Linux 4.13.16
[linux/fpc-iii.git] / arch / x86 / crypto / camellia-aesni-avx-asm_64.S
blobf7c495e2863cb0daecb7b023e19e393cfc32c587
1 /*
2  * x86_64/AVX/AES-NI assembler implementation of Camellia
3  *
4  * Copyright © 2012-2013 Jussi Kivilinna <jussi.kivilinna@iki.fi>
5  *
6  * This program is free software; you can redistribute it and/or modify
7  * it under the terms of the GNU General Public License as published by
8  * the Free Software Foundation; either version 2 of the License, or
9  * (at your option) any later version.
10  *
11  */
14  * Version licensed under 2-clause BSD License is available at:
15  *      http://koti.mbnet.fi/axh/crypto/camellia-BSD-1.2.0-aesni1.tar.xz
16  */
18 #include <linux/linkage.h>
19 #include <asm/frame.h>
21 #define CAMELLIA_TABLE_BYTE_LEN 272
23 /* struct camellia_ctx: */
24 #define key_table 0
25 #define key_length CAMELLIA_TABLE_BYTE_LEN
27 /* register macros */
28 #define CTX %rdi
30 /**********************************************************************
31   16-way camellia
32  **********************************************************************/
33 #define filter_8bit(x, lo_t, hi_t, mask4bit, tmp0) \
34         vpand x, mask4bit, tmp0; \
35         vpandn x, mask4bit, x; \
36         vpsrld $4, x, x; \
37         \
38         vpshufb tmp0, lo_t, tmp0; \
39         vpshufb x, hi_t, x; \
40         vpxor tmp0, x, x;
43  * IN:
44  *   x0..x7: byte-sliced AB state
45  *   mem_cd: register pointer storing CD state
46  *   key: index for key material
47  * OUT:
48  *   x0..x7: new byte-sliced CD state
49  */
50 #define roundsm16(x0, x1, x2, x3, x4, x5, x6, x7, t0, t1, t2, t3, t4, t5, t6, \
51                   t7, mem_cd, key) \
52         /* \
53          * S-function with AES subbytes \
54          */ \
55         vmovdqa .Linv_shift_row, t4; \
56         vbroadcastss .L0f0f0f0f, t7; \
57         vmovdqa .Lpre_tf_lo_s1, t0; \
58         vmovdqa .Lpre_tf_hi_s1, t1; \
59         \
60         /* AES inverse shift rows */ \
61         vpshufb t4, x0, x0; \
62         vpshufb t4, x7, x7; \
63         vpshufb t4, x1, x1; \
64         vpshufb t4, x4, x4; \
65         vpshufb t4, x2, x2; \
66         vpshufb t4, x5, x5; \
67         vpshufb t4, x3, x3; \
68         vpshufb t4, x6, x6; \
69         \
70         /* prefilter sboxes 1, 2 and 3 */ \
71         vmovdqa .Lpre_tf_lo_s4, t2; \
72         vmovdqa .Lpre_tf_hi_s4, t3; \
73         filter_8bit(x0, t0, t1, t7, t6); \
74         filter_8bit(x7, t0, t1, t7, t6); \
75         filter_8bit(x1, t0, t1, t7, t6); \
76         filter_8bit(x4, t0, t1, t7, t6); \
77         filter_8bit(x2, t0, t1, t7, t6); \
78         filter_8bit(x5, t0, t1, t7, t6); \
79         \
80         /* prefilter sbox 4 */ \
81         vpxor t4, t4, t4; \
82         filter_8bit(x3, t2, t3, t7, t6); \
83         filter_8bit(x6, t2, t3, t7, t6); \
84         \
85         /* AES subbytes + AES shift rows */ \
86         vmovdqa .Lpost_tf_lo_s1, t0; \
87         vmovdqa .Lpost_tf_hi_s1, t1; \
88         vaesenclast t4, x0, x0; \
89         vaesenclast t4, x7, x7; \
90         vaesenclast t4, x1, x1; \
91         vaesenclast t4, x4, x4; \
92         vaesenclast t4, x2, x2; \
93         vaesenclast t4, x5, x5; \
94         vaesenclast t4, x3, x3; \
95         vaesenclast t4, x6, x6; \
96         \
97         /* postfilter sboxes 1 and 4 */ \
98         vmovdqa .Lpost_tf_lo_s3, t2; \
99         vmovdqa .Lpost_tf_hi_s3, t3; \
100         filter_8bit(x0, t0, t1, t7, t6); \
101         filter_8bit(x7, t0, t1, t7, t6); \
102         filter_8bit(x3, t0, t1, t7, t6); \
103         filter_8bit(x6, t0, t1, t7, t6); \
104         \
105         /* postfilter sbox 3 */ \
106         vmovdqa .Lpost_tf_lo_s2, t4; \
107         vmovdqa .Lpost_tf_hi_s2, t5; \
108         filter_8bit(x2, t2, t3, t7, t6); \
109         filter_8bit(x5, t2, t3, t7, t6); \
110         \
111         vpxor t6, t6, t6; \
112         vmovq key, t0; \
113         \
114         /* postfilter sbox 2 */ \
115         filter_8bit(x1, t4, t5, t7, t2); \
116         filter_8bit(x4, t4, t5, t7, t2); \
117         \
118         vpsrldq $5, t0, t5; \
119         vpsrldq $1, t0, t1; \
120         vpsrldq $2, t0, t2; \
121         vpsrldq $3, t0, t3; \
122         vpsrldq $4, t0, t4; \
123         vpshufb t6, t0, t0; \
124         vpshufb t6, t1, t1; \
125         vpshufb t6, t2, t2; \
126         vpshufb t6, t3, t3; \
127         vpshufb t6, t4, t4; \
128         vpsrldq $2, t5, t7; \
129         vpshufb t6, t7, t7; \
130         \
131         /* \
132          * P-function \
133          */ \
134         vpxor x5, x0, x0; \
135         vpxor x6, x1, x1; \
136         vpxor x7, x2, x2; \
137         vpxor x4, x3, x3; \
138         \
139         vpxor x2, x4, x4; \
140         vpxor x3, x5, x5; \
141         vpxor x0, x6, x6; \
142         vpxor x1, x7, x7; \
143         \
144         vpxor x7, x0, x0; \
145         vpxor x4, x1, x1; \
146         vpxor x5, x2, x2; \
147         vpxor x6, x3, x3; \
148         \
149         vpxor x3, x4, x4; \
150         vpxor x0, x5, x5; \
151         vpxor x1, x6, x6; \
152         vpxor x2, x7, x7; /* note: high and low parts swapped */ \
153         \
154         /* \
155          * Add key material and result to CD (x becomes new CD) \
156          */ \
157         \
158         vpxor t3, x4, x4; \
159         vpxor 0 * 16(mem_cd), x4, x4; \
160         \
161         vpxor t2, x5, x5; \
162         vpxor 1 * 16(mem_cd), x5, x5; \
163         \
164         vpsrldq $1, t5, t3; \
165         vpshufb t6, t5, t5; \
166         vpshufb t6, t3, t6; \
167         \
168         vpxor t1, x6, x6; \
169         vpxor 2 * 16(mem_cd), x6, x6; \
170         \
171         vpxor t0, x7, x7; \
172         vpxor 3 * 16(mem_cd), x7, x7; \
173         \
174         vpxor t7, x0, x0; \
175         vpxor 4 * 16(mem_cd), x0, x0; \
176         \
177         vpxor t6, x1, x1; \
178         vpxor 5 * 16(mem_cd), x1, x1; \
179         \
180         vpxor t5, x2, x2; \
181         vpxor 6 * 16(mem_cd), x2, x2; \
182         \
183         vpxor t4, x3, x3; \
184         vpxor 7 * 16(mem_cd), x3, x3;
187  * Size optimization... with inlined roundsm16, binary would be over 5 times
188  * larger and would only be 0.5% faster (on sandy-bridge).
189  */
190 .align 8
191 roundsm16_x0_x1_x2_x3_x4_x5_x6_x7_y0_y1_y2_y3_y4_y5_y6_y7_cd:
192         roundsm16(%xmm0, %xmm1, %xmm2, %xmm3, %xmm4, %xmm5, %xmm6, %xmm7,
193                   %xmm8, %xmm9, %xmm10, %xmm11, %xmm12, %xmm13, %xmm14, %xmm15,
194                   %rcx, (%r9));
195         ret;
196 ENDPROC(roundsm16_x0_x1_x2_x3_x4_x5_x6_x7_y0_y1_y2_y3_y4_y5_y6_y7_cd)
198 .align 8
199 roundsm16_x4_x5_x6_x7_x0_x1_x2_x3_y4_y5_y6_y7_y0_y1_y2_y3_ab:
200         roundsm16(%xmm4, %xmm5, %xmm6, %xmm7, %xmm0, %xmm1, %xmm2, %xmm3,
201                   %xmm12, %xmm13, %xmm14, %xmm15, %xmm8, %xmm9, %xmm10, %xmm11,
202                   %rax, (%r9));
203         ret;
204 ENDPROC(roundsm16_x4_x5_x6_x7_x0_x1_x2_x3_y4_y5_y6_y7_y0_y1_y2_y3_ab)
207  * IN/OUT:
208  *  x0..x7: byte-sliced AB state preloaded
209  *  mem_ab: byte-sliced AB state in memory
210  *  mem_cb: byte-sliced CD state in memory
211  */
212 #define two_roundsm16(x0, x1, x2, x3, x4, x5, x6, x7, y0, y1, y2, y3, y4, y5, \
213                       y6, y7, mem_ab, mem_cd, i, dir, store_ab) \
214         leaq (key_table + (i) * 8)(CTX), %r9; \
215         call roundsm16_x0_x1_x2_x3_x4_x5_x6_x7_y0_y1_y2_y3_y4_y5_y6_y7_cd; \
216         \
217         vmovdqu x4, 0 * 16(mem_cd); \
218         vmovdqu x5, 1 * 16(mem_cd); \
219         vmovdqu x6, 2 * 16(mem_cd); \
220         vmovdqu x7, 3 * 16(mem_cd); \
221         vmovdqu x0, 4 * 16(mem_cd); \
222         vmovdqu x1, 5 * 16(mem_cd); \
223         vmovdqu x2, 6 * 16(mem_cd); \
224         vmovdqu x3, 7 * 16(mem_cd); \
225         \
226         leaq (key_table + ((i) + (dir)) * 8)(CTX), %r9; \
227         call roundsm16_x4_x5_x6_x7_x0_x1_x2_x3_y4_y5_y6_y7_y0_y1_y2_y3_ab; \
228         \
229         store_ab(x0, x1, x2, x3, x4, x5, x6, x7, mem_ab);
231 #define dummy_store(x0, x1, x2, x3, x4, x5, x6, x7, mem_ab) /* do nothing */
233 #define store_ab_state(x0, x1, x2, x3, x4, x5, x6, x7, mem_ab) \
234         /* Store new AB state */ \
235         vmovdqu x0, 0 * 16(mem_ab); \
236         vmovdqu x1, 1 * 16(mem_ab); \
237         vmovdqu x2, 2 * 16(mem_ab); \
238         vmovdqu x3, 3 * 16(mem_ab); \
239         vmovdqu x4, 4 * 16(mem_ab); \
240         vmovdqu x5, 5 * 16(mem_ab); \
241         vmovdqu x6, 6 * 16(mem_ab); \
242         vmovdqu x7, 7 * 16(mem_ab);
244 #define enc_rounds16(x0, x1, x2, x3, x4, x5, x6, x7, y0, y1, y2, y3, y4, y5, \
245                       y6, y7, mem_ab, mem_cd, i) \
246         two_roundsm16(x0, x1, x2, x3, x4, x5, x6, x7, y0, y1, y2, y3, y4, y5, \
247                       y6, y7, mem_ab, mem_cd, (i) + 2, 1, store_ab_state); \
248         two_roundsm16(x0, x1, x2, x3, x4, x5, x6, x7, y0, y1, y2, y3, y4, y5, \
249                       y6, y7, mem_ab, mem_cd, (i) + 4, 1, store_ab_state); \
250         two_roundsm16(x0, x1, x2, x3, x4, x5, x6, x7, y0, y1, y2, y3, y4, y5, \
251                       y6, y7, mem_ab, mem_cd, (i) + 6, 1, dummy_store);
253 #define dec_rounds16(x0, x1, x2, x3, x4, x5, x6, x7, y0, y1, y2, y3, y4, y5, \
254                       y6, y7, mem_ab, mem_cd, i) \
255         two_roundsm16(x0, x1, x2, x3, x4, x5, x6, x7, y0, y1, y2, y3, y4, y5, \
256                       y6, y7, mem_ab, mem_cd, (i) + 7, -1, store_ab_state); \
257         two_roundsm16(x0, x1, x2, x3, x4, x5, x6, x7, y0, y1, y2, y3, y4, y5, \
258                       y6, y7, mem_ab, mem_cd, (i) + 5, -1, store_ab_state); \
259         two_roundsm16(x0, x1, x2, x3, x4, x5, x6, x7, y0, y1, y2, y3, y4, y5, \
260                       y6, y7, mem_ab, mem_cd, (i) + 3, -1, dummy_store);
263  * IN:
264  *  v0..3: byte-sliced 32-bit integers
265  * OUT:
266  *  v0..3: (IN <<< 1)
267  */
268 #define rol32_1_16(v0, v1, v2, v3, t0, t1, t2, zero) \
269         vpcmpgtb v0, zero, t0; \
270         vpaddb v0, v0, v0; \
271         vpabsb t0, t0; \
272         \
273         vpcmpgtb v1, zero, t1; \
274         vpaddb v1, v1, v1; \
275         vpabsb t1, t1; \
276         \
277         vpcmpgtb v2, zero, t2; \
278         vpaddb v2, v2, v2; \
279         vpabsb t2, t2; \
280         \
281         vpor t0, v1, v1; \
282         \
283         vpcmpgtb v3, zero, t0; \
284         vpaddb v3, v3, v3; \
285         vpabsb t0, t0; \
286         \
287         vpor t1, v2, v2; \
288         vpor t2, v3, v3; \
289         vpor t0, v0, v0;
292  * IN:
293  *   r: byte-sliced AB state in memory
294  *   l: byte-sliced CD state in memory
295  * OUT:
296  *   x0..x7: new byte-sliced CD state
297  */
298 #define fls16(l, l0, l1, l2, l3, l4, l5, l6, l7, r, t0, t1, t2, t3, tt0, \
299               tt1, tt2, tt3, kll, klr, krl, krr) \
300         /* \
301          * t0 = kll; \
302          * t0 &= ll; \
303          * lr ^= rol32(t0, 1); \
304          */ \
305         vpxor tt0, tt0, tt0; \
306         vmovd kll, t0; \
307         vpshufb tt0, t0, t3; \
308         vpsrldq $1, t0, t0; \
309         vpshufb tt0, t0, t2; \
310         vpsrldq $1, t0, t0; \
311         vpshufb tt0, t0, t1; \
312         vpsrldq $1, t0, t0; \
313         vpshufb tt0, t0, t0; \
314         \
315         vpand l0, t0, t0; \
316         vpand l1, t1, t1; \
317         vpand l2, t2, t2; \
318         vpand l3, t3, t3; \
319         \
320         rol32_1_16(t3, t2, t1, t0, tt1, tt2, tt3, tt0); \
321         \
322         vpxor l4, t0, l4; \
323         vmovdqu l4, 4 * 16(l); \
324         vpxor l5, t1, l5; \
325         vmovdqu l5, 5 * 16(l); \
326         vpxor l6, t2, l6; \
327         vmovdqu l6, 6 * 16(l); \
328         vpxor l7, t3, l7; \
329         vmovdqu l7, 7 * 16(l); \
330         \
331         /* \
332          * t2 = krr; \
333          * t2 |= rr; \
334          * rl ^= t2; \
335          */ \
336         \
337         vmovd krr, t0; \
338         vpshufb tt0, t0, t3; \
339         vpsrldq $1, t0, t0; \
340         vpshufb tt0, t0, t2; \
341         vpsrldq $1, t0, t0; \
342         vpshufb tt0, t0, t1; \
343         vpsrldq $1, t0, t0; \
344         vpshufb tt0, t0, t0; \
345         \
346         vpor 4 * 16(r), t0, t0; \
347         vpor 5 * 16(r), t1, t1; \
348         vpor 6 * 16(r), t2, t2; \
349         vpor 7 * 16(r), t3, t3; \
350         \
351         vpxor 0 * 16(r), t0, t0; \
352         vpxor 1 * 16(r), t1, t1; \
353         vpxor 2 * 16(r), t2, t2; \
354         vpxor 3 * 16(r), t3, t3; \
355         vmovdqu t0, 0 * 16(r); \
356         vmovdqu t1, 1 * 16(r); \
357         vmovdqu t2, 2 * 16(r); \
358         vmovdqu t3, 3 * 16(r); \
359         \
360         /* \
361          * t2 = krl; \
362          * t2 &= rl; \
363          * rr ^= rol32(t2, 1); \
364          */ \
365         vmovd krl, t0; \
366         vpshufb tt0, t0, t3; \
367         vpsrldq $1, t0, t0; \
368         vpshufb tt0, t0, t2; \
369         vpsrldq $1, t0, t0; \
370         vpshufb tt0, t0, t1; \
371         vpsrldq $1, t0, t0; \
372         vpshufb tt0, t0, t0; \
373         \
374         vpand 0 * 16(r), t0, t0; \
375         vpand 1 * 16(r), t1, t1; \
376         vpand 2 * 16(r), t2, t2; \
377         vpand 3 * 16(r), t3, t3; \
378         \
379         rol32_1_16(t3, t2, t1, t0, tt1, tt2, tt3, tt0); \
380         \
381         vpxor 4 * 16(r), t0, t0; \
382         vpxor 5 * 16(r), t1, t1; \
383         vpxor 6 * 16(r), t2, t2; \
384         vpxor 7 * 16(r), t3, t3; \
385         vmovdqu t0, 4 * 16(r); \
386         vmovdqu t1, 5 * 16(r); \
387         vmovdqu t2, 6 * 16(r); \
388         vmovdqu t3, 7 * 16(r); \
389         \
390         /* \
391          * t0 = klr; \
392          * t0 |= lr; \
393          * ll ^= t0; \
394          */ \
395         \
396         vmovd klr, t0; \
397         vpshufb tt0, t0, t3; \
398         vpsrldq $1, t0, t0; \
399         vpshufb tt0, t0, t2; \
400         vpsrldq $1, t0, t0; \
401         vpshufb tt0, t0, t1; \
402         vpsrldq $1, t0, t0; \
403         vpshufb tt0, t0, t0; \
404         \
405         vpor l4, t0, t0; \
406         vpor l5, t1, t1; \
407         vpor l6, t2, t2; \
408         vpor l7, t3, t3; \
409         \
410         vpxor l0, t0, l0; \
411         vmovdqu l0, 0 * 16(l); \
412         vpxor l1, t1, l1; \
413         vmovdqu l1, 1 * 16(l); \
414         vpxor l2, t2, l2; \
415         vmovdqu l2, 2 * 16(l); \
416         vpxor l3, t3, l3; \
417         vmovdqu l3, 3 * 16(l);
419 #define transpose_4x4(x0, x1, x2, x3, t1, t2) \
420         vpunpckhdq x1, x0, t2; \
421         vpunpckldq x1, x0, x0; \
422         \
423         vpunpckldq x3, x2, t1; \
424         vpunpckhdq x3, x2, x2; \
425         \
426         vpunpckhqdq t1, x0, x1; \
427         vpunpcklqdq t1, x0, x0; \
428         \
429         vpunpckhqdq x2, t2, x3; \
430         vpunpcklqdq x2, t2, x2;
432 #define byteslice_16x16b(a0, b0, c0, d0, a1, b1, c1, d1, a2, b2, c2, d2, a3, \
433                          b3, c3, d3, st0, st1) \
434         vmovdqu d2, st0; \
435         vmovdqu d3, st1; \
436         transpose_4x4(a0, a1, a2, a3, d2, d3); \
437         transpose_4x4(b0, b1, b2, b3, d2, d3); \
438         vmovdqu st0, d2; \
439         vmovdqu st1, d3; \
440         \
441         vmovdqu a0, st0; \
442         vmovdqu a1, st1; \
443         transpose_4x4(c0, c1, c2, c3, a0, a1); \
444         transpose_4x4(d0, d1, d2, d3, a0, a1); \
445         \
446         vmovdqu .Lshufb_16x16b, a0; \
447         vmovdqu st1, a1; \
448         vpshufb a0, a2, a2; \
449         vpshufb a0, a3, a3; \
450         vpshufb a0, b0, b0; \
451         vpshufb a0, b1, b1; \
452         vpshufb a0, b2, b2; \
453         vpshufb a0, b3, b3; \
454         vpshufb a0, a1, a1; \
455         vpshufb a0, c0, c0; \
456         vpshufb a0, c1, c1; \
457         vpshufb a0, c2, c2; \
458         vpshufb a0, c3, c3; \
459         vpshufb a0, d0, d0; \
460         vpshufb a0, d1, d1; \
461         vpshufb a0, d2, d2; \
462         vpshufb a0, d3, d3; \
463         vmovdqu d3, st1; \
464         vmovdqu st0, d3; \
465         vpshufb a0, d3, a0; \
466         vmovdqu d2, st0; \
467         \
468         transpose_4x4(a0, b0, c0, d0, d2, d3); \
469         transpose_4x4(a1, b1, c1, d1, d2, d3); \
470         vmovdqu st0, d2; \
471         vmovdqu st1, d3; \
472         \
473         vmovdqu b0, st0; \
474         vmovdqu b1, st1; \
475         transpose_4x4(a2, b2, c2, d2, b0, b1); \
476         transpose_4x4(a3, b3, c3, d3, b0, b1); \
477         vmovdqu st0, b0; \
478         vmovdqu st1, b1; \
479         /* does not adjust output bytes inside vectors */
481 /* load blocks to registers and apply pre-whitening */
482 #define inpack16_pre(x0, x1, x2, x3, x4, x5, x6, x7, y0, y1, y2, y3, y4, y5, \
483                      y6, y7, rio, key) \
484         vmovq key, x0; \
485         vpshufb .Lpack_bswap, x0, x0; \
486         \
487         vpxor 0 * 16(rio), x0, y7; \
488         vpxor 1 * 16(rio), x0, y6; \
489         vpxor 2 * 16(rio), x0, y5; \
490         vpxor 3 * 16(rio), x0, y4; \
491         vpxor 4 * 16(rio), x0, y3; \
492         vpxor 5 * 16(rio), x0, y2; \
493         vpxor 6 * 16(rio), x0, y1; \
494         vpxor 7 * 16(rio), x0, y0; \
495         vpxor 8 * 16(rio), x0, x7; \
496         vpxor 9 * 16(rio), x0, x6; \
497         vpxor 10 * 16(rio), x0, x5; \
498         vpxor 11 * 16(rio), x0, x4; \
499         vpxor 12 * 16(rio), x0, x3; \
500         vpxor 13 * 16(rio), x0, x2; \
501         vpxor 14 * 16(rio), x0, x1; \
502         vpxor 15 * 16(rio), x0, x0;
504 /* byteslice pre-whitened blocks and store to temporary memory */
505 #define inpack16_post(x0, x1, x2, x3, x4, x5, x6, x7, y0, y1, y2, y3, y4, y5, \
506                       y6, y7, mem_ab, mem_cd) \
507         byteslice_16x16b(x0, x1, x2, x3, x4, x5, x6, x7, y0, y1, y2, y3, y4, \
508                          y5, y6, y7, (mem_ab), (mem_cd)); \
509         \
510         vmovdqu x0, 0 * 16(mem_ab); \
511         vmovdqu x1, 1 * 16(mem_ab); \
512         vmovdqu x2, 2 * 16(mem_ab); \
513         vmovdqu x3, 3 * 16(mem_ab); \
514         vmovdqu x4, 4 * 16(mem_ab); \
515         vmovdqu x5, 5 * 16(mem_ab); \
516         vmovdqu x6, 6 * 16(mem_ab); \
517         vmovdqu x7, 7 * 16(mem_ab); \
518         vmovdqu y0, 0 * 16(mem_cd); \
519         vmovdqu y1, 1 * 16(mem_cd); \
520         vmovdqu y2, 2 * 16(mem_cd); \
521         vmovdqu y3, 3 * 16(mem_cd); \
522         vmovdqu y4, 4 * 16(mem_cd); \
523         vmovdqu y5, 5 * 16(mem_cd); \
524         vmovdqu y6, 6 * 16(mem_cd); \
525         vmovdqu y7, 7 * 16(mem_cd);
527 /* de-byteslice, apply post-whitening and store blocks */
528 #define outunpack16(x0, x1, x2, x3, x4, x5, x6, x7, y0, y1, y2, y3, y4, \
529                     y5, y6, y7, key, stack_tmp0, stack_tmp1) \
530         byteslice_16x16b(y0, y4, x0, x4, y1, y5, x1, x5, y2, y6, x2, x6, y3, \
531                          y7, x3, x7, stack_tmp0, stack_tmp1); \
532         \
533         vmovdqu x0, stack_tmp0; \
534         \
535         vmovq key, x0; \
536         vpshufb .Lpack_bswap, x0, x0; \
537         \
538         vpxor x0, y7, y7; \
539         vpxor x0, y6, y6; \
540         vpxor x0, y5, y5; \
541         vpxor x0, y4, y4; \
542         vpxor x0, y3, y3; \
543         vpxor x0, y2, y2; \
544         vpxor x0, y1, y1; \
545         vpxor x0, y0, y0; \
546         vpxor x0, x7, x7; \
547         vpxor x0, x6, x6; \
548         vpxor x0, x5, x5; \
549         vpxor x0, x4, x4; \
550         vpxor x0, x3, x3; \
551         vpxor x0, x2, x2; \
552         vpxor x0, x1, x1; \
553         vpxor stack_tmp0, x0, x0;
555 #define write_output(x0, x1, x2, x3, x4, x5, x6, x7, y0, y1, y2, y3, y4, y5, \
556                      y6, y7, rio) \
557         vmovdqu x0, 0 * 16(rio); \
558         vmovdqu x1, 1 * 16(rio); \
559         vmovdqu x2, 2 * 16(rio); \
560         vmovdqu x3, 3 * 16(rio); \
561         vmovdqu x4, 4 * 16(rio); \
562         vmovdqu x5, 5 * 16(rio); \
563         vmovdqu x6, 6 * 16(rio); \
564         vmovdqu x7, 7 * 16(rio); \
565         vmovdqu y0, 8 * 16(rio); \
566         vmovdqu y1, 9 * 16(rio); \
567         vmovdqu y2, 10 * 16(rio); \
568         vmovdqu y3, 11 * 16(rio); \
569         vmovdqu y4, 12 * 16(rio); \
570         vmovdqu y5, 13 * 16(rio); \
571         vmovdqu y6, 14 * 16(rio); \
572         vmovdqu y7, 15 * 16(rio);
575 /* NB: section is mergeable, all elements must be aligned 16-byte blocks */
576 .section        .rodata.cst16, "aM", @progbits, 16
577 .align 16
579 #define SHUFB_BYTES(idx) \
580         0 + (idx), 4 + (idx), 8 + (idx), 12 + (idx)
582 .Lshufb_16x16b:
583         .byte SHUFB_BYTES(0), SHUFB_BYTES(1), SHUFB_BYTES(2), SHUFB_BYTES(3);
585 .Lpack_bswap:
586         .long 0x00010203
587         .long 0x04050607
588         .long 0x80808080
589         .long 0x80808080
591 /* For CTR-mode IV byteswap */
592 .Lbswap128_mask:
593         .byte 15, 14, 13, 12, 11, 10, 9, 8, 7, 6, 5, 4, 3, 2, 1, 0
595 /* For XTS mode IV generation */
596 .Lxts_gf128mul_and_shl1_mask:
597         .byte 0x87, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0
600  * pre-SubByte transform
602  * pre-lookup for sbox1, sbox2, sbox3:
603  *   swap_bitendianness(
604  *       isom_map_camellia_to_aes(
605  *           camellia_f(
606  *               swap_bitendianess(in)
607  *           )
608  *       )
609  *   )
611  * (note: '⊕ 0xc5' inside camellia_f())
612  */
613 .Lpre_tf_lo_s1:
614         .byte 0x45, 0xe8, 0x40, 0xed, 0x2e, 0x83, 0x2b, 0x86
615         .byte 0x4b, 0xe6, 0x4e, 0xe3, 0x20, 0x8d, 0x25, 0x88
616 .Lpre_tf_hi_s1:
617         .byte 0x00, 0x51, 0xf1, 0xa0, 0x8a, 0xdb, 0x7b, 0x2a
618         .byte 0x09, 0x58, 0xf8, 0xa9, 0x83, 0xd2, 0x72, 0x23
621  * pre-SubByte transform
623  * pre-lookup for sbox4:
624  *   swap_bitendianness(
625  *       isom_map_camellia_to_aes(
626  *           camellia_f(
627  *               swap_bitendianess(in <<< 1)
628  *           )
629  *       )
630  *   )
632  * (note: '⊕ 0xc5' inside camellia_f())
633  */
634 .Lpre_tf_lo_s4:
635         .byte 0x45, 0x40, 0x2e, 0x2b, 0x4b, 0x4e, 0x20, 0x25
636         .byte 0x14, 0x11, 0x7f, 0x7a, 0x1a, 0x1f, 0x71, 0x74
637 .Lpre_tf_hi_s4:
638         .byte 0x00, 0xf1, 0x8a, 0x7b, 0x09, 0xf8, 0x83, 0x72
639         .byte 0xad, 0x5c, 0x27, 0xd6, 0xa4, 0x55, 0x2e, 0xdf
642  * post-SubByte transform
644  * post-lookup for sbox1, sbox4:
645  *  swap_bitendianness(
646  *      camellia_h(
647  *          isom_map_aes_to_camellia(
648  *              swap_bitendianness(
649  *                  aes_inverse_affine_transform(in)
650  *              )
651  *          )
652  *      )
653  *  )
655  * (note: '⊕ 0x6e' inside camellia_h())
656  */
657 .Lpost_tf_lo_s1:
658         .byte 0x3c, 0xcc, 0xcf, 0x3f, 0x32, 0xc2, 0xc1, 0x31
659         .byte 0xdc, 0x2c, 0x2f, 0xdf, 0xd2, 0x22, 0x21, 0xd1
660 .Lpost_tf_hi_s1:
661         .byte 0x00, 0xf9, 0x86, 0x7f, 0xd7, 0x2e, 0x51, 0xa8
662         .byte 0xa4, 0x5d, 0x22, 0xdb, 0x73, 0x8a, 0xf5, 0x0c
665  * post-SubByte transform
667  * post-lookup for sbox2:
668  *  swap_bitendianness(
669  *      camellia_h(
670  *          isom_map_aes_to_camellia(
671  *              swap_bitendianness(
672  *                  aes_inverse_affine_transform(in)
673  *              )
674  *          )
675  *      )
676  *  ) <<< 1
678  * (note: '⊕ 0x6e' inside camellia_h())
679  */
680 .Lpost_tf_lo_s2:
681         .byte 0x78, 0x99, 0x9f, 0x7e, 0x64, 0x85, 0x83, 0x62
682         .byte 0xb9, 0x58, 0x5e, 0xbf, 0xa5, 0x44, 0x42, 0xa3
683 .Lpost_tf_hi_s2:
684         .byte 0x00, 0xf3, 0x0d, 0xfe, 0xaf, 0x5c, 0xa2, 0x51
685         .byte 0x49, 0xba, 0x44, 0xb7, 0xe6, 0x15, 0xeb, 0x18
688  * post-SubByte transform
690  * post-lookup for sbox3:
691  *  swap_bitendianness(
692  *      camellia_h(
693  *          isom_map_aes_to_camellia(
694  *              swap_bitendianness(
695  *                  aes_inverse_affine_transform(in)
696  *              )
697  *          )
698  *      )
699  *  ) >>> 1
701  * (note: '⊕ 0x6e' inside camellia_h())
702  */
703 .Lpost_tf_lo_s3:
704         .byte 0x1e, 0x66, 0xe7, 0x9f, 0x19, 0x61, 0xe0, 0x98
705         .byte 0x6e, 0x16, 0x97, 0xef, 0x69, 0x11, 0x90, 0xe8
706 .Lpost_tf_hi_s3:
707         .byte 0x00, 0xfc, 0x43, 0xbf, 0xeb, 0x17, 0xa8, 0x54
708         .byte 0x52, 0xae, 0x11, 0xed, 0xb9, 0x45, 0xfa, 0x06
710 /* For isolating SubBytes from AESENCLAST, inverse shift row */
711 .Linv_shift_row:
712         .byte 0x00, 0x0d, 0x0a, 0x07, 0x04, 0x01, 0x0e, 0x0b
713         .byte 0x08, 0x05, 0x02, 0x0f, 0x0c, 0x09, 0x06, 0x03
715 /* 4-bit mask */
716 .section        .rodata.cst4.L0f0f0f0f, "aM", @progbits, 4
717 .align 4
718 .L0f0f0f0f:
719         .long 0x0f0f0f0f
721 .text
723 .align 8
724 __camellia_enc_blk16:
725         /* input:
726          *      %rdi: ctx, CTX
727          *      %rax: temporary storage, 256 bytes
728          *      %xmm0..%xmm15: 16 plaintext blocks
729          * output:
730          *      %xmm0..%xmm15: 16 encrypted blocks, order swapped:
731          *       7, 8, 6, 5, 4, 3, 2, 1, 0, 15, 14, 13, 12, 11, 10, 9, 8
732          */
733         FRAME_BEGIN
735         leaq 8 * 16(%rax), %rcx;
737         inpack16_post(%xmm0, %xmm1, %xmm2, %xmm3, %xmm4, %xmm5, %xmm6, %xmm7,
738                       %xmm8, %xmm9, %xmm10, %xmm11, %xmm12, %xmm13, %xmm14,
739                       %xmm15, %rax, %rcx);
741         enc_rounds16(%xmm0, %xmm1, %xmm2, %xmm3, %xmm4, %xmm5, %xmm6, %xmm7,
742                      %xmm8, %xmm9, %xmm10, %xmm11, %xmm12, %xmm13, %xmm14,
743                      %xmm15, %rax, %rcx, 0);
745         fls16(%rax, %xmm0, %xmm1, %xmm2, %xmm3, %xmm4, %xmm5, %xmm6, %xmm7,
746               %rcx, %xmm8, %xmm9, %xmm10, %xmm11, %xmm12, %xmm13, %xmm14,
747               %xmm15,
748               ((key_table + (8) * 8) + 0)(CTX),
749               ((key_table + (8) * 8) + 4)(CTX),
750               ((key_table + (8) * 8) + 8)(CTX),
751               ((key_table + (8) * 8) + 12)(CTX));
753         enc_rounds16(%xmm0, %xmm1, %xmm2, %xmm3, %xmm4, %xmm5, %xmm6, %xmm7,
754                      %xmm8, %xmm9, %xmm10, %xmm11, %xmm12, %xmm13, %xmm14,
755                      %xmm15, %rax, %rcx, 8);
757         fls16(%rax, %xmm0, %xmm1, %xmm2, %xmm3, %xmm4, %xmm5, %xmm6, %xmm7,
758               %rcx, %xmm8, %xmm9, %xmm10, %xmm11, %xmm12, %xmm13, %xmm14,
759               %xmm15,
760               ((key_table + (16) * 8) + 0)(CTX),
761               ((key_table + (16) * 8) + 4)(CTX),
762               ((key_table + (16) * 8) + 8)(CTX),
763               ((key_table + (16) * 8) + 12)(CTX));
765         enc_rounds16(%xmm0, %xmm1, %xmm2, %xmm3, %xmm4, %xmm5, %xmm6, %xmm7,
766                      %xmm8, %xmm9, %xmm10, %xmm11, %xmm12, %xmm13, %xmm14,
767                      %xmm15, %rax, %rcx, 16);
769         movl $24, %r8d;
770         cmpl $16, key_length(CTX);
771         jne .Lenc_max32;
773 .Lenc_done:
774         /* load CD for output */
775         vmovdqu 0 * 16(%rcx), %xmm8;
776         vmovdqu 1 * 16(%rcx), %xmm9;
777         vmovdqu 2 * 16(%rcx), %xmm10;
778         vmovdqu 3 * 16(%rcx), %xmm11;
779         vmovdqu 4 * 16(%rcx), %xmm12;
780         vmovdqu 5 * 16(%rcx), %xmm13;
781         vmovdqu 6 * 16(%rcx), %xmm14;
782         vmovdqu 7 * 16(%rcx), %xmm15;
784         outunpack16(%xmm0, %xmm1, %xmm2, %xmm3, %xmm4, %xmm5, %xmm6, %xmm7,
785                     %xmm8, %xmm9, %xmm10, %xmm11, %xmm12, %xmm13, %xmm14,
786                     %xmm15, (key_table)(CTX, %r8, 8), (%rax), 1 * 16(%rax));
788         FRAME_END
789         ret;
791 .align 8
792 .Lenc_max32:
793         movl $32, %r8d;
795         fls16(%rax, %xmm0, %xmm1, %xmm2, %xmm3, %xmm4, %xmm5, %xmm6, %xmm7,
796               %rcx, %xmm8, %xmm9, %xmm10, %xmm11, %xmm12, %xmm13, %xmm14,
797               %xmm15,
798               ((key_table + (24) * 8) + 0)(CTX),
799               ((key_table + (24) * 8) + 4)(CTX),
800               ((key_table + (24) * 8) + 8)(CTX),
801               ((key_table + (24) * 8) + 12)(CTX));
803         enc_rounds16(%xmm0, %xmm1, %xmm2, %xmm3, %xmm4, %xmm5, %xmm6, %xmm7,
804                      %xmm8, %xmm9, %xmm10, %xmm11, %xmm12, %xmm13, %xmm14,
805                      %xmm15, %rax, %rcx, 24);
807         jmp .Lenc_done;
808 ENDPROC(__camellia_enc_blk16)
810 .align 8
811 __camellia_dec_blk16:
812         /* input:
813          *      %rdi: ctx, CTX
814          *      %rax: temporary storage, 256 bytes
815          *      %r8d: 24 for 16 byte key, 32 for larger
816          *      %xmm0..%xmm15: 16 encrypted blocks
817          * output:
818          *      %xmm0..%xmm15: 16 plaintext blocks, order swapped:
819          *       7, 8, 6, 5, 4, 3, 2, 1, 0, 15, 14, 13, 12, 11, 10, 9, 8
820          */
821         FRAME_BEGIN
823         leaq 8 * 16(%rax), %rcx;
825         inpack16_post(%xmm0, %xmm1, %xmm2, %xmm3, %xmm4, %xmm5, %xmm6, %xmm7,
826                       %xmm8, %xmm9, %xmm10, %xmm11, %xmm12, %xmm13, %xmm14,
827                       %xmm15, %rax, %rcx);
829         cmpl $32, %r8d;
830         je .Ldec_max32;
832 .Ldec_max24:
833         dec_rounds16(%xmm0, %xmm1, %xmm2, %xmm3, %xmm4, %xmm5, %xmm6, %xmm7,
834                      %xmm8, %xmm9, %xmm10, %xmm11, %xmm12, %xmm13, %xmm14,
835                      %xmm15, %rax, %rcx, 16);
837         fls16(%rax, %xmm0, %xmm1, %xmm2, %xmm3, %xmm4, %xmm5, %xmm6, %xmm7,
838               %rcx, %xmm8, %xmm9, %xmm10, %xmm11, %xmm12, %xmm13, %xmm14,
839               %xmm15,
840               ((key_table + (16) * 8) + 8)(CTX),
841               ((key_table + (16) * 8) + 12)(CTX),
842               ((key_table + (16) * 8) + 0)(CTX),
843               ((key_table + (16) * 8) + 4)(CTX));
845         dec_rounds16(%xmm0, %xmm1, %xmm2, %xmm3, %xmm4, %xmm5, %xmm6, %xmm7,
846                      %xmm8, %xmm9, %xmm10, %xmm11, %xmm12, %xmm13, %xmm14,
847                      %xmm15, %rax, %rcx, 8);
849         fls16(%rax, %xmm0, %xmm1, %xmm2, %xmm3, %xmm4, %xmm5, %xmm6, %xmm7,
850               %rcx, %xmm8, %xmm9, %xmm10, %xmm11, %xmm12, %xmm13, %xmm14,
851               %xmm15,
852               ((key_table + (8) * 8) + 8)(CTX),
853               ((key_table + (8) * 8) + 12)(CTX),
854               ((key_table + (8) * 8) + 0)(CTX),
855               ((key_table + (8) * 8) + 4)(CTX));
857         dec_rounds16(%xmm0, %xmm1, %xmm2, %xmm3, %xmm4, %xmm5, %xmm6, %xmm7,
858                      %xmm8, %xmm9, %xmm10, %xmm11, %xmm12, %xmm13, %xmm14,
859                      %xmm15, %rax, %rcx, 0);
861         /* load CD for output */
862         vmovdqu 0 * 16(%rcx), %xmm8;
863         vmovdqu 1 * 16(%rcx), %xmm9;
864         vmovdqu 2 * 16(%rcx), %xmm10;
865         vmovdqu 3 * 16(%rcx), %xmm11;
866         vmovdqu 4 * 16(%rcx), %xmm12;
867         vmovdqu 5 * 16(%rcx), %xmm13;
868         vmovdqu 6 * 16(%rcx), %xmm14;
869         vmovdqu 7 * 16(%rcx), %xmm15;
871         outunpack16(%xmm0, %xmm1, %xmm2, %xmm3, %xmm4, %xmm5, %xmm6, %xmm7,
872                     %xmm8, %xmm9, %xmm10, %xmm11, %xmm12, %xmm13, %xmm14,
873                     %xmm15, (key_table)(CTX), (%rax), 1 * 16(%rax));
875         FRAME_END
876         ret;
878 .align 8
879 .Ldec_max32:
880         dec_rounds16(%xmm0, %xmm1, %xmm2, %xmm3, %xmm4, %xmm5, %xmm6, %xmm7,
881                      %xmm8, %xmm9, %xmm10, %xmm11, %xmm12, %xmm13, %xmm14,
882                      %xmm15, %rax, %rcx, 24);
884         fls16(%rax, %xmm0, %xmm1, %xmm2, %xmm3, %xmm4, %xmm5, %xmm6, %xmm7,
885               %rcx, %xmm8, %xmm9, %xmm10, %xmm11, %xmm12, %xmm13, %xmm14,
886               %xmm15,
887               ((key_table + (24) * 8) + 8)(CTX),
888               ((key_table + (24) * 8) + 12)(CTX),
889               ((key_table + (24) * 8) + 0)(CTX),
890               ((key_table + (24) * 8) + 4)(CTX));
892         jmp .Ldec_max24;
893 ENDPROC(__camellia_dec_blk16)
895 ENTRY(camellia_ecb_enc_16way)
896         /* input:
897          *      %rdi: ctx, CTX
898          *      %rsi: dst (16 blocks)
899          *      %rdx: src (16 blocks)
900          */
901          FRAME_BEGIN
903         inpack16_pre(%xmm0, %xmm1, %xmm2, %xmm3, %xmm4, %xmm5, %xmm6, %xmm7,
904                      %xmm8, %xmm9, %xmm10, %xmm11, %xmm12, %xmm13, %xmm14,
905                      %xmm15, %rdx, (key_table)(CTX));
907         /* now dst can be used as temporary buffer (even in src == dst case) */
908         movq    %rsi, %rax;
910         call __camellia_enc_blk16;
912         write_output(%xmm7, %xmm6, %xmm5, %xmm4, %xmm3, %xmm2, %xmm1, %xmm0,
913                      %xmm15, %xmm14, %xmm13, %xmm12, %xmm11, %xmm10, %xmm9,
914                      %xmm8, %rsi);
916         FRAME_END
917         ret;
918 ENDPROC(camellia_ecb_enc_16way)
920 ENTRY(camellia_ecb_dec_16way)
921         /* input:
922          *      %rdi: ctx, CTX
923          *      %rsi: dst (16 blocks)
924          *      %rdx: src (16 blocks)
925          */
926          FRAME_BEGIN
928         cmpl $16, key_length(CTX);
929         movl $32, %r8d;
930         movl $24, %eax;
931         cmovel %eax, %r8d; /* max */
933         inpack16_pre(%xmm0, %xmm1, %xmm2, %xmm3, %xmm4, %xmm5, %xmm6, %xmm7,
934                      %xmm8, %xmm9, %xmm10, %xmm11, %xmm12, %xmm13, %xmm14,
935                      %xmm15, %rdx, (key_table)(CTX, %r8, 8));
937         /* now dst can be used as temporary buffer (even in src == dst case) */
938         movq    %rsi, %rax;
940         call __camellia_dec_blk16;
942         write_output(%xmm7, %xmm6, %xmm5, %xmm4, %xmm3, %xmm2, %xmm1, %xmm0,
943                      %xmm15, %xmm14, %xmm13, %xmm12, %xmm11, %xmm10, %xmm9,
944                      %xmm8, %rsi);
946         FRAME_END
947         ret;
948 ENDPROC(camellia_ecb_dec_16way)
950 ENTRY(camellia_cbc_dec_16way)
951         /* input:
952          *      %rdi: ctx, CTX
953          *      %rsi: dst (16 blocks)
954          *      %rdx: src (16 blocks)
955          */
956         FRAME_BEGIN
958         cmpl $16, key_length(CTX);
959         movl $32, %r8d;
960         movl $24, %eax;
961         cmovel %eax, %r8d; /* max */
963         inpack16_pre(%xmm0, %xmm1, %xmm2, %xmm3, %xmm4, %xmm5, %xmm6, %xmm7,
964                      %xmm8, %xmm9, %xmm10, %xmm11, %xmm12, %xmm13, %xmm14,
965                      %xmm15, %rdx, (key_table)(CTX, %r8, 8));
967         /*
968          * dst might still be in-use (in case dst == src), so use stack for
969          * temporary storage.
970          */
971         subq $(16 * 16), %rsp;
972         movq %rsp, %rax;
974         call __camellia_dec_blk16;
976         addq $(16 * 16), %rsp;
978         vpxor (0 * 16)(%rdx), %xmm6, %xmm6;
979         vpxor (1 * 16)(%rdx), %xmm5, %xmm5;
980         vpxor (2 * 16)(%rdx), %xmm4, %xmm4;
981         vpxor (3 * 16)(%rdx), %xmm3, %xmm3;
982         vpxor (4 * 16)(%rdx), %xmm2, %xmm2;
983         vpxor (5 * 16)(%rdx), %xmm1, %xmm1;
984         vpxor (6 * 16)(%rdx), %xmm0, %xmm0;
985         vpxor (7 * 16)(%rdx), %xmm15, %xmm15;
986         vpxor (8 * 16)(%rdx), %xmm14, %xmm14;
987         vpxor (9 * 16)(%rdx), %xmm13, %xmm13;
988         vpxor (10 * 16)(%rdx), %xmm12, %xmm12;
989         vpxor (11 * 16)(%rdx), %xmm11, %xmm11;
990         vpxor (12 * 16)(%rdx), %xmm10, %xmm10;
991         vpxor (13 * 16)(%rdx), %xmm9, %xmm9;
992         vpxor (14 * 16)(%rdx), %xmm8, %xmm8;
993         write_output(%xmm7, %xmm6, %xmm5, %xmm4, %xmm3, %xmm2, %xmm1, %xmm0,
994                      %xmm15, %xmm14, %xmm13, %xmm12, %xmm11, %xmm10, %xmm9,
995                      %xmm8, %rsi);
997         FRAME_END
998         ret;
999 ENDPROC(camellia_cbc_dec_16way)
1001 #define inc_le128(x, minus_one, tmp) \
1002         vpcmpeqq minus_one, x, tmp; \
1003         vpsubq minus_one, x, x; \
1004         vpslldq $8, tmp, tmp; \
1005         vpsubq tmp, x, x;
1007 ENTRY(camellia_ctr_16way)
1008         /* input:
1009          *      %rdi: ctx, CTX
1010          *      %rsi: dst (16 blocks)
1011          *      %rdx: src (16 blocks)
1012          *      %rcx: iv (little endian, 128bit)
1013          */
1014         FRAME_BEGIN
1016         subq $(16 * 16), %rsp;
1017         movq %rsp, %rax;
1019         vmovdqa .Lbswap128_mask, %xmm14;
1021         /* load IV and byteswap */
1022         vmovdqu (%rcx), %xmm0;
1023         vpshufb %xmm14, %xmm0, %xmm15;
1024         vmovdqu %xmm15, 15 * 16(%rax);
1026         vpcmpeqd %xmm15, %xmm15, %xmm15;
1027         vpsrldq $8, %xmm15, %xmm15; /* low: -1, high: 0 */
1029         /* construct IVs */
1030         inc_le128(%xmm0, %xmm15, %xmm13);
1031         vpshufb %xmm14, %xmm0, %xmm13;
1032         vmovdqu %xmm13, 14 * 16(%rax);
1033         inc_le128(%xmm0, %xmm15, %xmm13);
1034         vpshufb %xmm14, %xmm0, %xmm13;
1035         vmovdqu %xmm13, 13 * 16(%rax);
1036         inc_le128(%xmm0, %xmm15, %xmm13);
1037         vpshufb %xmm14, %xmm0, %xmm12;
1038         inc_le128(%xmm0, %xmm15, %xmm13);
1039         vpshufb %xmm14, %xmm0, %xmm11;
1040         inc_le128(%xmm0, %xmm15, %xmm13);
1041         vpshufb %xmm14, %xmm0, %xmm10;
1042         inc_le128(%xmm0, %xmm15, %xmm13);
1043         vpshufb %xmm14, %xmm0, %xmm9;
1044         inc_le128(%xmm0, %xmm15, %xmm13);
1045         vpshufb %xmm14, %xmm0, %xmm8;
1046         inc_le128(%xmm0, %xmm15, %xmm13);
1047         vpshufb %xmm14, %xmm0, %xmm7;
1048         inc_le128(%xmm0, %xmm15, %xmm13);
1049         vpshufb %xmm14, %xmm0, %xmm6;
1050         inc_le128(%xmm0, %xmm15, %xmm13);
1051         vpshufb %xmm14, %xmm0, %xmm5;
1052         inc_le128(%xmm0, %xmm15, %xmm13);
1053         vpshufb %xmm14, %xmm0, %xmm4;
1054         inc_le128(%xmm0, %xmm15, %xmm13);
1055         vpshufb %xmm14, %xmm0, %xmm3;
1056         inc_le128(%xmm0, %xmm15, %xmm13);
1057         vpshufb %xmm14, %xmm0, %xmm2;
1058         inc_le128(%xmm0, %xmm15, %xmm13);
1059         vpshufb %xmm14, %xmm0, %xmm1;
1060         inc_le128(%xmm0, %xmm15, %xmm13);
1061         vmovdqa %xmm0, %xmm13;
1062         vpshufb %xmm14, %xmm0, %xmm0;
1063         inc_le128(%xmm13, %xmm15, %xmm14);
1064         vmovdqu %xmm13, (%rcx);
1066         /* inpack16_pre: */
1067         vmovq (key_table)(CTX), %xmm15;
1068         vpshufb .Lpack_bswap, %xmm15, %xmm15;
1069         vpxor %xmm0, %xmm15, %xmm0;
1070         vpxor %xmm1, %xmm15, %xmm1;
1071         vpxor %xmm2, %xmm15, %xmm2;
1072         vpxor %xmm3, %xmm15, %xmm3;
1073         vpxor %xmm4, %xmm15, %xmm4;
1074         vpxor %xmm5, %xmm15, %xmm5;
1075         vpxor %xmm6, %xmm15, %xmm6;
1076         vpxor %xmm7, %xmm15, %xmm7;
1077         vpxor %xmm8, %xmm15, %xmm8;
1078         vpxor %xmm9, %xmm15, %xmm9;
1079         vpxor %xmm10, %xmm15, %xmm10;
1080         vpxor %xmm11, %xmm15, %xmm11;
1081         vpxor %xmm12, %xmm15, %xmm12;
1082         vpxor 13 * 16(%rax), %xmm15, %xmm13;
1083         vpxor 14 * 16(%rax), %xmm15, %xmm14;
1084         vpxor 15 * 16(%rax), %xmm15, %xmm15;
1086         call __camellia_enc_blk16;
1088         addq $(16 * 16), %rsp;
1090         vpxor 0 * 16(%rdx), %xmm7, %xmm7;
1091         vpxor 1 * 16(%rdx), %xmm6, %xmm6;
1092         vpxor 2 * 16(%rdx), %xmm5, %xmm5;
1093         vpxor 3 * 16(%rdx), %xmm4, %xmm4;
1094         vpxor 4 * 16(%rdx), %xmm3, %xmm3;
1095         vpxor 5 * 16(%rdx), %xmm2, %xmm2;
1096         vpxor 6 * 16(%rdx), %xmm1, %xmm1;
1097         vpxor 7 * 16(%rdx), %xmm0, %xmm0;
1098         vpxor 8 * 16(%rdx), %xmm15, %xmm15;
1099         vpxor 9 * 16(%rdx), %xmm14, %xmm14;
1100         vpxor 10 * 16(%rdx), %xmm13, %xmm13;
1101         vpxor 11 * 16(%rdx), %xmm12, %xmm12;
1102         vpxor 12 * 16(%rdx), %xmm11, %xmm11;
1103         vpxor 13 * 16(%rdx), %xmm10, %xmm10;
1104         vpxor 14 * 16(%rdx), %xmm9, %xmm9;
1105         vpxor 15 * 16(%rdx), %xmm8, %xmm8;
1106         write_output(%xmm7, %xmm6, %xmm5, %xmm4, %xmm3, %xmm2, %xmm1, %xmm0,
1107                      %xmm15, %xmm14, %xmm13, %xmm12, %xmm11, %xmm10, %xmm9,
1108                      %xmm8, %rsi);
1110         FRAME_END
1111         ret;
1112 ENDPROC(camellia_ctr_16way)
1114 #define gf128mul_x_ble(iv, mask, tmp) \
1115         vpsrad $31, iv, tmp; \
1116         vpaddq iv, iv, iv; \
1117         vpshufd $0x13, tmp, tmp; \
1118         vpand mask, tmp, tmp; \
1119         vpxor tmp, iv, iv;
1121 .align 8
1122 camellia_xts_crypt_16way:
1123         /* input:
1124          *      %rdi: ctx, CTX
1125          *      %rsi: dst (16 blocks)
1126          *      %rdx: src (16 blocks)
1127          *      %rcx: iv (t ⊕ αⁿ ∈ GF(2¹²⁸))
1128          *      %r8: index for input whitening key
1129          *      %r9: pointer to  __camellia_enc_blk16 or __camellia_dec_blk16
1130          */
1131         FRAME_BEGIN
1133         subq $(16 * 16), %rsp;
1134         movq %rsp, %rax;
1136         vmovdqa .Lxts_gf128mul_and_shl1_mask, %xmm14;
1138         /* load IV */
1139         vmovdqu (%rcx), %xmm0;
1140         vpxor 0 * 16(%rdx), %xmm0, %xmm15;
1141         vmovdqu %xmm15, 15 * 16(%rax);
1142         vmovdqu %xmm0, 0 * 16(%rsi);
1144         /* construct IVs */
1145         gf128mul_x_ble(%xmm0, %xmm14, %xmm15);
1146         vpxor 1 * 16(%rdx), %xmm0, %xmm15;
1147         vmovdqu %xmm15, 14 * 16(%rax);
1148         vmovdqu %xmm0, 1 * 16(%rsi);
1150         gf128mul_x_ble(%xmm0, %xmm14, %xmm15);
1151         vpxor 2 * 16(%rdx), %xmm0, %xmm13;
1152         vmovdqu %xmm0, 2 * 16(%rsi);
1154         gf128mul_x_ble(%xmm0, %xmm14, %xmm15);
1155         vpxor 3 * 16(%rdx), %xmm0, %xmm12;
1156         vmovdqu %xmm0, 3 * 16(%rsi);
1158         gf128mul_x_ble(%xmm0, %xmm14, %xmm15);
1159         vpxor 4 * 16(%rdx), %xmm0, %xmm11;
1160         vmovdqu %xmm0, 4 * 16(%rsi);
1162         gf128mul_x_ble(%xmm0, %xmm14, %xmm15);
1163         vpxor 5 * 16(%rdx), %xmm0, %xmm10;
1164         vmovdqu %xmm0, 5 * 16(%rsi);
1166         gf128mul_x_ble(%xmm0, %xmm14, %xmm15);
1167         vpxor 6 * 16(%rdx), %xmm0, %xmm9;
1168         vmovdqu %xmm0, 6 * 16(%rsi);
1170         gf128mul_x_ble(%xmm0, %xmm14, %xmm15);
1171         vpxor 7 * 16(%rdx), %xmm0, %xmm8;
1172         vmovdqu %xmm0, 7 * 16(%rsi);
1174         gf128mul_x_ble(%xmm0, %xmm14, %xmm15);
1175         vpxor 8 * 16(%rdx), %xmm0, %xmm7;
1176         vmovdqu %xmm0, 8 * 16(%rsi);
1178         gf128mul_x_ble(%xmm0, %xmm14, %xmm15);
1179         vpxor 9 * 16(%rdx), %xmm0, %xmm6;
1180         vmovdqu %xmm0, 9 * 16(%rsi);
1182         gf128mul_x_ble(%xmm0, %xmm14, %xmm15);
1183         vpxor 10 * 16(%rdx), %xmm0, %xmm5;
1184         vmovdqu %xmm0, 10 * 16(%rsi);
1186         gf128mul_x_ble(%xmm0, %xmm14, %xmm15);
1187         vpxor 11 * 16(%rdx), %xmm0, %xmm4;
1188         vmovdqu %xmm0, 11 * 16(%rsi);
1190         gf128mul_x_ble(%xmm0, %xmm14, %xmm15);
1191         vpxor 12 * 16(%rdx), %xmm0, %xmm3;
1192         vmovdqu %xmm0, 12 * 16(%rsi);
1194         gf128mul_x_ble(%xmm0, %xmm14, %xmm15);
1195         vpxor 13 * 16(%rdx), %xmm0, %xmm2;
1196         vmovdqu %xmm0, 13 * 16(%rsi);
1198         gf128mul_x_ble(%xmm0, %xmm14, %xmm15);
1199         vpxor 14 * 16(%rdx), %xmm0, %xmm1;
1200         vmovdqu %xmm0, 14 * 16(%rsi);
1202         gf128mul_x_ble(%xmm0, %xmm14, %xmm15);
1203         vpxor 15 * 16(%rdx), %xmm0, %xmm15;
1204         vmovdqu %xmm15, 0 * 16(%rax);
1205         vmovdqu %xmm0, 15 * 16(%rsi);
1207         gf128mul_x_ble(%xmm0, %xmm14, %xmm15);
1208         vmovdqu %xmm0, (%rcx);
1210         /* inpack16_pre: */
1211         vmovq (key_table)(CTX, %r8, 8), %xmm15;
1212         vpshufb .Lpack_bswap, %xmm15, %xmm15;
1213         vpxor 0 * 16(%rax), %xmm15, %xmm0;
1214         vpxor %xmm1, %xmm15, %xmm1;
1215         vpxor %xmm2, %xmm15, %xmm2;
1216         vpxor %xmm3, %xmm15, %xmm3;
1217         vpxor %xmm4, %xmm15, %xmm4;
1218         vpxor %xmm5, %xmm15, %xmm5;
1219         vpxor %xmm6, %xmm15, %xmm6;
1220         vpxor %xmm7, %xmm15, %xmm7;
1221         vpxor %xmm8, %xmm15, %xmm8;
1222         vpxor %xmm9, %xmm15, %xmm9;
1223         vpxor %xmm10, %xmm15, %xmm10;
1224         vpxor %xmm11, %xmm15, %xmm11;
1225         vpxor %xmm12, %xmm15, %xmm12;
1226         vpxor %xmm13, %xmm15, %xmm13;
1227         vpxor 14 * 16(%rax), %xmm15, %xmm14;
1228         vpxor 15 * 16(%rax), %xmm15, %xmm15;
1230         call *%r9;
1232         addq $(16 * 16), %rsp;
1234         vpxor 0 * 16(%rsi), %xmm7, %xmm7;
1235         vpxor 1 * 16(%rsi), %xmm6, %xmm6;
1236         vpxor 2 * 16(%rsi), %xmm5, %xmm5;
1237         vpxor 3 * 16(%rsi), %xmm4, %xmm4;
1238         vpxor 4 * 16(%rsi), %xmm3, %xmm3;
1239         vpxor 5 * 16(%rsi), %xmm2, %xmm2;
1240         vpxor 6 * 16(%rsi), %xmm1, %xmm1;
1241         vpxor 7 * 16(%rsi), %xmm0, %xmm0;
1242         vpxor 8 * 16(%rsi), %xmm15, %xmm15;
1243         vpxor 9 * 16(%rsi), %xmm14, %xmm14;
1244         vpxor 10 * 16(%rsi), %xmm13, %xmm13;
1245         vpxor 11 * 16(%rsi), %xmm12, %xmm12;
1246         vpxor 12 * 16(%rsi), %xmm11, %xmm11;
1247         vpxor 13 * 16(%rsi), %xmm10, %xmm10;
1248         vpxor 14 * 16(%rsi), %xmm9, %xmm9;
1249         vpxor 15 * 16(%rsi), %xmm8, %xmm8;
1250         write_output(%xmm7, %xmm6, %xmm5, %xmm4, %xmm3, %xmm2, %xmm1, %xmm0,
1251                      %xmm15, %xmm14, %xmm13, %xmm12, %xmm11, %xmm10, %xmm9,
1252                      %xmm8, %rsi);
1254         FRAME_END
1255         ret;
1256 ENDPROC(camellia_xts_crypt_16way)
1258 ENTRY(camellia_xts_enc_16way)
1259         /* input:
1260          *      %rdi: ctx, CTX
1261          *      %rsi: dst (16 blocks)
1262          *      %rdx: src (16 blocks)
1263          *      %rcx: iv (t ⊕ αⁿ ∈ GF(2¹²⁸))
1264          */
1265         xorl %r8d, %r8d; /* input whitening key, 0 for enc */
1267         leaq __camellia_enc_blk16, %r9;
1269         jmp camellia_xts_crypt_16way;
1270 ENDPROC(camellia_xts_enc_16way)
1272 ENTRY(camellia_xts_dec_16way)
1273         /* input:
1274          *      %rdi: ctx, CTX
1275          *      %rsi: dst (16 blocks)
1276          *      %rdx: src (16 blocks)
1277          *      %rcx: iv (t ⊕ αⁿ ∈ GF(2¹²⁸))
1278          */
1280         cmpl $16, key_length(CTX);
1281         movl $32, %r8d;
1282         movl $24, %eax;
1283         cmovel %eax, %r8d;  /* input whitening key, last for dec */
1285         leaq __camellia_dec_blk16, %r9;
1287         jmp camellia_xts_crypt_16way;
1288 ENDPROC(camellia_xts_dec_16way)