arch/x86/crypto/sm4-aesni-avx-asm_64.S

   1 /* SPDX-License-Identifier: GPL-2.0-or-later */
   2 /*
   3  * SM4 Cipher Algorithm, AES-NI/AVX optimized.
   4  * as specified in
   5  * https://tools.ietf.org/id/draft-ribose-cfrg-sm4-10.html
   6  *
   7  * Copyright (C) 2018 Markku-Juhani O. Saarinen <mjos@iki.fi>
   8  * Copyright (C) 2020 Jussi Kivilinna <jussi.kivilinna@iki.fi>
   9  * Copyright (c) 2021 Tianjia Zhang <tianjia.zhang@linux.alibaba.com>
  10  */
  11
  12 /* Based on SM4 AES-NI work by libgcrypt and Markku-Juhani O. Saarinen at:
  13  *  https://github.com/mjosaarinen/sm4ni
  14  */
  15
  16 #include <linux/linkage.h>
  17 #include <asm/frame.h>
  18
  19 #define rRIP         (%rip)
  20
  21 #define RX0          %xmm0
  22 #define RX1          %xmm1
  23 #define MASK_4BIT    %xmm2
  24 #define RTMP0        %xmm3
  25 #define RTMP1        %xmm4
  26 #define RTMP2        %xmm5
  27 #define RTMP3        %xmm6
  28 #define RTMP4        %xmm7
  29
  30 #define RA0          %xmm8
  31 #define RA1          %xmm9
  32 #define RA2          %xmm10
  33 #define RA3          %xmm11
  34
  35 #define RB0          %xmm12
  36 #define RB1          %xmm13
  37 #define RB2          %xmm14
  38 #define RB3          %xmm15
  39
  40 #define RNOT         %xmm0
  41 #define RBSWAP       %xmm1
  42
  43
  44 /* Transpose four 32-bit words between 128-bit vectors. */
  45 #define transpose_4x4(x0, x1, x2, x3, t1, t2) \
  46         vpunpckhdq x1, x0, t2;                \
  47         vpunpckldq x1, x0, x0;                \
  48                                               \
  49         vpunpckldq x3, x2, t1;                \
  50         vpunpckhdq x3, x2, x2;                \
  51                                               \
  52         vpunpckhqdq t1, x0, x1;               \
  53         vpunpcklqdq t1, x0, x0;               \
  54                                               \
  55         vpunpckhqdq x2, t2, x3;               \
  56         vpunpcklqdq x2, t2, x2;
  57
  58 /* pre-SubByte transform. */
  59 #define transform_pre(x, lo_t, hi_t, mask4bit, tmp0) \
  60         vpand x, mask4bit, tmp0;                     \
  61         vpandn x, mask4bit, x;                       \
  62         vpsrld $4, x, x;                             \
  63                                                      \
  64         vpshufb tmp0, lo_t, tmp0;                    \
  65         vpshufb x, hi_t, x;                          \
  66         vpxor tmp0, x, x;
  67
  68 /* post-SubByte transform. Note: x has been XOR'ed with mask4bit by
  69  * 'vaeslastenc' instruction.
  70  */
  71 #define transform_post(x, lo_t, hi_t, mask4bit, tmp0) \
  72         vpandn mask4bit, x, tmp0;                     \
  73         vpsrld $4, x, x;                              \
  74         vpand x, mask4bit, x;                         \
  75                                                       \
  76         vpshufb tmp0, lo_t, tmp0;                     \
  77         vpshufb x, hi_t, x;                           \
  78         vpxor tmp0, x, x;
  79
  80
  81 .section        .rodata.cst164, "aM", @progbits, 164
  82 .align 16
  83
  84 /*
  85  * Following four affine transform look-up tables are from work by
  86  * Markku-Juhani O. Saarinen, at https://github.com/mjosaarinen/sm4ni
  87  *
  88  * These allow exposing SM4 S-Box from AES SubByte.
  89  */
  90
  91 /* pre-SubByte affine transform, from SM4 field to AES field. */
  92 .Lpre_tf_lo_s:
  93         .quad 0x9197E2E474720701, 0xC7C1B4B222245157
  94 .Lpre_tf_hi_s:
  95         .quad 0xE240AB09EB49A200, 0xF052B91BF95BB012
  96
  97 /* post-SubByte affine transform, from AES field to SM4 field. */
  98 .Lpost_tf_lo_s:
  99         .quad 0x5B67F2CEA19D0834, 0xEDD14478172BBE82
 100 .Lpost_tf_hi_s:
 101         .quad 0xAE7201DD73AFDC00, 0x11CDBE62CC1063BF
 102
 103 /* For isolating SubBytes from AESENCLAST, inverse shift row */
 104 .Linv_shift_row:
 105         .byte 0x00, 0x0d, 0x0a, 0x07, 0x04, 0x01, 0x0e, 0x0b
 106         .byte 0x08, 0x05, 0x02, 0x0f, 0x0c, 0x09, 0x06, 0x03
 107
 108 /* Inverse shift row + Rotate left by 8 bits on 32-bit words with vpshufb */
 109 .Linv_shift_row_rol_8:
 110         .byte 0x07, 0x00, 0x0d, 0x0a, 0x0b, 0x04, 0x01, 0x0e
 111         .byte 0x0f, 0x08, 0x05, 0x02, 0x03, 0x0c, 0x09, 0x06
 112
 113 /* Inverse shift row + Rotate left by 16 bits on 32-bit words with vpshufb */
 114 .Linv_shift_row_rol_16:
 115         .byte 0x0a, 0x07, 0x00, 0x0d, 0x0e, 0x0b, 0x04, 0x01
 116         .byte 0x02, 0x0f, 0x08, 0x05, 0x06, 0x03, 0x0c, 0x09
 117
 118 /* Inverse shift row + Rotate left by 24 bits on 32-bit words with vpshufb */
 119 .Linv_shift_row_rol_24:
 120         .byte 0x0d, 0x0a, 0x07, 0x00, 0x01, 0x0e, 0x0b, 0x04
 121         .byte 0x05, 0x02, 0x0f, 0x08, 0x09, 0x06, 0x03, 0x0c
 122
 123 /* For CTR-mode IV byteswap */
 124 .Lbswap128_mask:
 125         .byte 15, 14, 13, 12, 11, 10, 9, 8, 7, 6, 5, 4, 3, 2, 1, 0
 126
 127 /* For input word byte-swap */
 128 .Lbswap32_mask:
 129         .byte 3, 2, 1, 0, 7, 6, 5, 4, 11, 10, 9, 8, 15, 14, 13, 12
 130
 131 .align 4
 132 /* 4-bit mask */
 133 .L0f0f0f0f:
 134         .long 0x0f0f0f0f
 135
 136
 137 .text
 138 .align 16
 139
 140 /*
 141  * void sm4_aesni_avx_crypt4(const u32 *rk, u8 *dst,
 142  *                           const u8 *src, int nblocks)
 143  */
 144 .align 8
 145 SYM_FUNC_START(sm4_aesni_avx_crypt4)
 146         /* input:
 147          *      %rdi: round key array, CTX
 148          *      %rsi: dst (1..4 blocks)
 149          *      %rdx: src (1..4 blocks)
 150          *      %rcx: num blocks (1..4)
 151          */
 152         FRAME_BEGIN
 153
 154         vmovdqu 0*16(%rdx), RA0;
 155         vmovdqa RA0, RA1;
 156         vmovdqa RA0, RA2;
 157         vmovdqa RA0, RA3;
 158         cmpq $2, %rcx;
 159         jb .Lblk4_load_input_done;
 160         vmovdqu 1*16(%rdx), RA1;
 161         je .Lblk4_load_input_done;
 162         vmovdqu 2*16(%rdx), RA2;
 163         cmpq $3, %rcx;
 164         je .Lblk4_load_input_done;
 165         vmovdqu 3*16(%rdx), RA3;
 166
 167 .Lblk4_load_input_done:
 168
 169         vmovdqa .Lbswap32_mask rRIP, RTMP2;
 170         vpshufb RTMP2, RA0, RA0;
 171         vpshufb RTMP2, RA1, RA1;
 172         vpshufb RTMP2, RA2, RA2;
 173         vpshufb RTMP2, RA3, RA3;
 174
 175         vbroadcastss .L0f0f0f0f rRIP, MASK_4BIT;
 176         vmovdqa .Lpre_tf_lo_s rRIP, RTMP4;
 177         vmovdqa .Lpre_tf_hi_s rRIP, RB0;
 178         vmovdqa .Lpost_tf_lo_s rRIP, RB1;
 179         vmovdqa .Lpost_tf_hi_s rRIP, RB2;
 180         vmovdqa .Linv_shift_row rRIP, RB3;
 181         vmovdqa .Linv_shift_row_rol_8 rRIP, RTMP2;
 182         vmovdqa .Linv_shift_row_rol_16 rRIP, RTMP3;
 183         transpose_4x4(RA0, RA1, RA2, RA3, RTMP0, RTMP1);
 184
 185 #define ROUND(round, s0, s1, s2, s3)                                \
 186         vbroadcastss (4*(round))(%rdi), RX0;                        \
 187         vpxor s1, RX0, RX0;                                         \
 188         vpxor s2, RX0, RX0;                                         \
 189         vpxor s3, RX0, RX0; /* s1 ^ s2 ^ s3 ^ rk */                 \
 190                                                                     \
 191         /* sbox, non-linear part */                                 \
 192         transform_pre(RX0, RTMP4, RB0, MASK_4BIT, RTMP0);           \
 193         vaesenclast MASK_4BIT, RX0, RX0;                            \
 194         transform_post(RX0, RB1, RB2, MASK_4BIT, RTMP0);            \
 195                                                                     \
 196         /* linear part */                                           \
 197         vpshufb RB3, RX0, RTMP0;                                    \
 198         vpxor RTMP0, s0, s0; /* s0 ^ x */                           \
 199         vpshufb RTMP2, RX0, RTMP1;                                  \
 200         vpxor RTMP1, RTMP0, RTMP0; /* x ^ rol(x,8) */               \
 201         vpshufb RTMP3, RX0, RTMP1;                                  \
 202         vpxor RTMP1, RTMP0, RTMP0; /* x ^ rol(x,8) ^ rol(x,16) */   \
 203         vpshufb .Linv_shift_row_rol_24 rRIP, RX0, RTMP1;            \
 204         vpxor RTMP1, s0, s0; /* s0 ^ x ^ rol(x,24) */               \
 205         vpslld $2, RTMP0, RTMP1;                                    \
 206         vpsrld $30, RTMP0, RTMP0;                                   \
 207         vpxor RTMP0, s0, s0;                                        \
 208         /* s0 ^ x ^ rol(x,2) ^ rol(x,10) ^ rol(x,18) ^ rol(x,24) */ \
 209         vpxor RTMP1, s0, s0;
 210
 211         leaq (32*4)(%rdi), %rax;
 212 .align 16
 213 .Lroundloop_blk4:
 214         ROUND(0, RA0, RA1, RA2, RA3);
 215         ROUND(1, RA1, RA2, RA3, RA0);
 216         ROUND(2, RA2, RA3, RA0, RA1);
 217         ROUND(3, RA3, RA0, RA1, RA2);
 218         leaq (4*4)(%rdi), %rdi;
 219         cmpq %rax, %rdi;
 220         jne .Lroundloop_blk4;
 221
 222 #undef ROUND
 223
 224         vmovdqa .Lbswap128_mask rRIP, RTMP2;
 225
 226         transpose_4x4(RA0, RA1, RA2, RA3, RTMP0, RTMP1);
 227         vpshufb RTMP2, RA0, RA0;
 228         vpshufb RTMP2, RA1, RA1;
 229         vpshufb RTMP2, RA2, RA2;
 230         vpshufb RTMP2, RA3, RA3;
 231
 232         vmovdqu RA0, 0*16(%rsi);
 233         cmpq $2, %rcx;
 234         jb .Lblk4_store_output_done;
 235         vmovdqu RA1, 1*16(%rsi);
 236         je .Lblk4_store_output_done;
 237         vmovdqu RA2, 2*16(%rsi);
 238         cmpq $3, %rcx;
 239         je .Lblk4_store_output_done;
 240         vmovdqu RA3, 3*16(%rsi);
 241
 242 .Lblk4_store_output_done:
 243         vzeroall;
 244         FRAME_END
 245         ret;
 246 SYM_FUNC_END(sm4_aesni_avx_crypt4)
 247
 248 .align 8
 249 SYM_FUNC_START_LOCAL(__sm4_crypt_blk8)
 250         /* input:
 251          *      %rdi: round key array, CTX
 252          *      RA0, RA1, RA2, RA3, RB0, RB1, RB2, RB3: eight parallel
 253          *                                              plaintext blocks
 254          * output:
 255          *      RA0, RA1, RA2, RA3, RB0, RB1, RB2, RB3: eight parallel
 256          *                                              ciphertext blocks
 257          */
 258         FRAME_BEGIN
 259
 260         vmovdqa .Lbswap32_mask rRIP, RTMP2;
 261         vpshufb RTMP2, RA0, RA0;
 262         vpshufb RTMP2, RA1, RA1;
 263         vpshufb RTMP2, RA2, RA2;
 264         vpshufb RTMP2, RA3, RA3;
 265         vpshufb RTMP2, RB0, RB0;
 266         vpshufb RTMP2, RB1, RB1;
 267         vpshufb RTMP2, RB2, RB2;
 268         vpshufb RTMP2, RB3, RB3;
 269
 270         vbroadcastss .L0f0f0f0f rRIP, MASK_4BIT;
 271         transpose_4x4(RA0, RA1, RA2, RA3, RTMP0, RTMP1);
 272         transpose_4x4(RB0, RB1, RB2, RB3, RTMP0, RTMP1);
 273
 274 #define ROUND(round, s0, s1, s2, s3, r0, r1, r2, r3)                \
 275         vbroadcastss (4*(round))(%rdi), RX0;                        \
 276         vmovdqa .Lpre_tf_lo_s rRIP, RTMP4;                          \
 277         vmovdqa .Lpre_tf_hi_s rRIP, RTMP1;                          \
 278         vmovdqa RX0, RX1;                                           \
 279         vpxor s1, RX0, RX0;                                         \
 280         vpxor s2, RX0, RX0;                                         \
 281         vpxor s3, RX0, RX0; /* s1 ^ s2 ^ s3 ^ rk */                 \
 282         vmovdqa .Lpost_tf_lo_s rRIP, RTMP2;                         \
 283         vmovdqa .Lpost_tf_hi_s rRIP, RTMP3;                         \
 284         vpxor r1, RX1, RX1;                                         \
 285         vpxor r2, RX1, RX1;                                         \
 286         vpxor r3, RX1, RX1; /* r1 ^ r2 ^ r3 ^ rk */                 \
 287                                                                     \
 288         /* sbox, non-linear part */                                 \
 289         transform_pre(RX0, RTMP4, RTMP1, MASK_4BIT, RTMP0);         \
 290         transform_pre(RX1, RTMP4, RTMP1, MASK_4BIT, RTMP0);         \
 291         vmovdqa .Linv_shift_row rRIP, RTMP4;                        \
 292         vaesenclast MASK_4BIT, RX0, RX0;                            \
 293         vaesenclast MASK_4BIT, RX1, RX1;                            \
 294         transform_post(RX0, RTMP2, RTMP3, MASK_4BIT, RTMP0);        \
 295         transform_post(RX1, RTMP2, RTMP3, MASK_4BIT, RTMP0);        \
 296                                                                     \
 297         /* linear part */                                           \
 298         vpshufb RTMP4, RX0, RTMP0;                                  \
 299         vpxor RTMP0, s0, s0; /* s0 ^ x */                           \
 300         vpshufb RTMP4, RX1, RTMP2;                                  \
 301         vmovdqa .Linv_shift_row_rol_8 rRIP, RTMP4;                  \
 302         vpxor RTMP2, r0, r0; /* r0 ^ x */                           \
 303         vpshufb RTMP4, RX0, RTMP1;                                  \
 304         vpxor RTMP1, RTMP0, RTMP0; /* x ^ rol(x,8) */               \
 305         vpshufb RTMP4, RX1, RTMP3;                                  \
 306         vmovdqa .Linv_shift_row_rol_16 rRIP, RTMP4;                 \
 307         vpxor RTMP3, RTMP2, RTMP2; /* x ^ rol(x,8) */               \
 308         vpshufb RTMP4, RX0, RTMP1;                                  \
 309         vpxor RTMP1, RTMP0, RTMP0; /* x ^ rol(x,8) ^ rol(x,16) */   \
 310         vpshufb RTMP4, RX1, RTMP3;                                  \
 311         vmovdqa .Linv_shift_row_rol_24 rRIP, RTMP4;                 \
 312         vpxor RTMP3, RTMP2, RTMP2; /* x ^ rol(x,8) ^ rol(x,16) */   \
 313         vpshufb RTMP4, RX0, RTMP1;                                  \
 314         vpxor RTMP1, s0, s0; /* s0 ^ x ^ rol(x,24) */               \
 315         /* s0 ^ x ^ rol(x,2) ^ rol(x,10) ^ rol(x,18) ^ rol(x,24) */ \
 316         vpslld $2, RTMP0, RTMP1;                                    \
 317         vpsrld $30, RTMP0, RTMP0;                                   \
 318         vpxor RTMP0, s0, s0;                                        \
 319         vpxor RTMP1, s0, s0;                                        \
 320         vpshufb RTMP4, RX1, RTMP3;                                  \
 321         vpxor RTMP3, r0, r0; /* r0 ^ x ^ rol(x,24) */               \
 322         /* r0 ^ x ^ rol(x,2) ^ rol(x,10) ^ rol(x,18) ^ rol(x,24) */ \
 323         vpslld $2, RTMP2, RTMP3;                                    \
 324         vpsrld $30, RTMP2, RTMP2;                                   \
 325         vpxor RTMP2, r0, r0;                                        \
 326         vpxor RTMP3, r0, r0;
 327
 328         leaq (32*4)(%rdi), %rax;
 329 .align 16
 330 .Lroundloop_blk8:
 331         ROUND(0, RA0, RA1, RA2, RA3, RB0, RB1, RB2, RB3);
 332         ROUND(1, RA1, RA2, RA3, RA0, RB1, RB2, RB3, RB0);
 333         ROUND(2, RA2, RA3, RA0, RA1, RB2, RB3, RB0, RB1);
 334         ROUND(3, RA3, RA0, RA1, RA2, RB3, RB0, RB1, RB2);
 335         leaq (4*4)(%rdi), %rdi;
 336         cmpq %rax, %rdi;
 337         jne .Lroundloop_blk8;
 338
 339 #undef ROUND
 340
 341         vmovdqa .Lbswap128_mask rRIP, RTMP2;
 342
 343         transpose_4x4(RA0, RA1, RA2, RA3, RTMP0, RTMP1);
 344         transpose_4x4(RB0, RB1, RB2, RB3, RTMP0, RTMP1);
 345         vpshufb RTMP2, RA0, RA0;
 346         vpshufb RTMP2, RA1, RA1;
 347         vpshufb RTMP2, RA2, RA2;
 348         vpshufb RTMP2, RA3, RA3;
 349         vpshufb RTMP2, RB0, RB0;
 350         vpshufb RTMP2, RB1, RB1;
 351         vpshufb RTMP2, RB2, RB2;
 352         vpshufb RTMP2, RB3, RB3;
 353
 354         FRAME_END
 355         ret;
 356 SYM_FUNC_END(__sm4_crypt_blk8)
 357
 358 /*
 359  * void sm4_aesni_avx_crypt8(const u32 *rk, u8 *dst,
 360  *                           const u8 *src, int nblocks)
 361  */
 362 .align 8
 363 SYM_FUNC_START(sm4_aesni_avx_crypt8)
 364         /* input:
 365          *      %rdi: round key array, CTX
 366          *      %rsi: dst (1..8 blocks)
 367          *      %rdx: src (1..8 blocks)
 368          *      %rcx: num blocks (1..8)
 369          */
 370         cmpq $5, %rcx;
 371         jb sm4_aesni_avx_crypt4;
 372
 373         FRAME_BEGIN
 374
 375         vmovdqu (0 * 16)(%rdx), RA0;
 376         vmovdqu (1 * 16)(%rdx), RA1;
 377         vmovdqu (2 * 16)(%rdx), RA2;
 378         vmovdqu (3 * 16)(%rdx), RA3;
 379         vmovdqu (4 * 16)(%rdx), RB0;
 380         vmovdqa RB0, RB1;
 381         vmovdqa RB0, RB2;
 382         vmovdqa RB0, RB3;
 383         je .Lblk8_load_input_done;
 384         vmovdqu (5 * 16)(%rdx), RB1;
 385         cmpq $7, %rcx;
 386         jb .Lblk8_load_input_done;
 387         vmovdqu (6 * 16)(%rdx), RB2;
 388         je .Lblk8_load_input_done;
 389         vmovdqu (7 * 16)(%rdx), RB3;
 390
 391 .Lblk8_load_input_done:
 392         call __sm4_crypt_blk8;
 393
 394         cmpq $6, %rcx;
 395         vmovdqu RA0, (0 * 16)(%rsi);
 396         vmovdqu RA1, (1 * 16)(%rsi);
 397         vmovdqu RA2, (2 * 16)(%rsi);
 398         vmovdqu RA3, (3 * 16)(%rsi);
 399         vmovdqu RB0, (4 * 16)(%rsi);
 400         jb .Lblk8_store_output_done;
 401         vmovdqu RB1, (5 * 16)(%rsi);
 402         je .Lblk8_store_output_done;
 403         vmovdqu RB2, (6 * 16)(%rsi);
 404         cmpq $7, %rcx;
 405         je .Lblk8_store_output_done;
 406         vmovdqu RB3, (7 * 16)(%rsi);
 407
 408 .Lblk8_store_output_done:
 409         vzeroall;
 410         FRAME_END
 411         ret;
 412 SYM_FUNC_END(sm4_aesni_avx_crypt8)
 413
 414 /*
 415  * void sm4_aesni_avx_ctr_enc_blk8(const u32 *rk, u8 *dst,
 416  *                                 const u8 *src, u8 *iv)
 417  */
 418 .align 8
 419 SYM_FUNC_START(sm4_aesni_avx_ctr_enc_blk8)
 420         /* input:
 421          *      %rdi: round key array, CTX
 422          *      %rsi: dst (8 blocks)
 423          *      %rdx: src (8 blocks)
 424          *      %rcx: iv (big endian, 128bit)
 425          */
 426         FRAME_BEGIN
 427
 428         /* load IV and byteswap */
 429         vmovdqu (%rcx), RA0;
 430
 431         vmovdqa .Lbswap128_mask rRIP, RBSWAP;
 432         vpshufb RBSWAP, RA0, RTMP0; /* be => le */
 433
 434         vpcmpeqd RNOT, RNOT, RNOT;
 435         vpsrldq $8, RNOT, RNOT; /* low: -1, high: 0 */
 436
 437 #define inc_le128(x, minus_one, tmp) \
 438         vpcmpeqq minus_one, x, tmp;  \
 439         vpsubq minus_one, x, x;      \
 440         vpslldq $8, tmp, tmp;        \
 441         vpsubq tmp, x, x;
 442
 443         /* construct IVs */
 444         inc_le128(RTMP0, RNOT, RTMP2); /* +1 */
 445         vpshufb RBSWAP, RTMP0, RA1;
 446         inc_le128(RTMP0, RNOT, RTMP2); /* +2 */
 447         vpshufb RBSWAP, RTMP0, RA2;
 448         inc_le128(RTMP0, RNOT, RTMP2); /* +3 */
 449         vpshufb RBSWAP, RTMP0, RA3;
 450         inc_le128(RTMP0, RNOT, RTMP2); /* +4 */
 451         vpshufb RBSWAP, RTMP0, RB0;
 452         inc_le128(RTMP0, RNOT, RTMP2); /* +5 */
 453         vpshufb RBSWAP, RTMP0, RB1;
 454         inc_le128(RTMP0, RNOT, RTMP2); /* +6 */
 455         vpshufb RBSWAP, RTMP0, RB2;
 456         inc_le128(RTMP0, RNOT, RTMP2); /* +7 */
 457         vpshufb RBSWAP, RTMP0, RB3;
 458         inc_le128(RTMP0, RNOT, RTMP2); /* +8 */
 459         vpshufb RBSWAP, RTMP0, RTMP1;
 460
 461         /* store new IV */
 462         vmovdqu RTMP1, (%rcx);
 463
 464         call __sm4_crypt_blk8;
 465
 466         vpxor (0 * 16)(%rdx), RA0, RA0;
 467         vpxor (1 * 16)(%rdx), RA1, RA1;
 468         vpxor (2 * 16)(%rdx), RA2, RA2;
 469         vpxor (3 * 16)(%rdx), RA3, RA3;
 470         vpxor (4 * 16)(%rdx), RB0, RB0;
 471         vpxor (5 * 16)(%rdx), RB1, RB1;
 472         vpxor (6 * 16)(%rdx), RB2, RB2;
 473         vpxor (7 * 16)(%rdx), RB3, RB3;
 474
 475         vmovdqu RA0, (0 * 16)(%rsi);
 476         vmovdqu RA1, (1 * 16)(%rsi);
 477         vmovdqu RA2, (2 * 16)(%rsi);
 478         vmovdqu RA3, (3 * 16)(%rsi);
 479         vmovdqu RB0, (4 * 16)(%rsi);
 480         vmovdqu RB1, (5 * 16)(%rsi);
 481         vmovdqu RB2, (6 * 16)(%rsi);
 482         vmovdqu RB3, (7 * 16)(%rsi);
 483
 484         vzeroall;
 485         FRAME_END
 486         ret;
 487 SYM_FUNC_END(sm4_aesni_avx_ctr_enc_blk8)
 488
 489 /*
 490  * void sm4_aesni_avx_cbc_dec_blk8(const u32 *rk, u8 *dst,
 491  *                                 const u8 *src, u8 *iv)
 492  */
 493 .align 8
 494 SYM_FUNC_START(sm4_aesni_avx_cbc_dec_blk8)
 495         /* input:
 496          *      %rdi: round key array, CTX
 497          *      %rsi: dst (8 blocks)
 498          *      %rdx: src (8 blocks)
 499          *      %rcx: iv
 500          */
 501         FRAME_BEGIN
 502
 503         vmovdqu (0 * 16)(%rdx), RA0;
 504         vmovdqu (1 * 16)(%rdx), RA1;
 505         vmovdqu (2 * 16)(%rdx), RA2;
 506         vmovdqu (3 * 16)(%rdx), RA3;
 507         vmovdqu (4 * 16)(%rdx), RB0;
 508         vmovdqu (5 * 16)(%rdx), RB1;
 509         vmovdqu (6 * 16)(%rdx), RB2;
 510         vmovdqu (7 * 16)(%rdx), RB3;
 511
 512         call __sm4_crypt_blk8;
 513
 514         vmovdqu (7 * 16)(%rdx), RNOT;
 515         vpxor (%rcx), RA0, RA0;
 516         vpxor (0 * 16)(%rdx), RA1, RA1;
 517         vpxor (1 * 16)(%rdx), RA2, RA2;
 518         vpxor (2 * 16)(%rdx), RA3, RA3;
 519         vpxor (3 * 16)(%rdx), RB0, RB0;
 520         vpxor (4 * 16)(%rdx), RB1, RB1;
 521         vpxor (5 * 16)(%rdx), RB2, RB2;
 522         vpxor (6 * 16)(%rdx), RB3, RB3;
 523         vmovdqu RNOT, (%rcx); /* store new IV */
 524
 525         vmovdqu RA0, (0 * 16)(%rsi);
 526         vmovdqu RA1, (1 * 16)(%rsi);
 527         vmovdqu RA2, (2 * 16)(%rsi);
 528         vmovdqu RA3, (3 * 16)(%rsi);
 529         vmovdqu RB0, (4 * 16)(%rsi);
 530         vmovdqu RB1, (5 * 16)(%rsi);
 531         vmovdqu RB2, (6 * 16)(%rsi);
 532         vmovdqu RB3, (7 * 16)(%rsi);
 533
 534         vzeroall;
 535         FRAME_END
 536         ret;
 537 SYM_FUNC_END(sm4_aesni_avx_cbc_dec_blk8)
 538
 539 /*
 540  * void sm4_aesni_avx_cfb_dec_blk8(const u32 *rk, u8 *dst,
 541  *                                 const u8 *src, u8 *iv)
 542  */
 543 .align 8
 544 SYM_FUNC_START(sm4_aesni_avx_cfb_dec_blk8)
 545         /* input:
 546          *      %rdi: round key array, CTX
 547          *      %rsi: dst (8 blocks)
 548          *      %rdx: src (8 blocks)
 549          *      %rcx: iv
 550          */
 551         FRAME_BEGIN
 552
 553         /* Load input */
 554         vmovdqu (%rcx), RA0;
 555         vmovdqu 0 * 16(%rdx), RA1;
 556         vmovdqu 1 * 16(%rdx), RA2;
 557         vmovdqu 2 * 16(%rdx), RA3;
 558         vmovdqu 3 * 16(%rdx), RB0;
 559         vmovdqu 4 * 16(%rdx), RB1;
 560         vmovdqu 5 * 16(%rdx), RB2;
 561         vmovdqu 6 * 16(%rdx), RB3;
 562
 563         /* Update IV */
 564         vmovdqu 7 * 16(%rdx), RNOT;
 565         vmovdqu RNOT, (%rcx);
 566
 567         call __sm4_crypt_blk8;
 568
 569         vpxor (0 * 16)(%rdx), RA0, RA0;
 570         vpxor (1 * 16)(%rdx), RA1, RA1;
 571         vpxor (2 * 16)(%rdx), RA2, RA2;
 572         vpxor (3 * 16)(%rdx), RA3, RA3;
 573         vpxor (4 * 16)(%rdx), RB0, RB0;
 574         vpxor (5 * 16)(%rdx), RB1, RB1;
 575         vpxor (6 * 16)(%rdx), RB2, RB2;
 576         vpxor (7 * 16)(%rdx), RB3, RB3;
 577
 578         vmovdqu RA0, (0 * 16)(%rsi);
 579         vmovdqu RA1, (1 * 16)(%rsi);
 580         vmovdqu RA2, (2 * 16)(%rsi);
 581         vmovdqu RA3, (3 * 16)(%rsi);
 582         vmovdqu RB0, (4 * 16)(%rsi);
 583         vmovdqu RB1, (5 * 16)(%rsi);
 584         vmovdqu RB2, (6 * 16)(%rsi);
 585         vmovdqu RB3, (7 * 16)(%rsi);
 586
 587         vzeroall;
 588         FRAME_END
 589         ret;
 590 SYM_FUNC_END(sm4_aesni_avx_cfb_dec_blk8)