hc
2024-08-12 233ab1bd4c5697f5cdec94e60206e8c6ac609b4c
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
824
825
826
827
828
829
830
831
832
833
834
835
836
837
838
839
840
841
842
843
844
845
846
847
848
849
850
851
852
853
854
855
856
857
858
859
860
/*
 * ChaCha/XChaCha NEON helper functions
 *
 * Copyright (C) 2016-2018 Linaro, Ltd. <ard.biesheuvel@linaro.org>
 *
 * This program is free software; you can redistribute it and/or modify
 * it under the terms of the GNU General Public License version 2 as
 * published by the Free Software Foundation.
 *
 * Originally based on:
 * ChaCha20 256-bit cipher algorithm, RFC7539, x64 SSSE3 functions
 *
 * Copyright (C) 2015 Martin Willi
 *
 * This program is free software; you can redistribute it and/or modify
 * it under the terms of the GNU General Public License as published by
 * the Free Software Foundation; either version 2 of the License, or
 * (at your option) any later version.
 */
 
#include <linux/linkage.h>
#include <asm/assembler.h>
#include <asm/cache.h>
 
   .text
   .align        6
 
/*
 * chacha_permute - permute one block
 *
 * Permute one 64-byte block where the state matrix is stored in the four NEON
 * registers v0-v3.  It performs matrix operations on four words in parallel,
 * but requires shuffling to rearrange the words after each round.
 *
 * The round count is given in w3.
 *
 * Clobbers: w3, x10, v4, v12
 */
SYM_FUNC_START_LOCAL(chacha_permute)
 
   adr_l        x10, ROT8
   ld1        {v12.4s}, [x10]
 
.Ldoubleround:
   // x0 += x1, x3 = rotl32(x3 ^ x0, 16)
   add        v0.4s, v0.4s, v1.4s
   eor        v3.16b, v3.16b, v0.16b
   rev32        v3.8h, v3.8h
 
   // x2 += x3, x1 = rotl32(x1 ^ x2, 12)
   add        v2.4s, v2.4s, v3.4s
   eor        v4.16b, v1.16b, v2.16b
   shl        v1.4s, v4.4s, #12
   sri        v1.4s, v4.4s, #20
 
   // x0 += x1, x3 = rotl32(x3 ^ x0, 8)
   add        v0.4s, v0.4s, v1.4s
   eor        v3.16b, v3.16b, v0.16b
   tbl        v3.16b, {v3.16b}, v12.16b
 
   // x2 += x3, x1 = rotl32(x1 ^ x2, 7)
   add        v2.4s, v2.4s, v3.4s
   eor        v4.16b, v1.16b, v2.16b
   shl        v1.4s, v4.4s, #7
   sri        v1.4s, v4.4s, #25
 
   // x1 = shuffle32(x1, MASK(0, 3, 2, 1))
   ext        v1.16b, v1.16b, v1.16b, #4
   // x2 = shuffle32(x2, MASK(1, 0, 3, 2))
   ext        v2.16b, v2.16b, v2.16b, #8
   // x3 = shuffle32(x3, MASK(2, 1, 0, 3))
   ext        v3.16b, v3.16b, v3.16b, #12
 
   // x0 += x1, x3 = rotl32(x3 ^ x0, 16)
   add        v0.4s, v0.4s, v1.4s
   eor        v3.16b, v3.16b, v0.16b
   rev32        v3.8h, v3.8h
 
   // x2 += x3, x1 = rotl32(x1 ^ x2, 12)
   add        v2.4s, v2.4s, v3.4s
   eor        v4.16b, v1.16b, v2.16b
   shl        v1.4s, v4.4s, #12
   sri        v1.4s, v4.4s, #20
 
   // x0 += x1, x3 = rotl32(x3 ^ x0, 8)
   add        v0.4s, v0.4s, v1.4s
   eor        v3.16b, v3.16b, v0.16b
   tbl        v3.16b, {v3.16b}, v12.16b
 
   // x2 += x3, x1 = rotl32(x1 ^ x2, 7)
   add        v2.4s, v2.4s, v3.4s
   eor        v4.16b, v1.16b, v2.16b
   shl        v1.4s, v4.4s, #7
   sri        v1.4s, v4.4s, #25
 
   // x1 = shuffle32(x1, MASK(2, 1, 0, 3))
   ext        v1.16b, v1.16b, v1.16b, #12
   // x2 = shuffle32(x2, MASK(1, 0, 3, 2))
   ext        v2.16b, v2.16b, v2.16b, #8
   // x3 = shuffle32(x3, MASK(0, 3, 2, 1))
   ext        v3.16b, v3.16b, v3.16b, #4
 
   subs        w3, w3, #2
   b.ne        .Ldoubleround
 
   ret
SYM_FUNC_END(chacha_permute)
 
SYM_FUNC_START(chacha_block_xor_neon)
   // x0: Input state matrix, s
   // x1: 1 data block output, o
   // x2: 1 data block input, i
   // w3: nrounds
 
   stp        x29, x30, [sp, #-16]!
   mov        x29, sp
 
   // x0..3 = s0..3
   ld1        {v0.4s-v3.4s}, [x0]
   ld1        {v8.4s-v11.4s}, [x0]
 
   bl        chacha_permute
 
   ld1        {v4.16b-v7.16b}, [x2]
 
   // o0 = i0 ^ (x0 + s0)
   add        v0.4s, v0.4s, v8.4s
   eor        v0.16b, v0.16b, v4.16b
 
   // o1 = i1 ^ (x1 + s1)
   add        v1.4s, v1.4s, v9.4s
   eor        v1.16b, v1.16b, v5.16b
 
   // o2 = i2 ^ (x2 + s2)
   add        v2.4s, v2.4s, v10.4s
   eor        v2.16b, v2.16b, v6.16b
 
   // o3 = i3 ^ (x3 + s3)
   add        v3.4s, v3.4s, v11.4s
   eor        v3.16b, v3.16b, v7.16b
 
   st1        {v0.16b-v3.16b}, [x1]
 
   ldp        x29, x30, [sp], #16
   ret
SYM_FUNC_END(chacha_block_xor_neon)
 
SYM_FUNC_START(hchacha_block_neon)
   // x0: Input state matrix, s
   // x1: output (8 32-bit words)
   // w2: nrounds
 
   stp        x29, x30, [sp, #-16]!
   mov        x29, sp
 
   ld1        {v0.4s-v3.4s}, [x0]
 
   mov        w3, w2
   bl        chacha_permute
 
   st1        {v0.4s}, [x1], #16
   st1        {v3.4s}, [x1]
 
   ldp        x29, x30, [sp], #16
   ret
SYM_FUNC_END(hchacha_block_neon)
 
   a0        .req    w12
   a1        .req    w13
   a2        .req    w14
   a3        .req    w15
   a4        .req    w16
   a5        .req    w17
   a6        .req    w19
   a7        .req    w20
   a8        .req    w21
   a9        .req    w22
   a10        .req    w23
   a11        .req    w24
   a12        .req    w25
   a13        .req    w26
   a14        .req    w27
   a15        .req    w28
 
   .align        6
SYM_FUNC_START(chacha_4block_xor_neon)
   frame_push    10
 
   // x0: Input state matrix, s
   // x1: 4 data blocks output, o
   // x2: 4 data blocks input, i
   // w3: nrounds
   // x4: byte count
 
   adr_l        x10, .Lpermute
   and        x5, x4, #63
   add        x10, x10, x5
   add        x11, x10, #64
 
   //
   // This function encrypts four consecutive ChaCha blocks by loading
   // the state matrix in NEON registers four times. The algorithm performs
   // each operation on the corresponding word of each state matrix, hence
   // requires no word shuffling. For final XORing step we transpose the
   // matrix by interleaving 32- and then 64-bit words, which allows us to
   // do XOR in NEON registers.
   //
   // At the same time, a fifth block is encrypted in parallel using
   // scalar registers
   //
   adr_l        x9, CTRINC        // ... and ROT8
   ld1        {v30.4s-v31.4s}, [x9]
 
   // x0..15[0-3] = s0..3[0..3]
   add        x8, x0, #16
   ld4r        { v0.4s- v3.4s}, [x0]
   ld4r        { v4.4s- v7.4s}, [x8], #16
   ld4r        { v8.4s-v11.4s}, [x8], #16
   ld4r        {v12.4s-v15.4s}, [x8]
 
   mov        a0, v0.s[0]
   mov        a1, v1.s[0]
   mov        a2, v2.s[0]
   mov        a3, v3.s[0]
   mov        a4, v4.s[0]
   mov        a5, v5.s[0]
   mov        a6, v6.s[0]
   mov        a7, v7.s[0]
   mov        a8, v8.s[0]
   mov        a9, v9.s[0]
   mov        a10, v10.s[0]
   mov        a11, v11.s[0]
   mov        a12, v12.s[0]
   mov        a13, v13.s[0]
   mov        a14, v14.s[0]
   mov        a15, v15.s[0]
 
   // x12 += counter values 1-4
   add        v12.4s, v12.4s, v30.4s
 
.Ldoubleround4:
   // x0 += x4, x12 = rotl32(x12 ^ x0, 16)
   // x1 += x5, x13 = rotl32(x13 ^ x1, 16)
   // x2 += x6, x14 = rotl32(x14 ^ x2, 16)
   // x3 += x7, x15 = rotl32(x15 ^ x3, 16)
   add        v0.4s, v0.4s, v4.4s
     add        a0, a0, a4
   add        v1.4s, v1.4s, v5.4s
     add        a1, a1, a5
   add        v2.4s, v2.4s, v6.4s
     add        a2, a2, a6
   add        v3.4s, v3.4s, v7.4s
     add        a3, a3, a7
 
   eor        v12.16b, v12.16b, v0.16b
     eor        a12, a12, a0
   eor        v13.16b, v13.16b, v1.16b
     eor        a13, a13, a1
   eor        v14.16b, v14.16b, v2.16b
     eor        a14, a14, a2
   eor        v15.16b, v15.16b, v3.16b
     eor        a15, a15, a3
 
   rev32        v12.8h, v12.8h
     ror        a12, a12, #16
   rev32        v13.8h, v13.8h
     ror        a13, a13, #16
   rev32        v14.8h, v14.8h
     ror        a14, a14, #16
   rev32        v15.8h, v15.8h
     ror        a15, a15, #16
 
   // x8 += x12, x4 = rotl32(x4 ^ x8, 12)
   // x9 += x13, x5 = rotl32(x5 ^ x9, 12)
   // x10 += x14, x6 = rotl32(x6 ^ x10, 12)
   // x11 += x15, x7 = rotl32(x7 ^ x11, 12)
   add        v8.4s, v8.4s, v12.4s
     add        a8, a8, a12
   add        v9.4s, v9.4s, v13.4s
     add        a9, a9, a13
   add        v10.4s, v10.4s, v14.4s
     add        a10, a10, a14
   add        v11.4s, v11.4s, v15.4s
     add        a11, a11, a15
 
   eor        v16.16b, v4.16b, v8.16b
     eor        a4, a4, a8
   eor        v17.16b, v5.16b, v9.16b
     eor        a5, a5, a9
   eor        v18.16b, v6.16b, v10.16b
     eor        a6, a6, a10
   eor        v19.16b, v7.16b, v11.16b
     eor        a7, a7, a11
 
   shl        v4.4s, v16.4s, #12
   shl        v5.4s, v17.4s, #12
   shl        v6.4s, v18.4s, #12
   shl        v7.4s, v19.4s, #12
 
   sri        v4.4s, v16.4s, #20
     ror        a4, a4, #20
   sri        v5.4s, v17.4s, #20
     ror        a5, a5, #20
   sri        v6.4s, v18.4s, #20
     ror        a6, a6, #20
   sri        v7.4s, v19.4s, #20
     ror        a7, a7, #20
 
   // x0 += x4, x12 = rotl32(x12 ^ x0, 8)
   // x1 += x5, x13 = rotl32(x13 ^ x1, 8)
   // x2 += x6, x14 = rotl32(x14 ^ x2, 8)
   // x3 += x7, x15 = rotl32(x15 ^ x3, 8)
   add        v0.4s, v0.4s, v4.4s
     add        a0, a0, a4
   add        v1.4s, v1.4s, v5.4s
     add        a1, a1, a5
   add        v2.4s, v2.4s, v6.4s
     add        a2, a2, a6
   add        v3.4s, v3.4s, v7.4s
     add        a3, a3, a7
 
   eor        v12.16b, v12.16b, v0.16b
     eor        a12, a12, a0
   eor        v13.16b, v13.16b, v1.16b
     eor        a13, a13, a1
   eor        v14.16b, v14.16b, v2.16b
     eor        a14, a14, a2
   eor        v15.16b, v15.16b, v3.16b
     eor        a15, a15, a3
 
   tbl        v12.16b, {v12.16b}, v31.16b
     ror        a12, a12, #24
   tbl        v13.16b, {v13.16b}, v31.16b
     ror        a13, a13, #24
   tbl        v14.16b, {v14.16b}, v31.16b
     ror        a14, a14, #24
   tbl        v15.16b, {v15.16b}, v31.16b
     ror        a15, a15, #24
 
   // x8 += x12, x4 = rotl32(x4 ^ x8, 7)
   // x9 += x13, x5 = rotl32(x5 ^ x9, 7)
   // x10 += x14, x6 = rotl32(x6 ^ x10, 7)
   // x11 += x15, x7 = rotl32(x7 ^ x11, 7)
   add        v8.4s, v8.4s, v12.4s
     add        a8, a8, a12
   add        v9.4s, v9.4s, v13.4s
     add        a9, a9, a13
   add        v10.4s, v10.4s, v14.4s
     add        a10, a10, a14
   add        v11.4s, v11.4s, v15.4s
     add        a11, a11, a15
 
   eor        v16.16b, v4.16b, v8.16b
     eor        a4, a4, a8
   eor        v17.16b, v5.16b, v9.16b
     eor        a5, a5, a9
   eor        v18.16b, v6.16b, v10.16b
     eor        a6, a6, a10
   eor        v19.16b, v7.16b, v11.16b
     eor        a7, a7, a11
 
   shl        v4.4s, v16.4s, #7
   shl        v5.4s, v17.4s, #7
   shl        v6.4s, v18.4s, #7
   shl        v7.4s, v19.4s, #7
 
   sri        v4.4s, v16.4s, #25
     ror        a4, a4, #25
   sri        v5.4s, v17.4s, #25
     ror        a5, a5, #25
   sri        v6.4s, v18.4s, #25
    ror        a6, a6, #25
   sri        v7.4s, v19.4s, #25
     ror        a7, a7, #25
 
   // x0 += x5, x15 = rotl32(x15 ^ x0, 16)
   // x1 += x6, x12 = rotl32(x12 ^ x1, 16)
   // x2 += x7, x13 = rotl32(x13 ^ x2, 16)
   // x3 += x4, x14 = rotl32(x14 ^ x3, 16)
   add        v0.4s, v0.4s, v5.4s
     add        a0, a0, a5
   add        v1.4s, v1.4s, v6.4s
     add        a1, a1, a6
   add        v2.4s, v2.4s, v7.4s
     add        a2, a2, a7
   add        v3.4s, v3.4s, v4.4s
     add        a3, a3, a4
 
   eor        v15.16b, v15.16b, v0.16b
     eor        a15, a15, a0
   eor        v12.16b, v12.16b, v1.16b
     eor        a12, a12, a1
   eor        v13.16b, v13.16b, v2.16b
     eor        a13, a13, a2
   eor        v14.16b, v14.16b, v3.16b
     eor        a14, a14, a3
 
   rev32        v15.8h, v15.8h
     ror        a15, a15, #16
   rev32        v12.8h, v12.8h
     ror        a12, a12, #16
   rev32        v13.8h, v13.8h
     ror        a13, a13, #16
   rev32        v14.8h, v14.8h
     ror        a14, a14, #16
 
   // x10 += x15, x5 = rotl32(x5 ^ x10, 12)
   // x11 += x12, x6 = rotl32(x6 ^ x11, 12)
   // x8 += x13, x7 = rotl32(x7 ^ x8, 12)
   // x9 += x14, x4 = rotl32(x4 ^ x9, 12)
   add        v10.4s, v10.4s, v15.4s
     add        a10, a10, a15
   add        v11.4s, v11.4s, v12.4s
     add        a11, a11, a12
   add        v8.4s, v8.4s, v13.4s
     add        a8, a8, a13
   add        v9.4s, v9.4s, v14.4s
     add        a9, a9, a14
 
   eor        v16.16b, v5.16b, v10.16b
     eor        a5, a5, a10
   eor        v17.16b, v6.16b, v11.16b
     eor        a6, a6, a11
   eor        v18.16b, v7.16b, v8.16b
     eor        a7, a7, a8
   eor        v19.16b, v4.16b, v9.16b
     eor        a4, a4, a9
 
   shl        v5.4s, v16.4s, #12
   shl        v6.4s, v17.4s, #12
   shl        v7.4s, v18.4s, #12
   shl        v4.4s, v19.4s, #12
 
   sri        v5.4s, v16.4s, #20
     ror        a5, a5, #20
   sri        v6.4s, v17.4s, #20
     ror        a6, a6, #20
   sri        v7.4s, v18.4s, #20
     ror        a7, a7, #20
   sri        v4.4s, v19.4s, #20
     ror        a4, a4, #20
 
   // x0 += x5, x15 = rotl32(x15 ^ x0, 8)
   // x1 += x6, x12 = rotl32(x12 ^ x1, 8)
   // x2 += x7, x13 = rotl32(x13 ^ x2, 8)
   // x3 += x4, x14 = rotl32(x14 ^ x3, 8)
   add        v0.4s, v0.4s, v5.4s
     add        a0, a0, a5
   add        v1.4s, v1.4s, v6.4s
     add        a1, a1, a6
   add        v2.4s, v2.4s, v7.4s
     add        a2, a2, a7
   add        v3.4s, v3.4s, v4.4s
     add        a3, a3, a4
 
   eor        v15.16b, v15.16b, v0.16b
     eor        a15, a15, a0
   eor        v12.16b, v12.16b, v1.16b
     eor        a12, a12, a1
   eor        v13.16b, v13.16b, v2.16b
     eor        a13, a13, a2
   eor        v14.16b, v14.16b, v3.16b
     eor        a14, a14, a3
 
   tbl        v15.16b, {v15.16b}, v31.16b
     ror        a15, a15, #24
   tbl        v12.16b, {v12.16b}, v31.16b
     ror        a12, a12, #24
   tbl        v13.16b, {v13.16b}, v31.16b
     ror        a13, a13, #24
   tbl        v14.16b, {v14.16b}, v31.16b
     ror        a14, a14, #24
 
   // x10 += x15, x5 = rotl32(x5 ^ x10, 7)
   // x11 += x12, x6 = rotl32(x6 ^ x11, 7)
   // x8 += x13, x7 = rotl32(x7 ^ x8, 7)
   // x9 += x14, x4 = rotl32(x4 ^ x9, 7)
   add        v10.4s, v10.4s, v15.4s
     add        a10, a10, a15
   add        v11.4s, v11.4s, v12.4s
     add        a11, a11, a12
   add        v8.4s, v8.4s, v13.4s
     add        a8, a8, a13
   add        v9.4s, v9.4s, v14.4s
     add        a9, a9, a14
 
   eor        v16.16b, v5.16b, v10.16b
     eor        a5, a5, a10
   eor        v17.16b, v6.16b, v11.16b
     eor        a6, a6, a11
   eor        v18.16b, v7.16b, v8.16b
     eor        a7, a7, a8
   eor        v19.16b, v4.16b, v9.16b
     eor        a4, a4, a9
 
   shl        v5.4s, v16.4s, #7
   shl        v6.4s, v17.4s, #7
   shl        v7.4s, v18.4s, #7
   shl        v4.4s, v19.4s, #7
 
   sri        v5.4s, v16.4s, #25
     ror        a5, a5, #25
   sri        v6.4s, v17.4s, #25
     ror        a6, a6, #25
   sri        v7.4s, v18.4s, #25
     ror        a7, a7, #25
   sri        v4.4s, v19.4s, #25
     ror        a4, a4, #25
 
   subs        w3, w3, #2
   b.ne        .Ldoubleround4
 
   ld4r        {v16.4s-v19.4s}, [x0], #16
   ld4r        {v20.4s-v23.4s}, [x0], #16
 
   // x12 += counter values 0-3
   add        v12.4s, v12.4s, v30.4s
 
   // x0[0-3] += s0[0]
   // x1[0-3] += s0[1]
   // x2[0-3] += s0[2]
   // x3[0-3] += s0[3]
   add        v0.4s, v0.4s, v16.4s
     mov        w6, v16.s[0]
     mov        w7, v17.s[0]
   add        v1.4s, v1.4s, v17.4s
     mov        w8, v18.s[0]
     mov        w9, v19.s[0]
   add        v2.4s, v2.4s, v18.4s
     add        a0, a0, w6
     add        a1, a1, w7
   add        v3.4s, v3.4s, v19.4s
     add        a2, a2, w8
     add        a3, a3, w9
CPU_BE(      rev        a0, a0        )
CPU_BE(      rev        a1, a1        )
CPU_BE(      rev        a2, a2        )
CPU_BE(      rev        a3, a3        )
 
   ld4r        {v24.4s-v27.4s}, [x0], #16
   ld4r        {v28.4s-v31.4s}, [x0]
 
   // x4[0-3] += s1[0]
   // x5[0-3] += s1[1]
   // x6[0-3] += s1[2]
   // x7[0-3] += s1[3]
   add        v4.4s, v4.4s, v20.4s
     mov        w6, v20.s[0]
     mov        w7, v21.s[0]
   add        v5.4s, v5.4s, v21.4s
     mov        w8, v22.s[0]
     mov        w9, v23.s[0]
   add        v6.4s, v6.4s, v22.4s
     add        a4, a4, w6
     add        a5, a5, w7
   add        v7.4s, v7.4s, v23.4s
     add        a6, a6, w8
     add        a7, a7, w9
CPU_BE(      rev        a4, a4        )
CPU_BE(      rev        a5, a5        )
CPU_BE(      rev        a6, a6        )
CPU_BE(      rev        a7, a7        )
 
   // x8[0-3] += s2[0]
   // x9[0-3] += s2[1]
   // x10[0-3] += s2[2]
   // x11[0-3] += s2[3]
   add        v8.4s, v8.4s, v24.4s
     mov        w6, v24.s[0]
     mov        w7, v25.s[0]
   add        v9.4s, v9.4s, v25.4s
     mov        w8, v26.s[0]
     mov        w9, v27.s[0]
   add        v10.4s, v10.4s, v26.4s
     add        a8, a8, w6
     add        a9, a9, w7
   add        v11.4s, v11.4s, v27.4s
     add        a10, a10, w8
     add        a11, a11, w9
CPU_BE(      rev        a8, a8        )
CPU_BE(      rev        a9, a9        )
CPU_BE(      rev        a10, a10    )
CPU_BE(      rev        a11, a11    )
 
   // x12[0-3] += s3[0]
   // x13[0-3] += s3[1]
   // x14[0-3] += s3[2]
   // x15[0-3] += s3[3]
   add        v12.4s, v12.4s, v28.4s
     mov        w6, v28.s[0]
     mov        w7, v29.s[0]
   add        v13.4s, v13.4s, v29.4s
     mov        w8, v30.s[0]
     mov        w9, v31.s[0]
   add        v14.4s, v14.4s, v30.4s
     add        a12, a12, w6
     add        a13, a13, w7
   add        v15.4s, v15.4s, v31.4s
     add        a14, a14, w8
     add        a15, a15, w9
CPU_BE(      rev        a12, a12    )
CPU_BE(      rev        a13, a13    )
CPU_BE(      rev        a14, a14    )
CPU_BE(      rev        a15, a15    )
 
   // interleave 32-bit words in state n, n+1
     ldp        w6, w7, [x2], #64
   zip1        v16.4s, v0.4s, v1.4s
     ldp        w8, w9, [x2, #-56]
     eor        a0, a0, w6
   zip2        v17.4s, v0.4s, v1.4s
     eor        a1, a1, w7
   zip1        v18.4s, v2.4s, v3.4s
     eor        a2, a2, w8
   zip2        v19.4s, v2.4s, v3.4s
     eor        a3, a3, w9
     ldp        w6, w7, [x2, #-48]
   zip1        v20.4s, v4.4s, v5.4s
     ldp        w8, w9, [x2, #-40]
     eor        a4, a4, w6
   zip2        v21.4s, v4.4s, v5.4s
     eor        a5, a5, w7
   zip1        v22.4s, v6.4s, v7.4s
     eor        a6, a6, w8
   zip2        v23.4s, v6.4s, v7.4s
     eor        a7, a7, w9
     ldp        w6, w7, [x2, #-32]
   zip1        v24.4s, v8.4s, v9.4s
     ldp        w8, w9, [x2, #-24]
     eor        a8, a8, w6
   zip2        v25.4s, v8.4s, v9.4s
     eor        a9, a9, w7
   zip1        v26.4s, v10.4s, v11.4s
     eor        a10, a10, w8
   zip2        v27.4s, v10.4s, v11.4s
     eor        a11, a11, w9
     ldp        w6, w7, [x2, #-16]
   zip1        v28.4s, v12.4s, v13.4s
     ldp        w8, w9, [x2, #-8]
     eor        a12, a12, w6
   zip2        v29.4s, v12.4s, v13.4s
     eor        a13, a13, w7
   zip1        v30.4s, v14.4s, v15.4s
     eor        a14, a14, w8
   zip2        v31.4s, v14.4s, v15.4s
     eor        a15, a15, w9
 
   mov        x3, #64
   subs        x5, x4, #128
   add        x6, x5, x2
   csel        x3, x3, xzr, ge
   csel        x2, x2, x6, ge
 
   // interleave 64-bit words in state n, n+2
   zip1        v0.2d, v16.2d, v18.2d
   zip2        v4.2d, v16.2d, v18.2d
     stp        a0, a1, [x1], #64
   zip1        v8.2d, v17.2d, v19.2d
   zip2        v12.2d, v17.2d, v19.2d
     stp        a2, a3, [x1, #-56]
   ld1        {v16.16b-v19.16b}, [x2], x3
 
   subs        x6, x4, #192
   ccmp        x3, xzr, #4, lt
   add        x7, x6, x2
   csel        x3, x3, xzr, eq
   csel        x2, x2, x7, eq
 
   zip1        v1.2d, v20.2d, v22.2d
   zip2        v5.2d, v20.2d, v22.2d
     stp        a4, a5, [x1, #-48]
   zip1        v9.2d, v21.2d, v23.2d
   zip2        v13.2d, v21.2d, v23.2d
     stp        a6, a7, [x1, #-40]
   ld1        {v20.16b-v23.16b}, [x2], x3
 
   subs        x7, x4, #256
   ccmp        x3, xzr, #4, lt
   add        x8, x7, x2
   csel        x3, x3, xzr, eq
   csel        x2, x2, x8, eq
 
   zip1        v2.2d, v24.2d, v26.2d
   zip2        v6.2d, v24.2d, v26.2d
     stp        a8, a9, [x1, #-32]
   zip1        v10.2d, v25.2d, v27.2d
   zip2        v14.2d, v25.2d, v27.2d
     stp        a10, a11, [x1, #-24]
   ld1        {v24.16b-v27.16b}, [x2], x3
 
   subs        x8, x4, #320
   ccmp        x3, xzr, #4, lt
   add        x9, x8, x2
   csel        x2, x2, x9, eq
 
   zip1        v3.2d, v28.2d, v30.2d
   zip2        v7.2d, v28.2d, v30.2d
     stp        a12, a13, [x1, #-16]
   zip1        v11.2d, v29.2d, v31.2d
   zip2        v15.2d, v29.2d, v31.2d
     stp        a14, a15, [x1, #-8]
   ld1        {v28.16b-v31.16b}, [x2]
 
   // xor with corresponding input, write to output
   tbnz        x5, #63, 0f
   eor        v16.16b, v16.16b, v0.16b
   eor        v17.16b, v17.16b, v1.16b
   eor        v18.16b, v18.16b, v2.16b
   eor        v19.16b, v19.16b, v3.16b
   st1        {v16.16b-v19.16b}, [x1], #64
   cbz        x5, .Lout
 
   tbnz        x6, #63, 1f
   eor        v20.16b, v20.16b, v4.16b
   eor        v21.16b, v21.16b, v5.16b
   eor        v22.16b, v22.16b, v6.16b
   eor        v23.16b, v23.16b, v7.16b
   st1        {v20.16b-v23.16b}, [x1], #64
   cbz        x6, .Lout
 
   tbnz        x7, #63, 2f
   eor        v24.16b, v24.16b, v8.16b
   eor        v25.16b, v25.16b, v9.16b
   eor        v26.16b, v26.16b, v10.16b
   eor        v27.16b, v27.16b, v11.16b
   st1        {v24.16b-v27.16b}, [x1], #64
   cbz        x7, .Lout
 
   tbnz        x8, #63, 3f
   eor        v28.16b, v28.16b, v12.16b
   eor        v29.16b, v29.16b, v13.16b
   eor        v30.16b, v30.16b, v14.16b
   eor        v31.16b, v31.16b, v15.16b
   st1        {v28.16b-v31.16b}, [x1]
 
.Lout:    frame_pop
   ret
 
   // fewer than 128 bytes of in/output
0:    ld1        {v8.16b}, [x10]
   ld1        {v9.16b}, [x11]
   movi        v10.16b, #16
   sub        x2, x1, #64
   add        x1, x1, x5
   ld1        {v16.16b-v19.16b}, [x2]
   tbl        v4.16b, {v0.16b-v3.16b}, v8.16b
   tbx        v20.16b, {v16.16b-v19.16b}, v9.16b
   add        v8.16b, v8.16b, v10.16b
   add        v9.16b, v9.16b, v10.16b
   tbl        v5.16b, {v0.16b-v3.16b}, v8.16b
   tbx        v21.16b, {v16.16b-v19.16b}, v9.16b
   add        v8.16b, v8.16b, v10.16b
   add        v9.16b, v9.16b, v10.16b
   tbl        v6.16b, {v0.16b-v3.16b}, v8.16b
   tbx        v22.16b, {v16.16b-v19.16b}, v9.16b
   add        v8.16b, v8.16b, v10.16b
   add        v9.16b, v9.16b, v10.16b
   tbl        v7.16b, {v0.16b-v3.16b}, v8.16b
   tbx        v23.16b, {v16.16b-v19.16b}, v9.16b
 
   eor        v20.16b, v20.16b, v4.16b
   eor        v21.16b, v21.16b, v5.16b
   eor        v22.16b, v22.16b, v6.16b
   eor        v23.16b, v23.16b, v7.16b
   st1        {v20.16b-v23.16b}, [x1]
   b        .Lout
 
   // fewer than 192 bytes of in/output
1:    ld1        {v8.16b}, [x10]
   ld1        {v9.16b}, [x11]
   movi        v10.16b, #16
   add        x1, x1, x6
   tbl        v0.16b, {v4.16b-v7.16b}, v8.16b
   tbx        v20.16b, {v16.16b-v19.16b}, v9.16b
   add        v8.16b, v8.16b, v10.16b
   add        v9.16b, v9.16b, v10.16b
   tbl        v1.16b, {v4.16b-v7.16b}, v8.16b
   tbx        v21.16b, {v16.16b-v19.16b}, v9.16b
   add        v8.16b, v8.16b, v10.16b
   add        v9.16b, v9.16b, v10.16b
   tbl        v2.16b, {v4.16b-v7.16b}, v8.16b
   tbx        v22.16b, {v16.16b-v19.16b}, v9.16b
   add        v8.16b, v8.16b, v10.16b
   add        v9.16b, v9.16b, v10.16b
   tbl        v3.16b, {v4.16b-v7.16b}, v8.16b
   tbx        v23.16b, {v16.16b-v19.16b}, v9.16b
 
   eor        v20.16b, v20.16b, v0.16b
   eor        v21.16b, v21.16b, v1.16b
   eor        v22.16b, v22.16b, v2.16b
   eor        v23.16b, v23.16b, v3.16b
   st1        {v20.16b-v23.16b}, [x1]
   b        .Lout
 
   // fewer than 256 bytes of in/output
2:    ld1        {v4.16b}, [x10]
   ld1        {v5.16b}, [x11]
   movi        v6.16b, #16
   add        x1, x1, x7
   tbl        v0.16b, {v8.16b-v11.16b}, v4.16b
   tbx        v24.16b, {v20.16b-v23.16b}, v5.16b
   add        v4.16b, v4.16b, v6.16b
   add        v5.16b, v5.16b, v6.16b
   tbl        v1.16b, {v8.16b-v11.16b}, v4.16b
   tbx        v25.16b, {v20.16b-v23.16b}, v5.16b
   add        v4.16b, v4.16b, v6.16b
   add        v5.16b, v5.16b, v6.16b
   tbl        v2.16b, {v8.16b-v11.16b}, v4.16b
   tbx        v26.16b, {v20.16b-v23.16b}, v5.16b
   add        v4.16b, v4.16b, v6.16b
   add        v5.16b, v5.16b, v6.16b
   tbl        v3.16b, {v8.16b-v11.16b}, v4.16b
   tbx        v27.16b, {v20.16b-v23.16b}, v5.16b
 
   eor        v24.16b, v24.16b, v0.16b
   eor        v25.16b, v25.16b, v1.16b
   eor        v26.16b, v26.16b, v2.16b
   eor        v27.16b, v27.16b, v3.16b
   st1        {v24.16b-v27.16b}, [x1]
   b        .Lout
 
   // fewer than 320 bytes of in/output
3:    ld1        {v4.16b}, [x10]
   ld1        {v5.16b}, [x11]
   movi        v6.16b, #16
   add        x1, x1, x8
   tbl        v0.16b, {v12.16b-v15.16b}, v4.16b
   tbx        v28.16b, {v24.16b-v27.16b}, v5.16b
   add        v4.16b, v4.16b, v6.16b
   add        v5.16b, v5.16b, v6.16b
   tbl        v1.16b, {v12.16b-v15.16b}, v4.16b
   tbx        v29.16b, {v24.16b-v27.16b}, v5.16b
   add        v4.16b, v4.16b, v6.16b
   add        v5.16b, v5.16b, v6.16b
   tbl        v2.16b, {v12.16b-v15.16b}, v4.16b
   tbx        v30.16b, {v24.16b-v27.16b}, v5.16b
   add        v4.16b, v4.16b, v6.16b
   add        v5.16b, v5.16b, v6.16b
   tbl        v3.16b, {v12.16b-v15.16b}, v4.16b
   tbx        v31.16b, {v24.16b-v27.16b}, v5.16b
 
   eor        v28.16b, v28.16b, v0.16b
   eor        v29.16b, v29.16b, v1.16b
   eor        v30.16b, v30.16b, v2.16b
   eor        v31.16b, v31.16b, v3.16b
   st1        {v28.16b-v31.16b}, [x1]
   b        .Lout
SYM_FUNC_END(chacha_4block_xor_neon)
 
   .section    ".rodata", "a", %progbits
   .align        L1_CACHE_SHIFT
.Lpermute:
   .set        .Li, 0
   .rept        192
   .byte        (.Li - 64)
   .set        .Li, .Li + 1
   .endr
 
CTRINC:    .word        1, 2, 3, 4
ROT8:    .word        0x02010003, 0x06050407, 0x0a09080b, 0x0e0d0c0f