GPU有效地利用了数量巨大的晶体管制造大量的处理单元，适用于处理单任务多数据（SIMD）的计算任务。研究了GPU的体系结构及CUDA的编程模式，改进了基于CPU的希尔加解密方法，使用多个线程将计算中耗时的矩阵相乘部分改造成SIMD模式，并分析了线程块内线程数对加速比的影响。实验结果表明，基于GPU的并行矩阵相乘的希尔加解密方法成功实现了硬件加速，相对于CPU上运行的希尔加解密方法，其执行效率明显提高，可获取12倍以上的加速，并易于扩展，对大规模数据加密和解密处理呈现出高效的处理能力。