Quelle  serpent-sse2-x86_64-asm_64.S

/* SPDX-License-Identifier: GPL-2.0-or-later */
/*
 * Serpent Cipher 8-way parallel algorithm (x86_64/SSE2)
 *
 * Copyright (C) 2011 Jussi Kivilinna <jussi.kivilinna@mbnet.fi>
 *
 * Based on crypto/serpent.c by
 *  Copyright (C) 2002 Dag Arne Osvik <osvik@ii.uib.no>
 *                2003 Herbert Valerio Riedel <hvr@gnu.org>
 */

#include <linux/linkage.h>

.file "serpent-sse2-x86_64-asm_64.S"
.text

#define CTX %rdi

/**********************************************************************
  8-way SSE2 serpent
 **********************************************************************/
#define RA1 %xmm0
#define RB1 %xmm1
#define RC1 %xmm2
#define RD1 %xmm3
#define RE1 %xmm4

#define RA2 %xmm5
#define RB2 %xmm6
#define RC2 %xmm7
#define RD2 %xmm8
#define RE2 %xmm9

#define RNOT %xmm10

#define RK0 %xmm11
#define RK1 %xmm12
#define RK2 %xmm13
#define RK3 %xmm14

#define S0_1(x0, x1, x2, x3, x4) \
 movdqa x3,  x4; \
 por x0,   x3; \
 pxor x4,  x0; \
 pxor x2,  x4; \
 pxor RNOT,  x4; \
 pxor x1,  x3; \
 pand x0,  x1; \
 pxor x4,  x1; \
 pxor x0,  x2;
#define S0_2(x0, x1, x2, x3, x4) \
 pxor x3,  x0; \
 por x0,   x4; \
 pxor x2,  x0; \
 pand x1,  x2; \
 pxor x2,  x3; \
 pxor RNOT,  x1; \
 pxor x4,  x2; \
 pxor x2,  x1;

#define S1_1(x0, x1, x2, x3, x4) \
 movdqa x1,  x4; \
 pxor x0,  x1; \
 pxor x3,  x0; \
 pxor RNOT,  x3; \
 pand x1,  x4; \
 por x1,   x0; \
 pxor x2,  x3; \
 pxor x3,  x0; \
 pxor x3,  x1;
#define S1_2(x0, x1, x2, x3, x4) \
 pxor x4,  x3; \
 por x4,   x1; \
 pxor x2,  x4; \
 pand x0,  x2; \
 pxor x1,  x2; \
 por x0,   x1; \
 pxor RNOT,  x0; \
 pxor x2,  x0; \
 pxor x1,  x4;

#define S2_1(x0, x1, x2, x3, x4) \
 pxor RNOT,  x3; \
 pxor x0,  x1; \
 movdqa x0,  x4; \
 pand x2,  x0; \
 pxor x3,  x0; \
 por x4,   x3; \
 pxor x1,  x2; \
 pxor x1,  x3; \
 pand x0,  x1;
#define S2_2(x0, x1, x2, x3, x4) \
 pxor x2,  x0; \
 pand x3,  x2; \
 por x1,   x3; \
 pxor RNOT,  x0; \
 pxor x0,  x3; \
 pxor x0,  x4; \
 pxor x2,  x0; \
 por x2,   x1;

#define S3_1(x0, x1, x2, x3, x4) \
 movdqa x1,  x4; \
 pxor x3,  x1; \
 por x0,   x3; \
 pand x0,  x4; \
 pxor x2,  x0; \
 pxor x1,  x2; \
 pand x3,  x1; \
 pxor x3,  x2; \
 por x4,   x0; \
 pxor x3,  x4;
#define S3_2(x0, x1, x2, x3, x4) \
 pxor x0,  x1; \
 pand x3,  x0; \
 pand x4,  x3; \
 pxor x2,  x3; \
 por x1,   x4; \
 pand x1,  x2; \
 pxor x3,  x4; \
 pxor x3,  x0; \
 pxor x2,  x3;

#define S4_1(x0, x1, x2, x3, x4) \
 movdqa x3,  x4; \
 pand x0,  x3; \
 pxor x4,  x0; \
 pxor x2,  x3; \
 por x4,   x2; \
 pxor x1,  x0; \
 pxor x3,  x4; \
 por x0,   x2; \
 pxor x1,  x2;
#define S4_2(x0, x1, x2, x3, x4) \
 pand x0,  x1; \
 pxor x4,  x1; \
 pand x2,  x4; \
 pxor x3,  x2; \
 pxor x0,  x4; \
 por x1,   x3; \
 pxor RNOT,  x1; \
 pxor x0,  x3;

#define S5_1(x0, x1, x2, x3, x4) \
 movdqa x1,  x4; \
 por x0,   x1; \
 pxor x1,  x2; \
 pxor RNOT,  x3; \
 pxor x0,  x4; \
 pxor x2,  x0; \
 pand x4,  x1; \
 por x3,   x4; \
 pxor x0,  x4;
#define S5_2(x0, x1, x2, x3, x4) \
 pand x3,  x0; \
 pxor x3,  x1; \
 pxor x2,  x3; \
 pxor x1,  x0; \
 pand x4,  x2; \
 pxor x2,  x1; \
 pand x0,  x2; \
 pxor x2,  x3;

#define S6_1(x0, x1, x2, x3, x4) \
 movdqa x1,  x4; \
 pxor x0,  x3; \
 pxor x2,  x1; \
 pxor x0,  x2; \
 pand x3,  x0; \
 por x3,   x1; \
 pxor RNOT,  x4; \
 pxor x1,  x0; \
 pxor x2,  x1;
#define S6_2(x0, x1, x2, x3, x4) \
 pxor x4,  x3; \
 pxor x0,  x4; \
 pand x0,  x2; \
 pxor x1,  x4; \
 pxor x3,  x2; \
 pand x1,  x3; \
 pxor x0,  x3; \
 pxor x2,  x1;

#define S7_1(x0, x1, x2, x3, x4) \
 pxor RNOT,  x1; \
 movdqa x1,  x4; \
 pxor RNOT,  x0; \
 pand x2,  x1; \
 pxor x3,  x1; \
 por x4,   x3; \
 pxor x2,  x4; \
 pxor x3,  x2; \
 pxor x0,  x3; \
 por x1,   x0;
#define S7_2(x0, x1, x2, x3, x4) \
 pand x0,  x2; \
 pxor x4,  x0; \
 pxor x3,  x4; \
 pand x0,  x3; \
 pxor x1,  x4; \
 pxor x4,  x2; \
 pxor x1,  x3; \
 por x0,   x4; \
 pxor x1,  x4;

#define SI0_1(x0, x1, x2, x3, x4) \
 movdqa x3,  x4; \
 pxor x0,  x1; \
 por x1,   x3; \
 pxor x1,  x4; \
 pxor RNOT,  x0; \
 pxor x3,  x2; \
 pxor x0,  x3; \
 pand x1,  x0; \
 pxor x2,  x0;
#define SI0_2(x0, x1, x2, x3, x4) \
 pand x3,  x2; \
 pxor x4,  x3; \
 pxor x3,  x2; \
 pxor x3,  x1; \
 pand x0,  x3; \
 pxor x0,  x1; \
 pxor x2,  x0; \
 pxor x3,  x4;

#define SI1_1(x0, x1, x2, x3, x4) \
 pxor x3,  x1; \
 movdqa x0,  x4; \
 pxor x2,  x0; \
 pxor RNOT,  x2; \
 por x1,   x4; \
 pxor x3,  x4; \
 pand x1,  x3; \
 pxor x2,  x1; \
 pand x4,  x2;
#define SI1_2(x0, x1, x2, x3, x4) \
 pxor x1,  x4; \
 por x3,   x1; \
 pxor x0,  x3; \
 pxor x0,  x2; \
 por x4,   x0; \
 pxor x4,  x2; \
 pxor x0,  x1; \
 pxor x1,  x4;

#define SI2_1(x0, x1, x2, x3, x4) \
 pxor x1,  x2; \
 movdqa x3,  x4; \
 pxor RNOT,  x3; \
 por x2,   x3; \
 pxor x4,  x2; \
 pxor x0,  x4; \
 pxor x1,  x3; \
 por x2,   x1; \
 pxor x0,  x2;
#define SI2_2(x0, x1, x2, x3, x4) \
 pxor x4,  x1; \
 por x3,   x4; \
 pxor x3,  x2; \
 pxor x2,  x4; \
 pand x1,  x2; \
 pxor x3,  x2; \
 pxor x4,  x3; \
 pxor x0,  x4;

#define SI3_1(x0, x1, x2, x3, x4) \
 pxor x1,  x2; \
 movdqa x1,  x4; \
 pand x2,  x1; \
 pxor x0,  x1; \
 por x4,   x0; \
 pxor x3,  x4; \
 pxor x3,  x0; \
 por x1,   x3; \
 pxor x2,  x1;
#define SI3_2(x0, x1, x2, x3, x4) \
 pxor x3,  x1; \
 pxor x2,  x0; \
 pxor x3,  x2; \
 pand x1,  x3; \
 pxor x0,  x1; \
 pand x2,  x0; \
 pxor x3,  x4; \
 pxor x0,  x3; \
 pxor x1,  x0;

#define SI4_1(x0, x1, x2, x3, x4) \
 pxor x3,  x2; \
 movdqa x0,  x4; \
 pand x1,  x0; \
 pxor x2,  x0; \
 por x3,   x2; \
 pxor RNOT,  x4; \
 pxor x0,  x1; \
 pxor x2,  x0; \
 pand x4,  x2;
#define SI4_2(x0, x1, x2, x3, x4) \
 pxor x0,  x2; \
 por x4,   x0; \
 pxor x3,  x0; \
 pand x2,  x3; \
 pxor x3,  x4; \
 pxor x1,  x3; \
 pand x0,  x1; \
 pxor x1,  x4; \
 pxor x3,  x0;

#define SI5_1(x0, x1, x2, x3, x4) \
 movdqa x1,  x4; \
 por x2,   x1; \
 pxor x4,  x2; \
 pxor x3,  x1; \
 pand x4,  x3; \
 pxor x3,  x2; \
 por x0,   x3; \
 pxor RNOT,  x0; \
 pxor x2,  x3; \
 por x0,   x2;
#define SI5_2(x0, x1, x2, x3, x4) \
 pxor x1,  x4; \
 pxor x4,  x2; \
 pand x0,  x4; \
 pxor x1,  x0; \
 pxor x3,  x1; \
 pand x2,  x0; \
 pxor x3,  x2; \
 pxor x2,  x0; \
 pxor x4,  x2; \
 pxor x3,  x4;

#define SI6_1(x0, x1, x2, x3, x4) \
 pxor x2,  x0; \
 movdqa x0,  x4; \
 pand x3,  x0; \
 pxor x3,  x2; \
 pxor x2,  x0; \
 pxor x1,  x3; \
 por x4,   x2; \
 pxor x3,  x2; \
 pand x0,  x3;
#define SI6_2(x0, x1, x2, x3, x4) \
 pxor RNOT,  x0; \
 pxor x1,  x3; \
 pand x2,  x1; \
 pxor x0,  x4; \
 pxor x4,  x3; \
 pxor x2,  x4; \
 pxor x1,  x0; \
 pxor x0,  x2;

#define SI7_1(x0, x1, x2, x3, x4) \
 movdqa x3,  x4; \
 pand x0,  x3; \
 pxor x2,  x0; \
 por x4,   x2; \
 pxor x1,  x4; \
 pxor RNOT,  x0; \
 por x3,   x1; \
 pxor x0,  x4; \
 pand x2,  x0; \
 pxor x1,  x0;
#define SI7_2(x0, x1, x2, x3, x4) \
 pand x2,  x1; \
 pxor x2,  x3; \
 pxor x3,  x4; \
 pand x3,  x2; \
 por x0,   x3; \
 pxor x4,  x1; \
 pxor x4,  x3; \
 pand x0,  x4; \
 pxor x2,  x4;

#define get_key(i, j, t) \
 movd (4*(i)+(j))*4(CTX), t; \
 pshufd $0, t, t;

#define K2(x0, x1, x2, x3, x4, i) \
 get_key(i, 0, RK0); \
 get_key(i, 1, RK1); \
 get_key(i, 2, RK2); \
 get_key(i, 3, RK3); \
 pxor RK0,  x0 ## 1; \
 pxor RK1,  x1 ## 1; \
 pxor RK2,  x2 ## 1; \
 pxor RK3,  x3 ## 1; \
  pxor RK0,  x0 ## 2; \
  pxor RK1,  x1 ## 2; \
  pxor RK2,  x2 ## 2; \
  pxor RK3,  x3 ## 2;

#define LK2(x0, x1, x2, x3, x4, i) \
 movdqa x0 ## 1,  x4 ## 1; \
 pslld $13,  x0 ## 1; \
 psrld $(32 - 13), x4 ## 1; \
 por x4 ## 1,  x0 ## 1; \
 pxor x0 ## 1,  x1 ## 1; \
 movdqa x2 ## 1,  x4 ## 1; \
 pslld $3,  x2 ## 1; \
 psrld $(32 - 3), x4 ## 1; \
 por x4 ## 1,  x2 ## 1; \
 pxor x2 ## 1,  x1 ## 1; \
  movdqa x0 ## 2,  x4 ## 2; \
  pslld $13,  x0 ## 2; \
  psrld $(32 - 13), x4 ## 2; \
  por x4 ## 2,  x0 ## 2; \
  pxor x0 ## 2,  x1 ## 2; \
  movdqa x2 ## 2,  x4 ## 2; \
  pslld $3,  x2 ## 2; \
  psrld $(32 - 3), x4 ## 2; \
  por x4 ## 2,  x2 ## 2; \
  pxor x2 ## 2,  x1 ## 2; \
 movdqa x1 ## 1,  x4 ## 1; \
 pslld $1,  x1 ## 1; \
 psrld $(32 - 1), x4 ## 1; \
 por x4 ## 1,  x1 ## 1; \
 movdqa x0 ## 1,  x4 ## 1; \
 pslld $3,  x4 ## 1; \
 pxor x2 ## 1,  x3 ## 1; \
 pxor x4 ## 1,  x3 ## 1; \
 movdqa x3 ## 1,  x4 ## 1; \
 get_key(i, 1, RK1); \
  movdqa x1 ## 2,  x4 ## 2; \
  pslld $1,  x1 ## 2; \
  psrld $(32 - 1), x4 ## 2; \
  por x4 ## 2,  x1 ## 2; \
  movdqa x0 ## 2,  x4 ## 2; \
  pslld $3,  x4 ## 2; \
  pxor x2 ## 2,  x3 ## 2; \
  pxor x4 ## 2,  x3 ## 2; \
  movdqa x3 ## 2,  x4 ## 2; \
  get_key(i, 3, RK3); \
 pslld $7,  x3 ## 1; \
 psrld $(32 - 7), x4 ## 1; \
 por x4 ## 1,  x3 ## 1; \
 movdqa x1 ## 1,  x4 ## 1; \
 pslld $7,  x4 ## 1; \
 pxor x1 ## 1,  x0 ## 1; \
 pxor x3 ## 1,  x0 ## 1; \
 pxor x3 ## 1,  x2 ## 1; \
 pxor x4 ## 1,  x2 ## 1; \
 get_key(i, 0, RK0); \
  pslld $7,  x3 ## 2; \
  psrld $(32 - 7), x4 ## 2; \
  por x4 ## 2,  x3 ## 2; \
  movdqa x1 ## 2,  x4 ## 2; \
  pslld $7,  x4 ## 2; \
  pxor x1 ## 2,  x0 ## 2; \
  pxor x3 ## 2,  x0 ## 2; \
  pxor x3 ## 2,  x2 ## 2; \
  pxor x4 ## 2,  x2 ## 2; \
  get_key(i, 2, RK2); \
 pxor RK1,  x1 ## 1; \
 pxor RK3,  x3 ## 1; \
 movdqa x0 ## 1,  x4 ## 1; \
 pslld $5,  x0 ## 1; \
 psrld $(32 - 5), x4 ## 1; \
 por x4 ## 1,  x0 ## 1; \
 movdqa x2 ## 1,  x4 ## 1; \
 pslld $22,  x2 ## 1; \
 psrld $(32 - 22), x4 ## 1; \
 por x4 ## 1,  x2 ## 1; \
 pxor RK0,  x0 ## 1; \
 pxor RK2,  x2 ## 1; \
  pxor RK1,  x1 ## 2; \
  pxor RK3,  x3 ## 2; \
  movdqa x0 ## 2,  x4 ## 2; \
  pslld $5,  x0 ## 2; \
  psrld $(32 - 5), x4 ## 2; \
  por x4 ## 2,  x0 ## 2; \
  movdqa x2 ## 2,  x4 ## 2; \
  pslld $22,  x2 ## 2; \
  psrld $(32 - 22), x4 ## 2; \
  por x4 ## 2,  x2 ## 2; \
  pxor RK0,  x0 ## 2; \
  pxor RK2,  x2 ## 2;

#define KL2(x0, x1, x2, x3, x4, i) \
 pxor RK0,  x0 ## 1; \
 pxor RK2,  x2 ## 1; \
 movdqa x0 ## 1,  x4 ## 1; \
 psrld $5,  x0 ## 1; \
 pslld $(32 - 5), x4 ## 1; \
 por x4 ## 1,  x0 ## 1; \
 pxor RK3,  x3 ## 1; \
 pxor RK1,  x1 ## 1; \
 movdqa x2 ## 1,  x4 ## 1; \
 psrld $22,  x2 ## 1; \
 pslld $(32 - 22), x4 ## 1; \
 por x4 ## 1,  x2 ## 1; \
 pxor x3 ## 1,  x2 ## 1; \
  pxor RK0,  x0 ## 2; \
  pxor RK2,  x2 ## 2; \
  movdqa x0 ## 2,  x4 ## 2; \
  psrld $5,  x0 ## 2; \
  pslld $(32 - 5), x4 ## 2; \
  por x4 ## 2,  x0 ## 2; \
  pxor RK3,  x3 ## 2; \
  pxor RK1,  x1 ## 2; \
  movdqa x2 ## 2,  x4 ## 2; \
  psrld $22,  x2 ## 2; \
  pslld $(32 - 22), x4 ## 2; \
  por x4 ## 2,  x2 ## 2; \
  pxor x3 ## 2,  x2 ## 2; \
 pxor x3 ## 1,  x0 ## 1; \
 movdqa x1 ## 1,  x4 ## 1; \
 pslld $7,  x4 ## 1; \
 pxor x1 ## 1,  x0 ## 1; \
 pxor x4 ## 1,  x2 ## 1; \
 movdqa x1 ## 1,  x4 ## 1; \
 psrld $1,  x1 ## 1; \
 pslld $(32 - 1), x4 ## 1; \
 por x4 ## 1,  x1 ## 1; \
  pxor x3 ## 2,  x0 ## 2; \
  movdqa x1 ## 2,  x4 ## 2; \
  pslld $7,  x4 ## 2; \
  pxor x1 ## 2,  x0 ## 2; \
  pxor x4 ## 2,  x2 ## 2; \
  movdqa x1 ## 2,  x4 ## 2; \
  psrld $1,  x1 ## 2; \
  pslld $(32 - 1), x4 ## 2; \
  por x4 ## 2,  x1 ## 2; \
 movdqa x3 ## 1,  x4 ## 1; \
 psrld $7,  x3 ## 1; \
 pslld $(32 - 7), x4 ## 1; \
 por x4 ## 1,  x3 ## 1; \
 pxor x0 ## 1,  x1 ## 1; \
 movdqa x0 ## 1,  x4 ## 1; \
 pslld $3,  x4 ## 1; \
 pxor x4 ## 1,  x3 ## 1; \
 movdqa x0 ## 1,  x4 ## 1; \
  movdqa x3 ## 2,  x4 ## 2; \
  psrld $7,  x3 ## 2; \
  pslld $(32 - 7), x4 ## 2; \
  por x4 ## 2,  x3 ## 2; \
  pxor x0 ## 2,  x1 ## 2; \
  movdqa x0 ## 2,  x4 ## 2; \
  pslld $3,  x4 ## 2; \
  pxor x4 ## 2,  x3 ## 2; \
  movdqa x0 ## 2,  x4 ## 2; \
 psrld $13,  x0 ## 1; \
 pslld $(32 - 13), x4 ## 1; \
 por x4 ## 1,  x0 ## 1; \
 pxor x2 ## 1,  x1 ## 1; \
 pxor x2 ## 1,  x3 ## 1; \
 movdqa x2 ## 1,  x4 ## 1; \
 psrld $3,  x2 ## 1; \
 pslld $(32 - 3), x4 ## 1; \
 por x4 ## 1,  x2 ## 1; \
  psrld $13,  x0 ## 2; \
  pslld $(32 - 13), x4 ## 2; \
  por x4 ## 2,  x0 ## 2; \
  pxor x2 ## 2,  x1 ## 2; \
  pxor x2 ## 2,  x3 ## 2; \
  movdqa x2 ## 2,  x4 ## 2; \
  psrld $3,  x2 ## 2; \
  pslld $(32 - 3), x4 ## 2; \
  por x4 ## 2,  x2 ## 2;

#define S(SBOX, x0, x1, x2, x3, x4) \
 SBOX ## _1(x0 ## 1, x1 ## 1, x2 ## 1, x3 ## 1, x4 ## 1); \
 SBOX ## _2(x0 ## 1, x1 ## 1, x2 ## 1, x3 ## 1, x4 ## 1); \
 SBOX ## _1(x0 ## 2, x1 ## 2, x2 ## 2, x3 ## 2, x4 ## 2); \
 SBOX ## _2(x0 ## 2, x1 ## 2, x2 ## 2, x3 ## 2, x4 ## 2);

#define SP(SBOX, x0, x1, x2, x3, x4, i) \
 get_key(i, 0, RK0); \
 SBOX ## _1(x0 ## 1, x1 ## 1, x2 ## 1, x3 ## 1, x4 ## 1); \
 get_key(i, 2, RK2); \
 SBOX ## _1(x0 ## 2, x1 ## 2, x2 ## 2, x3 ## 2, x4 ## 2); \
 get_key(i, 3, RK3); \
 SBOX ## _2(x0 ## 1, x1 ## 1, x2 ## 1, x3 ## 1, x4 ## 1); \
 get_key(i, 1, RK1); \
 SBOX ## _2(x0 ## 2, x1 ## 2, x2 ## 2, x3 ## 2, x4 ## 2); \

#define transpose_4x4(x0, x1, x2, x3, t0, t1, t2) \
 movdqa x0,  t2; \
 punpckldq x1,  x0; \
 punpckhdq x1,  t2; \
 movdqa x2,  t1; \
 punpckhdq x3,  x2; \
 punpckldq x3,  t1; \
 movdqa x0,  x1; \
 punpcklqdq t1,  x0; \
 punpckhqdq t1,  x1; \
 movdqa t2,  x3; \
 punpcklqdq x2,  t2; \
 punpckhqdq x2,  x3; \
 movdqa t2,  x2;

#define read_blocks(in, x0, x1, x2, x3, t0, t1, t2) \
 movdqu (0*4*4)(in), x0; \
 movdqu (1*4*4)(in), x1; \
 movdqu (2*4*4)(in), x2; \
 movdqu (3*4*4)(in), x3; \
 \
 transpose_4x4(x0, x1, x2, x3, t0, t1, t2)

#define write_blocks(out, x0, x1, x2, x3, t0, t1, t2) \
 transpose_4x4(x0, x1, x2, x3, t0, t1, t2) \
 \
 movdqu x0,  (0*4*4)(out); \
 movdqu x1,  (1*4*4)(out); \
 movdqu x2,  (2*4*4)(out); \
 movdqu x3,  (3*4*4)(out);

#define xor_blocks(out, x0, x1, x2, x3, t0, t1, t2) \
 transpose_4x4(x0, x1, x2, x3, t0, t1, t2) \
 \
 movdqu (0*4*4)(out), t0; \
 pxor t0,  x0; \
 movdqu x0,  (0*4*4)(out); \
 movdqu (1*4*4)(out), t0; \
 pxor t0,  x1; \
 movdqu x1,  (1*4*4)(out); \
 movdqu (2*4*4)(out), t0; \
 pxor t0,  x2; \
 movdqu x2,  (2*4*4)(out); \
 movdqu (3*4*4)(out), t0; \
 pxor t0,  x3; \
 movdqu x3,  (3*4*4)(out);

SYM_FUNC_START(__serpent_enc_blk_8way)
 /* input:
 * %rdi: ctx, CTX
 * %rsi: dst
 * %rdx: src
 * %rcx: bool, if true: xor output
 */

 pcmpeqd RNOT, RNOT;

 leaq (4*4*4)(%rdx), %rax;
 read_blocks(%rdx, RA1, RB1, RC1, RD1, RK0, RK1, RK2);
 read_blocks(%rax, RA2, RB2, RC2, RD2, RK0, RK1, RK2);

       K2(RA, RB, RC, RD, RE, 0);
 S(S0, RA, RB, RC, RD, RE);  LK2(RC, RB, RD, RA, RE, 1);
 S(S1, RC, RB, RD, RA, RE);  LK2(RE, RD, RA, RC, RB, 2);
 S(S2, RE, RD, RA, RC, RB);  LK2(RB, RD, RE, RC, RA, 3);
 S(S3, RB, RD, RE, RC, RA);  LK2(RC, RA, RD, RB, RE, 4);
 S(S4, RC, RA, RD, RB, RE);  LK2(RA, RD, RB, RE, RC, 5);
 S(S5, RA, RD, RB, RE, RC);  LK2(RC, RA, RD, RE, RB, 6);
 S(S6, RC, RA, RD, RE, RB);  LK2(RD, RB, RA, RE, RC, 7);
 S(S7, RD, RB, RA, RE, RC);  LK2(RC, RA, RE, RD, RB, 8);
 S(S0, RC, RA, RE, RD, RB);  LK2(RE, RA, RD, RC, RB, 9);
 S(S1, RE, RA, RD, RC, RB);  LK2(RB, RD, RC, RE, RA, 10);
 S(S2, RB, RD, RC, RE, RA);  LK2(RA, RD, RB, RE, RC, 11);
 S(S3, RA, RD, RB, RE, RC);  LK2(RE, RC, RD, RA, RB, 12);
 S(S4, RE, RC, RD, RA, RB);  LK2(RC, RD, RA, RB, RE, 13);
 S(S5, RC, RD, RA, RB, RE);  LK2(RE, RC, RD, RB, RA, 14);
 S(S6, RE, RC, RD, RB, RA);  LK2(RD, RA, RC, RB, RE, 15);
 S(S7, RD, RA, RC, RB, RE);  LK2(RE, RC, RB, RD, RA, 16);
 S(S0, RE, RC, RB, RD, RA);  LK2(RB, RC, RD, RE, RA, 17);
 S(S1, RB, RC, RD, RE, RA);  LK2(RA, RD, RE, RB, RC, 18);
 S(S2, RA, RD, RE, RB, RC);  LK2(RC, RD, RA, RB, RE, 19);
 S(S3, RC, RD, RA, RB, RE);  LK2(RB, RE, RD, RC, RA, 20);
 S(S4, RB, RE, RD, RC, RA);  LK2(RE, RD, RC, RA, RB, 21);
 S(S5, RE, RD, RC, RA, RB);  LK2(RB, RE, RD, RA, RC, 22);
 S(S6, RB, RE, RD, RA, RC);  LK2(RD, RC, RE, RA, RB, 23);
 S(S7, RD, RC, RE, RA, RB);  LK2(RB, RE, RA, RD, RC, 24);
 S(S0, RB, RE, RA, RD, RC);  LK2(RA, RE, RD, RB, RC, 25);
 S(S1, RA, RE, RD, RB, RC);  LK2(RC, RD, RB, RA, RE, 26);
 S(S2, RC, RD, RB, RA, RE);  LK2(RE, RD, RC, RA, RB, 27);
 S(S3, RE, RD, RC, RA, RB);  LK2(RA, RB, RD, RE, RC, 28);
 S(S4, RA, RB, RD, RE, RC);  LK2(RB, RD, RE, RC, RA, 29);
 S(S5, RB, RD, RE, RC, RA);  LK2(RA, RB, RD, RC, RE, 30);
 S(S6, RA, RB, RD, RC, RE);  LK2(RD, RE, RB, RC, RA, 31);
 S(S7, RD, RE, RB, RC, RA);   K2(RA, RB, RC, RD, RE, 32);

 leaq (4*4*4)(%rsi), %rax;

 testb %cl, %cl;
 jnz .L__enc_xor8;

 write_blocks(%rsi, RA1, RB1, RC1, RD1, RK0, RK1, RK2);
 write_blocks(%rax, RA2, RB2, RC2, RD2, RK0, RK1, RK2);

 RET;

.L__enc_xor8:
 xor_blocks(%rsi, RA1, RB1, RC1, RD1, RK0, RK1, RK2);
 xor_blocks(%rax, RA2, RB2, RC2, RD2, RK0, RK1, RK2);

 RET;
SYM_FUNC_END(__serpent_enc_blk_8way)

SYM_FUNC_START(serpent_dec_blk_8way)
 /* input:
 * %rdi: ctx, CTX
 * %rsi: dst
 * %rdx: src
 */

 pcmpeqd RNOT, RNOT;

 leaq (4*4*4)(%rdx), %rax;
 read_blocks(%rdx, RA1, RB1, RC1, RD1, RK0, RK1, RK2);
 read_blocks(%rax, RA2, RB2, RC2, RD2, RK0, RK1, RK2);

       K2(RA, RB, RC, RD, RE, 32);
 SP(SI7, RA, RB, RC, RD, RE, 31); KL2(RB, RD, RA, RE, RC, 31);
 SP(SI6, RB, RD, RA, RE, RC, 30); KL2(RA, RC, RE, RB, RD, 30);
 SP(SI5, RA, RC, RE, RB, RD, 29); KL2(RC, RD, RA, RE, RB, 29);
 SP(SI4, RC, RD, RA, RE, RB, 28); KL2(RC, RA, RB, RE, RD, 28);
 SP(SI3, RC, RA, RB, RE, RD, 27); KL2(RB, RC, RD, RE, RA, 27);
 SP(SI2, RB, RC, RD, RE, RA, 26); KL2(RC, RA, RE, RD, RB, 26);
 SP(SI1, RC, RA, RE, RD, RB, 25); KL2(RB, RA, RE, RD, RC, 25);
 SP(SI0, RB, RA, RE, RD, RC, 24); KL2(RE, RC, RA, RB, RD, 24);
 SP(SI7, RE, RC, RA, RB, RD, 23); KL2(RC, RB, RE, RD, RA, 23);
 SP(SI6, RC, RB, RE, RD, RA, 22); KL2(RE, RA, RD, RC, RB, 22);
 SP(SI5, RE, RA, RD, RC, RB, 21); KL2(RA, RB, RE, RD, RC, 21);
 SP(SI4, RA, RB, RE, RD, RC, 20); KL2(RA, RE, RC, RD, RB, 20);
 SP(SI3, RA, RE, RC, RD, RB, 19); KL2(RC, RA, RB, RD, RE, 19);
 SP(SI2, RC, RA, RB, RD, RE, 18); KL2(RA, RE, RD, RB, RC, 18);
 SP(SI1, RA, RE, RD, RB, RC, 17); KL2(RC, RE, RD, RB, RA, 17);
 SP(SI0, RC, RE, RD, RB, RA, 16); KL2(RD, RA, RE, RC, RB, 16);
 SP(SI7, RD, RA, RE, RC, RB, 15); KL2(RA, RC, RD, RB, RE, 15);
 SP(SI6, RA, RC, RD, RB, RE, 14); KL2(RD, RE, RB, RA, RC, 14);
 SP(SI5, RD, RE, RB, RA, RC, 13); KL2(RE, RC, RD, RB, RA, 13);
 SP(SI4, RE, RC, RD, RB, RA, 12); KL2(RE, RD, RA, RB, RC, 12);
 SP(SI3, RE, RD, RA, RB, RC, 11); KL2(RA, RE, RC, RB, RD, 11);
 SP(SI2, RA, RE, RC, RB, RD, 10); KL2(RE, RD, RB, RC, RA, 10);
 SP(SI1, RE, RD, RB, RC, RA, 9);  KL2(RA, RD, RB, RC, RE, 9);
 SP(SI0, RA, RD, RB, RC, RE, 8);  KL2(RB, RE, RD, RA, RC, 8);
 SP(SI7, RB, RE, RD, RA, RC, 7);  KL2(RE, RA, RB, RC, RD, 7);
 SP(SI6, RE, RA, RB, RC, RD, 6);  KL2(RB, RD, RC, RE, RA, 6);
 SP(SI5, RB, RD, RC, RE, RA, 5);  KL2(RD, RA, RB, RC, RE, 5);
 SP(SI4, RD, RA, RB, RC, RE, 4);  KL2(RD, RB, RE, RC, RA, 4);
 SP(SI3, RD, RB, RE, RC, RA, 3);  KL2(RE, RD, RA, RC, RB, 3);
 SP(SI2, RE, RD, RA, RC, RB, 2);  KL2(RD, RB, RC, RA, RE, 2);
 SP(SI1, RD, RB, RC, RA, RE, 1);  KL2(RE, RB, RC, RA, RD, 1);
 S(SI0, RE, RB, RC, RA, RD);   K2(RC, RD, RB, RE, RA, 0);

 leaq (4*4*4)(%rsi), %rax;
 write_blocks(%rsi, RC1, RD1, RB1, RE1, RK0, RK1, RK2);
 write_blocks(%rax, RC2, RD2, RB2, RE2, RK0, RK1, RK2);

 RET;
SYM_FUNC_END(serpent_dec_blk_8way)