x1, tp; \
 157         vpxor           tp,   x2, x2; \
 158         vpxor           RNOT, x3, x3; \
 159         vpxor           x0,   x1, x4; \
 160         vpxor           x2,   x0, x0; \
 161         vpand           x4,   tp, x1; \
 162         vpor            x3,   x4, x4; \
 163         vpxor           x0,   x4, x4;
 164 #define S5_2(x0, x1, x2, x3, x4)      \
 165         vpand           x3,   x0, x0; \
 166         vpxor           x3,   x1, x1; \
 167         vpxor           x2,   x3, x3; \
 168         vpxor           x1,   x0, x0; \
 169         vpand           x4,   x2, x2; \
 170         vpxor           x2,   x1, x1; \
 171         vpand           x0,   x2, x2; \
 172         vpxor           x2,   x3, x3;
 173
 174 #define S6_1(x0, x1, x2, x3, x4)      \
 175         vpxor           x0,   x3, x3; \
 176         vpxor           x2,   x1, tp; \
 177         vpxor           x0,   x2, x2; \
 178         vpand           x3,   x0, x0; \
 179         vpor            x3,   tp, tp; \
 180         vpxor           RNOT, x1, x4; \
 181         vpxor           tp,   x0, x0; \
 182         vpxor           x2,   tp, x1;
 183 #define S6_2(x0, x1, x2, x3, x4)      \
 184         vpxor           x4,   x3, x3; \
 185         vpxor           x0,   x4, x4; \
 186         vpand           x0,   x2, x2; \
 187         vpxor           x1,   x4, x4; \
 188         vpxor           x3,   x2, x2; \
 189         vpand           x1,   x3, x3; \
 190         vpxor           x0,   x3, x3; \
 191         vpxor           x2,   x1, x1;
 192
 193 #define S7_1(x0, x1, x2, x3, x4)      \
 194         vpxor           RNOT, x1, tp; \
 195         vpxor           RNOT, x0, x0; \
 196         vpand           x2,   tp, x1; \
 197         vpxor           x3,   x1, x1; \
 198         vpor            tp,   x3, x3; \
 199         vpxor           x2,   tp, x4; \
 200         vpxor           x3,   x2, x2; \
 201         vpxor           x0,   x3, x3; \
 202         vpor            x1,   x0, x0;
 203 #define S7_2(x0, x1, x2, x3, x4)      \
 204         vpand           x0,   x2, x2; \
 205         vpxor           x4,   x0, x0; \
 206         vpxor           x3,   x4, x4; \
 207         vpand           x0,   x3, x3; \
 208         vpxor           x1,   x4, x4; \
 209         vpxor           x4,   x2, x2; \
 210         vpxor           x1,   x3, x3; \
 211         vpor            x0,   x4, x4; \
 212         vpxor           x1,   x4, x4;
 213
 214 #define SI0_1(x0, x1, x2, x3, x4)     \
 215         vpxor           x0,   x1, x1; \
 216         vpor            x1,   x3, tp; \
 217         vpxor           x1,   x3, x4; \
 218         vpxor           RNOT, x0, x0; \
 219         vpxor           tp,   x2, x2; \
 220         vpxor           x0,   tp, x3; \
 221         vpand           x1,   x0, x0; \
 222         vpxor           x2,   x0, x0;
 223 #define SI0_2(x0, x1, x2, x3, x4)     \
 224         vpand           x3,   x2, x2; \
 225         vpxor           x4,   x3, x3; \
 226         vpxor           x3,   x2, x2; \
 227         vpxor           x3,   x1, x1; \
 228         vpand           x0,   x3, x3; \
 229         vpxor           x0,   x1, x1; \
 230         vpxor           x2,   x0, x0; \
 231         vpxor           x3,   x4, x4;
 232
 233 #define SI1_1(x0, x1, x2, x3, x4)     \
 234         vpxor           x3,   x1, x1; \
 235         vpxor           x2,   x0, tp; \
 236         vpxor           RNOT, x2, x2; \
 237         vpor            x1,   x0, x4; \
 238         vpxor           x3,   x4, x4; \
 239         vpand           x1,   x3, x3; \
 240         vpxor           x2,   x1, x1; \
 241         vpand           x4,   x2, x2;
 242 #define SI1_2(x0, x1, x2, x3, x4)     \
 243         vpxor           x1,   x4, x4; \
 244         vpor            x3,   x1, x1; \
 245         vpxor           tp,   x3, x3; \
 246         vpxor           tp,   x2, x2; \
 247         vpor            x4,   tp, x0; \
 248         vpxor           x4,   x2, x2; \
 249         vpxor           x0,   x1, x1; \
 250         vpxor           x1,   x4, x4;
 251
 252 #define SI2_1(x0, x1, x2, x3, x4)     \
 253         vpxor           x1,   x2, x2; \
 254         vpxor           RNOT, x3, tp; \
 255         vpor            x2,   tp, tp; \
 256         vpxor           x3,   x2, x2; \
 257         vpxor           x0,   x3, x4; \
 258         vpxor           x1,   tp, x3; \
 259         vpor            x2,   x1, x1; \
 260         vpxor           x0,   x2, x2;
 261 #define SI2_2(x0, x1, x2, x3, x4)     \
 262         vpxor           x4,   x1, x1; \
 263         vpor            x3,   x4, x4; \
 264         vpxor           x3,   x2, x2; \
 265         vpxor           x2,   x4, x4; \
 266         vpand           x1,   x2, x2; \
 267         vpxor           x3,   x2, x2; \
 268         vpxor           x4,   x3, x3; \
 269         vpxor           x0,   x4, x4;
 270
 271 #define SI3_1(x0, x1, x2, x3, x4)     \
 272         vpxor           x1,   x2, x2; \
 273         vpand           x2,   x1, tp; \
 274         vpxor           x0,   tp, tp; \
 275         vpor            x1,   x0, x0; \
 276         vpxor           x3,   x1, x4; \
 277         vpxor           x3,   x0, x0; \
 278         vpor            tp,   x3, x3; \
 279         vpxor           x2,   tp, x1;
 280 #define SI3_2(x0, x1, x2, x3, x4)     \
 281         vpxor           x3,   x1, x1; \
 282         vpxor           x2,   x0, x0; \
 283         vpxor           x3,   x2, x2; \
 284         vpand           x1,   x3, x3; \
 285         vpxor           x0,   x1, x1; \
 286         vpand           x2,   x0, x0; \
 287         vpxor           x3,   x4, x4; \
 288         vpxor           x0,   x3, x3; \
 289         vpxor           x1,   x0, x0;
 290
 291 #define SI4_1(x0, x1, x2, x3, x4)     \
 292         vpxor           x3,   x2, x2; \
 293         vpand           x1,   x0, tp; \
 294         vpxor           x2,   tp, tp; \
 295         vpor            x3,   x2, x2; \
 296         vpxor           RNOT, x0, x4; \
 297         vpxor           tp,   x1, x1; \
 298         vpxor           x2,   tp, x0; \
 299         vpand           x4,   x2, x2;
 300 #define SI4_2(x0, x1, x2, x3, x4)     \
 301         vpxor           x0,   x2, x2; \
 302         vpor            x4,   x0, x0; \
 303         vpxor           x3,   x0, x0; \
 304         vpand           x2,   x3, x3; \
 305         vpxor           x3,   x4, x4; \
 306         vpxor           x1,   x3, x3; \
 307         vpand           x0,   x1, x1; \
 308         vpxor           x1,   x4, x4; \
 309         vpxor           x3,   x0, x0;
 310
 311 #define SI5_1(x0, x1, x2, x3, x4)     \
 312         vpor            x2,   x1, tp; \
 313         vpxor           x1,   x2, x2; \
 314         vpxor           x3,   tp, tp; \
 315         vpand           x1,   x3, x3; \
 316         vpxor           x3,   x2, x2; \
 317         vpor            x0,   x3, x3; \
 318         vpxor           RNOT, x0, x0; \
 319         vpxor           x2,   x3, x3; \
 320         vpor            x0,   x2, x2;
 321 #define SI5_2(x0, x1, x2, x3, x4)     \
 322         vpxor           tp,   x1, x4; \
 323         vpxor           x4,   x2, x2; \
 324         vpand           x0,   x4, x4; \
 325         vpxor           tp,   x0, x0; \
 326         vpxor           x3,   tp, x1; \
 327         vpand           x2,   x0, x0; \
 328         vpxor           x3,   x2, x2; \
 329         vpxor           x2,   x0, x0; \
 330         vpxor           x4,   x2, x2; \
 331         vpxor           x3,   x4, x4;
 332
 333 #define SI6_1(x0, x1, x2, x3, x4)     \
 334         vpxor           x2,   x0, x0; \
 335         vpand           x3,   x0, tp; \
 336         vpxor           x3,   x2, x2; \
 337         vpxor           x2,   tp, tp; \
 338         vpxor           x1,   x3, x3; \
 339         vpor            x0,   x2, x2; \
 340         vpxor           x3,   x2, x2; \
 341         vpand           tp,   x3, x3;
 342 #define SI6_2(x0, x1, x2, x3, x4)     \
 343         vpxor           RNOT, tp, tp; \
 344         vpxor           x1,   x3, x3; \
 345         vpand           x2,   x1, x1; \
 346         vpxor           tp,   x0, x4; \
 347         vpxor           x4,   x3, x3; \
 348         vpxor           x2,   x4, x4; \
 349         vpxor           x1,   tp, x0; \
 350         vpxor           x0,   x2, x2;
 351
 352 #define SI7_1(x0, x1, x2, x3, x4)     \
 353         vpand           x0,   x3, tp; \
 354         vpxor           x2,   x0, x0; \
 355         vpor            x3,   x2, x2; \
 356         vpxor           x1,   x3, x4; \
 357         vpxor           RNOT, x0, x0; \
 358         vpor            tp,   x1, x1; \
 359         vpxor           x0,   x4, x4; \
 360         vpand           x2,   x0, x0; \
 361         vpxor           x1,   x0, x0;
 362 #define SI7_2(x0, x1, x2, x3, x4)     \
 363         vpand           x2,   x1, x1; \
 364         vpxor           x2,   tp, x3; \
 365         vpxor           x3,   x4, x4; \
 366         vpand           x3,   x2, x2; \
 367         vpor            x0,   x3, x3; \
 368         vpxor           x4,   x1, x1; \
 369         vpxor           x4,   x3, x3; \
 370         vpand           x0,   x4, x4; \
 371         vpxor           x2,   x4, x4;
 372
 373 #define get_key(i, j, t) \
 374         vbroadcastss (4*(i)+(j))*4(CTX), t;
 375
 376 #define K2(x0, x1, x2, x3, x4, i) \
 377         get_key(i, 0, RK0); \
 378         get_key(i, 1, RK1); \
 379         get_key(i, 2, RK2); \
 380         get_key(i, 3, RK3); \
 381         vpxor RK0,      x0 ## 1, x0 ## 1; \
 382         vpxor RK1,      x1 ## 1, x1 ## 1; \
 383         vpxor RK2,      x2 ## 1, x2 ## 1; \
 384         vpxor RK3,      x3 ## 1, x3 ## 1; \
 385                 vpxor RK0,      x0 ## 2, x0 ## 2; \
 386                 vpxor RK1,      x1 ## 2, x1 ## 2; \
 387                 vpxor RK2,      x2 ## 2, x2 ## 2; \
 388                 vpxor RK3,      x3 ## 2, x3 ## 2;
 389
 390 #define LK2(x0, x1, x2, x3, x4, i) \
 391         vpslld $13,             x0 ## 1, x4 ## 1;          \
 392         vpsrld $(32 - 13),      x0 ## 1, x0 ## 1;          \
 393         vpor                    x4 ## 1, x0 ## 1, x0 ## 1; \
 394         vpxor                   x0 ## 1, x1 ## 1, x1 ## 1; \
 395         vpslld $3,              x2 ## 1, x4 ## 1;          \
 396         vpsrld $(32 - 3),       x2 ## 1, x2 ## 1;          \
 397         vpor                    x4 ## 1, x2 ## 1, x2 ## 1; \
 398         vpxor                   x2 ## 1, x1 ## 1, x1 ## 1; \
 399                 vpslld $13,             x0 ## 2, x4 ## 2;          \
 400                 vpsrld $(32 - 13),      x0 ## 2, x0 ## 2;          \
 401                 vpor                    x4 ## 2, x0 ## 2, x0 ## 2; \
 402                 vpxor                   x0 ## 2, x1 ## 2, x1 ## 2; \
 403                 vpslld $3,              x2 ## 2, x4 ## 2;          \
 404                 vpsrld $(32 - 3),       x2 ## 2, x2 ## 2;          \
 405                 vpor                    x4 ## 2, x2 ## 2, x2 ## 2; \
 406                 vpxor                   x2 ## 2, x1 ## 2, x1 ## 2; \
 407         vpslld $1,              x1 ## 1, x4 ## 1;          \
 408         vpsrld $(32 - 1),       x1 ## 1, x1 ## 1;          \
 409         vpor                    x4 ## 1, x1 ## 1, x1 ## 1; \
 410         vpslld $3,              x0 ## 1, x4 ## 1;          \
 411         vpxor                   x2 ## 1, x3 ## 1, x3 ## 1; \
 412         vpxor                   x4 ## 1, x3 ## 1, x3 ## 1; \
 413         get_key(i, 1, RK1); \
 414                 vpslld $1,              x1 ## 2, x4 ## 2;          \
 415                 vpsrld $(32 - 1),       x1 ## 2, x1 ## 2;          \
 416                 vpor                    x4 ## 2, x1 ## 2, x1 ## 2; \
 417                 vpslld $3,              x0 ## 2, x4 ## 2;          \
 418                 vpxor                   x2 ## 2, x3 ## 2, x3 ## 2; \
 419                 vpxor                   x4 ## 2, x3 ## 2, x3 ## 2; \
 420                 get_key(i, 3, RK3); \
 421         vpslld $7,              x3 ## 1, x4 ## 1;          \
 422         vpsrld $(32 - 7),       x3 ## 1, x3 ## 1;          \
 423         vpor                    x4 ## 1, x3 ## 1, x3 ## 1; \
 424         vpslld $7,              x1 ## 1, x4 ## 1;          \
 425         vpxor                   x1 ## 1, x0 ## 1, x0 ## 1; \
 426         vpxor                   x3 ## 1, x0 ## 1, x0 ## 1; \
 427         vpxor                   x3 ## 1, x2 ## 1, x2 ## 1; \
 428         vpxor                   x4 ## 1, x2 ## 1, x2 ## 1; \
 429         get_key(i, 0, RK0); \
 430                 vpslld $7,              x3 ## 2, x4 ## 2;          \
 431                 vpsrld $(32 - 7),       x3 ## 2, x3 ## 2;          \
 432                 vpor                    x4 ## 2, x3 ## 2, x3 ## 2; \
 433                 vpslld $7,              x1 ## 2, x4 ## 2;          \
 434                 vpxor                   x1 ## 2, x0 ## 2, x0 ## 2; \
 435                 vpxor                   x3 ## 2, x0 ## 2, x0 ## 2; \
 436                 vpxor                   x3 ## 2, x2 ## 2, x2 ## 2; \
 437                 vpxor                   x4 ## 2, x2 ## 2, x2 ## 2; \
 438                 get_key(i, 2, RK2); \
 439         vpxor                   RK1, x1 ## 1, x1 ## 1;     \
 440         vpxor                   RK3, x3 ## 1, x3 ## 1;     \
 441         vpslld $5,              x0 ## 1, x4 ## 1;          \
 442         vpsrld $(32 - 5),       x0 ## 1, x0 ## 1;          \
 443         vpor                    x4 ## 1, x0 ## 1, x0 ## 1; \
 444         vpslld $22,             x2 ## 1, x4 ## 1;          \
 445         vpsrld $(32 - 22),      x2 ## 1, x2 ## 1;          \
 446         vpor                    x4 ## 1, x2 ## 1, x2 ## 1; \
 447         vpxor                   RK0, x0 ## 1, x0 ## 1;     \
 448         vpxor                   RK2, x2 ## 1, x2 ## 1;     \
 449                 vpxor                   RK1, x1 ## 2, x1 ## 2;     \
 450                 vpxor                   RK3, x3 ## 2, x3 ## 2;     \
 451                 vpslld $5,              x0 ## 2, x4 ## 2;          \
 452                 vpsrld $(32 - 5),       x0 ## 2, x0 ## 2;          \
 453                 vpor                    x4 ## 2, x0 ## 2, x0 ## 2; \
 454                 vpslld $22,             x2 ## 2, x4 ## 2;          \
 455                 vpsrld $(32 - 22),      x2 ## 2, x2 ## 2;          \
 456                 vpor                    x4 ## 2, x2 ## 2, x2 ## 2; \
 457                 vpxor                   RK0, x0 ## 2, x0 ## 2;     \
 458                 vpxor                   RK2, x2 ## 2, x2 ## 2;
 459
 460 #define KL2(x0, x1, x2, x3, x4, i) \
 461         vpxor                   RK0, x0 ## 1, x0 ## 1;     \
 462         vpxor                   RK2, x2 ## 1, x2 ## 1;     \
 463         vpsrld $5,              x0 ## 1, x4 ## 1;          \
 464         vpslld $(32 - 5),       x0 ## 1, x0 ## 1;          \
 465         vpor                    x4 ## 1, x0 ## 1, x0 ## 1; \
 466         vpxor                   RK3, x3 ## 1, x3 ## 1;     \
 467         vpxor                   RK1, x1 ## 1, x1 ## 1;     \
 468         vpsrld $22,             x2 ## 1, x4 ## 1;          \
 469         vpslld $(32 - 22),      x2 ## 1, x2 ## 1;          \
 470         vpor                    x4 ## 1, x2 ## 1, x2 ## 1; \
 471         vpxor                   x3 ## 1, x2 ## 1, x2 ## 1; \
 472                 vpxor                   RK0, x0 ## 2, x0 ## 2;     \
 473                 vpxor                   RK2, x2 ## 2, x2 ## 2;     \
 474                 vpsrld $5,              x0 ## 2, x4 ## 2;          \
 475                 vpslld $(32 - 5),       x0 ## 2, x0 ## 2;          \
 476                 vpor                    x4 ## 2, x0 ## 2, x0 ## 2; \
 477                 vpxor                   RK3, x3 ## 2, x3 ## 2;     \
 478                 vpxor                   RK1, x1 ## 2, x1 ## 2;     \
 479                 vpsrld $22,             x2 ## 2, x4 ## 2;          \
 480                 vpslld $(32 - 22),      x2 ## 2, x2 ## 2;          \
 481                 vpor                    x4 ## 2, x2 ## 2, x2 ## 2; \
 482                 vpxor                   x3 ## 2, x2 ## 2, x2 ## 2; \
 483         vpxor                   x3 ## 1, x0 ## 1, x0 ## 1; \
 484         vpslld $7,              x1 ## 1, x4 ## 1;          \
 485         vpxor                   x1 ## 1, x0 ## 1, x0 ## 1; \
 486         vpxor                   x4 ## 1, x2 ## 1, x2 ## 1; \
 487         vpsrld $1,              x1 ## 1, x4 ## 1;          \
 488         vpslld $(32 - 1),       x1 ## 1, x1 ## 1;          \
 489         vpor                    x4 ## 1, x1 ## 1, x1 ## 1; \
 490                 vpxor                   x3 ## 2, x0 ## 2, x0 ## 2; \
 491                 vpslld $7,              x1 ## 2, x4 ## 2;          \
 492                 vpxor                   x1 ## 2, x0 ## 2, x0 ## 2; \
 493                 vpxor                   x4 ## 2, x2 ## 2, x2 ## 2; \
 494                 vpsrld $1,              x1 ## 2, x4 ## 2;          \
 495                 vpslld $(32 - 1),       x1 ## 2, x1 ## 2;          \
 496                 vpor                    x4 ## 2, x1 ## 2, x1 ## 2; \
 497         vpsrld $7,              x3 ## 1, x4 ## 1;          \
 498         vpslld $(32 - 7),       x3 ## 1, x3 ## 1;          \
 499         vpor                    x4 ## 1, x3 ## 1, x3 ## 1; \
 500         vpxor                   x0 ## 1, x1 ## 1, x1 ## 1; \
 501         vpslld $3,              x0 ## 1, x4 ## 1;          \
 502         vpxor                   x4 ## 1, x3 ## 1, x3 ## 1; \
 503                 vpsrld $7,              x3 ## 2, x4 ## 2;          \
 504                 vpslld $(32 - 7),       x3 ## 2, x3 ## 2;          \
 505                 vpor                    x4 ## 2, x3 ## 2, x3 ## 2; \
 506                 vpxor                   x0 ## 2, x1 ## 2, x1 ## 2; \
 507                 vpslld $3,              x0 ## 2, x4 ## 2;          \
 508                 vpxor                   x4 ## 2, x3 ## 2, x3 ## 2; \
 509         vpsrld $13,             x0 ## 1, x4 ## 1;          \
 510         vpslld $(32 - 13),      x0 ## 1, x0 ## 1;          \
 511         vpor                    x4 ## 1, x0 ## 1, x0 ## 1; \
 512         vpxor                   x2 ## 1, x1 ## 1, x1 ## 1; \
 513         vpxor                   x2 ## 1, x3 ## 1, x3 ## 1; \
 514         vpsrld $3,              x2 ## 1, x4 ## 1;          \
 515         vpslld $(32 - 3),       x2 ## 1, x2 ## 1;          \
 516         vpor                    x4 ## 1, x2 ## 1, x2 ## 1; \
 517                 vpsrld $13,             x0 ## 2, x4 ## 2;          \
 518                 vpslld $(32 - 13),      x0 ## 2, x0 ## 2;          \
 519                 vpor                    x4 ## 2, x0 ## 2, x0 ## 2; \
 520                 vpxor                   x2 ## 2, x1 ## 2, x1 ## 2; \
 521                 vpxor                   x2 ## 2, x3 ## 2, x3 ## 2; \
 522                 vpsrld $3,              x2 ## 2, x4 ## 2;          \
 523                 vpslld $(32 - 3),       x2 ## 2, x2 ## 2;          \
 524                 vpor                    x4 ## 2, x2 ## 2, x2 ## 2;
 525
 526 #define S(SBOX, x0, x1, x2, x3, x4) \
 527         SBOX ## _1(x0 ## 1, x1 ## 1, x2 ## 1, x3 ## 1, x4 ## 1); \
 528         SBOX ## _2(x0 ## 1, x1 ## 1, x2 ## 1, x3 ## 1, x4 ## 1); \
 529         SBOX ## _1(x0 ## 2, x1 ## 2, x2 ## 2, x3 ## 2, x4 ## 2); \
 530         SBOX ## _2(x0 ## 2, x1 ## 2, x2 ## 2, x3 ## 2, x4 ## 2);
 531
 532 #define SP(SBOX, x0, x1, x2, x3, x4, i) \
 533         get_key(i, 0, RK0); \
 534         SBOX ## _1(x0 ## 1, x1 ## 1, x2 ## 1, x3 ## 1, x4 ## 1); \
 535         get_key(i, 2, RK2); \
 536         SBOX ## _2(x0 ## 1, x1 ## 1, x2 ## 1, x3 ## 1, x4 ## 1); \
 537         get_key(i, 3, RK3); \
 538         SBOX ## _1(x0 ## 2, x1 ## 2, x2 ## 2, x3 ## 2, x4 ## 2); \
 539         get_key(i, 1, RK1); \
 540         SBOX ## _2(x0 ## 2, x1 ## 2, x2 ## 2, x3 ## 2, x4 ## 2); \
 541
 542 #define transpose_4x4(x0, x1, x2, x3, t0, t1, t2) \
 543         vpunpckldq              x1, x0, t0; \
 544         vpunpckhdq              x1, x0, t2; \
 545         vpunpckldq              x3, x2, t1; \
 546         vpunpckhdq              x3, x2, x3; \
 547         \
 548         vpunpcklqdq             t1, t0, x0; \
 549         vpunpckhqdq             t1, t0, x1; \
 550         vpunpcklqdq             x3, t2, x2; \
 551         vpunpckhqdq             x3, t2, x3;
 552
 553 #define read_blocks(in, x0, x1, x2, x3, t0, t1, t2) \
 554         vmovdqu (0*4*4)(in),    x0; \
 555         vmovdqu (1*4*4)(in),    x1; \
 556         vmovdqu (2*4*4)(in),    x2; \
 557         vmovdqu (3*4*4)(in),    x3; \
 558         \
 559         transpose_4x4(x0, x1, x2, x3, t0, t1, t2)
 560
 561 #define write_blocks(out, x0, x1, x2, x3, t0, t1, t2) \
 562         transpose_4x4(x0, x1, x2, x3, t0, t1, t2) \
 563         \
 564         vmovdqu x0,             (0*4*4)(out); \
 565         vmovdqu x1,             (1*4*4)(out); \
 566         vmovdqu x2,             (2*4*4)(out); \
 567         vmovdqu x3,             (3*4*4)(out);
 568
 569 #define xor_blocks(out, x0, x1, x2, x3, t0, t1, t2) \
 570         transpose_4x4(x0, x1, x2, x3, t0, t1, t2) \
 571         \
 572         vpxor (0*4*4)(out),     x0, x0;       \
 573         vmovdqu x0,             (0*4*4)(out); \
 574         vpxor (1*4*4)(out),     x1, x1;       \
 575         vmovdqu x1,             (1*4*4)(out); \
 576         vpxor (2*4*4)(out),     x2, x2;       \
 577         vmovdqu x2,             (2*4*4)(out); \
 578         vpxor (3*4*4)(out),     x3, x3;       \
 579         vmovdqu x3,             (3*4*4)(out);
 580
 581 .align 8
 582 .global __serpent_enc_blk_8way_avx
 583 .type   __serpent_enc_blk_8way_avx,@function;
 584
 585 __serpent_enc_blk_8way_avx:
 586         /* input:
 587          *      %rdi: ctx, CTX
 588          *      %rsi: dst
 589          *      %rdx: src
 590          *      %rcx: bool, if true: xor output
 591          */
 592
 593         vpcmpeqd RNOT, RNOT, RNOT;
 594
 595         leaq (4*4*4)(%rdx), %rax;
 596         read_blocks(%rdx, RA1, RB1, RC1, RD1, RK0, RK1, RK2);
 597         read_blocks(%rax, RA2, RB2, RC2, RD2, RK0, RK1, RK2);
 598
 599                                                  K2(RA, RB, RC, RD, RE, 0);
 600         S(S0, RA, RB, RC, RD, RE);              LK2(RC, RB, RD, RA, RE, 1);
 601         S(S1, RC, RB, RD, RA, RE);              LK2(RE, RD, RA, RC, RB, 2);
 602         S(S2, RE, RD, RA, RC, RB);              LK2(RB, RD, RE, RC, RA, 3);
 603         S(S3, RB, RD, RE, RC, RA);              LK2(RC, RA, RD, RB, RE, 4);
 604         S(S4, RC, RA, RD, RB, RE);              LK2(RA, RD, RB, RE, RC, 5);
 605         S(S5, RA, RD, RB, RE, RC);              LK2(RC, RA, RD, RE, RB, 6);
 606         S(S6, RC, RA, RD, RE, RB);              LK2(RD, RB, RA, RE, RC, 7);
 607         S(S7, RD, RB, RA, RE, RC);              LK2(RC, RA, RE, RD, RB, 8);
 608         S(S0, RC, RA, RE, RD, RB);              LK2(RE, RA, RD, RC, RB, 9);
 609         S(S1, RE, RA, RD, RC, RB);              LK2(RB, RD, RC, RE, RA, 10);
 610         S(S2, RB, RD, RC, RE, RA);              LK2(RA, RD, RB, RE, RC, 11);
 611         S(S3, RA, RD, RB, RE, RC);              LK2(RE, RC, RD, RA, RB, 12);
 612         S(S4, RE, RC, RD, RA, RB);              LK2(RC, RD, RA, RB, RE, 13);
 613         S(S5, RC, RD, RA, RB, RE);              LK2(RE, RC, RD, RB, RA, 14);
 614         S(S6, RE, RC, RD, RB, RA);              LK2(RD, RA, RC, RB, RE, 15);
 615         S(S7, RD, RA, RC, RB, RE);              LK2(RE, RC, RB, RD, RA, 16);
 616         S(S0, RE, RC, RB, RD, RA);              LK2(RB, RC, RD, RE, RA, 17);
 617         S(S1, RB, RC, RD, RE, RA);              LK2(RA, RD, RE, RB, RC, 18);
 618         S(S2, RA, RD, RE, RB, RC);              LK2(RC, RD, RA, RB, RE, 19);
 619         S(S3, RC, RD, RA, RB, RE);              LK2(RB, RE, RD, RC, RA, 20);
 620         S(S4, RB, RE, RD, RC, RA);              LK2(RE, RD, RC, RA, RB, 21);
 621         S(S5, RE, RD, RC, RA, RB);              LK2(RB, RE, RD, RA, RC, 22);
 622         S(S6, RB, RE, RD, RA, RC);              LK2(RD, RC, RE, RA, RB, 23);
 623         S(S7, RD, RC, RE, RA, RB);              LK2(RB, RE, RA, RD, RC, 24);
 624         S(S0, RB, RE, RA, RD, RC);              LK2(RA, RE, RD, RB, RC, 25);
 625         S(S1, RA, RE, RD, RB, RC);              LK2(RC, RD, RB, RA, RE, 26);
 626         S(S2, RC, RD, RB, RA, RE);              LK2(RE, RD, RC, RA, RB, 27);
 627         S(S3, RE, RD, RC, RA, RB);              LK2(RA, RB, RD, RE, RC, 28);
 628         S(S4, RA, RB, RD, RE, RC);              LK2(RB, RD, RE, RC, RA, 29);
 629         S(S5, RB, RD, RE, RC, RA);              LK2(RA, RB, RD, RC, RE, 30);
 630         S(S6, RA, RB, RD, RC, RE);              LK2(RD, RE, RB, RC, RA, 31);
 631         S(S7, RD, RE, RB, RC, RA);               K2(RA, RB, RC, RD, RE, 32);
 632
 633         leaq (4*4*4)(%rsi), %rax;
 634
 635         testb %cl, %cl;
 636         jnz __enc_xor8;
 637
 638         write_blocks(%rsi, RA1, RB1, RC1, RD1, RK0, RK1, RK2);
 639         write_blocks(%rax, RA2, RB2, RC2, RD2, RK0, RK1, RK2);
 640
 641         ret;
 642
 643 __enc_xor8:
 644         xor_blocks(%rsi, RA1, RB1, RC1, RD1, RK0, RK1, RK2);
 645         xor_blocks(%rax, RA2, RB2, RC2, RD2, RK0, RK1, RK2);
 646
 647         ret;
 648
 649 .align 8
 650 .global serpent_dec_blk_8way_avx
 651 .type   serpent_dec_blk_8way_avx,@function;
 652
 653 serpent_dec_blk_8way_avx:
 654         /* input:
 655          *      %rdi: ctx, CTX
 656          *      %rsi: dst
 657          *      %rdx: src
 658          */
 659
 660         vpcmpeqd RNOT, RNOT, RNOT;
 661
 662         leaq (4*4*4)(%rdx), %rax;
 663         read_blocks(%rdx, RA1, RB1, RC1, RD1, RK0, RK1, RK2);
 664         read_blocks(%rax, RA2, RB2, RC2, RD2, RK0, RK1, RK2);
 665
 666                                                  K2(RA, RB, RC, RD, RE, 32);
 667         SP(SI7, RA, RB, RC, RD, RE, 31);        KL2(RB, RD, RA, RE, RC, 31);
 668         SP(SI6, RB, RD, RA, RE, RC, 30);        KL2(RA, RC, RE, RB, RD, 30);
 669         SP(SI5, RA, RC, RE, RB, RD, 29);        KL2(RC, RD, RA, RE, RB, 29);
 670         SP(SI4, RC, RD, RA, RE, RB, 28);        KL2(RC, RA, RB, RE, RD, 28);
 671         SP(SI3, RC, RA, RB, RE, RD, 27);        KL2(RB, RC, RD, RE, RA, 27);
 672         SP(SI2, RB, RC, RD, RE, RA, 26);        KL2(RC, RA, RE, RD, RB, 26);
 673         SP(SI1, RC, RA, RE, RD, RB, 25);        KL2(RB, RA, RE, RD, RC, 25);
 674         SP(SI0, RB, RA, RE, RD, RC, 24);        KL2(RE, RC, RA, RB, RD, 24);
 675         SP(SI7, RE, RC, RA, RB, RD, 23);        KL2(RC, RB, RE, RD, RA, 23);
 676         SP(SI6, RC, RB, RE, RD, RA, 22);        KL2(RE, RA, RD, RC, RB, 22);
 677         SP(SI5, RE, RA, RD, RC, RB, 21);        KL2(RA, RB, RE, RD, RC, 21);
 678         SP(SI4, RA, RB, RE, RD, RC, 20);        KL2(RA, RE, RC, RD, RB, 20);
 679         SP(SI3, RA, RE, RC, RD, RB, 19);        KL2(RC, RA, RB, RD, RE, 19);
 680         SP(SI2, RC, RA, RB, RD, RE, 18);        KL2(RA, RE, RD, RB, RC, 18);
 681         SP(SI1, RA, RE, RD, RB, RC, 17);        KL2(RC, RE, RD, RB, RA, 17);
 682         SP(SI0, RC, RE, RD, RB, RA, 16);        KL2(RD, RA, RE, RC, RB, 16);
 683         SP(SI7, RD, RA, RE, RC, RB, 15);        KL2(RA, RC, RD, RB, RE, 15);
 684         SP(SI6, RA, RC, RD, RB, RE, 14);        KL2(RD, RE, RB, RA, RC, 14);
 685         SP(SI5, RD, RE, RB, RA, RC, 13);        KL2(RE, RC, RD, RB, RA, 13);
 686         SP(SI4, RE, RC, RD, RB, RA, 12);        KL2(RE, RD, RA, RB, RC, 12);
 687         SP(SI3, RE, RD, RA, RB, RC, 11);        KL2(RA, RE, RC, RB, RD, 11);
 688         SP(SI2, RA, RE, RC, RB, RD, 10);        KL2(RE, RD, RB, RC, RA, 10);
 689         SP(SI1, RE, RD, RB, RC, RA, 9);         KL2(RA, RD, RB, RC, RE, 9);
 690         SP(SI0, RA, RD, RB, RC, RE, 8);         KL2(RB, RE, RD, RA, RC, 8);
 691         SP(SI7, RB, RE, RD, RA, RC, 7);         KL2(RE, RA, RB, RC, RD, 7);
 692         SP(SI6, RE, RA, RB, RC, RD, 6);         KL2(RB, RD, RC, RE, RA, 6);
 693         SP(SI5, RB, RD, RC, RE, RA, 5);         KL2(RD, RA, RB, RC, RE, 5);
 694         SP(SI4, RD, RA, RB, RC, RE, 4);         KL2(RD, RB, RE, RC, RA, 4);
 695         SP(SI3, RD, RB, RE, RC, RA, 3);         KL2(RE, RD, RA, RC, RB, 3);
 696         SP(SI2, RE, RD, RA, RC, RB, 2);         KL2(RD, RB, RC, RA, RE, 2);
 697         SP(SI1, RD, RB, RC, RA, RE, 1);         KL2(RE, RB, RC, RA, RD, 1);
 698         S(SI0, RE, RB, RC, RA, RD);              K2(RC, RD, RB, RE, RA, 0);
 699
 700         leaq (4*4*4)(%rsi), %rax;
 701         write_blocks(%rsi, RC1, RD1, RB1, RE1, RK0, RK1, RK2);
 702         write_blocks(%rax, RC2, RD2, RB2, RE2, RK0, RK1, RK2);
 703
 704         ret;