基于 t 维空间中点的确定的(t, n)门限秘密共享

基于 t 维空间中点的确定的(t, n)门限秘密共享

其原理基于三维空间中，两个互不平行的面相交于一条直线，三个互不平行的面相交于一个唯一确定的点。
那么，(t, n)门限秘密共享就可以看作将秘密信息映射为三维空间中某一点（此处的 t 设为3），随机选取n个互不平行的平面。当已知n个平面中的任意两个平面时无法确定出该点，满足当选取任意 t-1 个秘密信息碎片时，无法恢复秘密信息。
对于 (t, n) 门限秘密共享，只需将其扩展到 t 维即可。即在 t 维空间中任意选取一个点作为秘密信息，并过该点任意选取 n 个互不平行的超平面，将这些超平面方程的系数和常数项作为秘密信息碎片。恢复时，只需将 t 个超平面方程联立求解线性方程组即可。
缺点是，当 t 值较大时，幂运算的次数也较高，所以运算缓慢，效率不高。

# 密钥分割函数 将秘密信息k分割为n个信息
def secretSplit(secret, t, n):
    # 在t维空间中确定一个点，将秘密信息编码到这个点的坐标当中
    # 简单采用重复构造
    point = []
    for i in range(t):
        point.append(secret)

    # 构造过该点的n个面，且两两不平行
    # 面的方程为： A(a - a0) + B(b - b0) + ... + T(t - t0) = 0
    # 系数矩阵
    factor = np.zeros([n, t])
    # 常数
    Num = np.zeros([1, n])
    for i in range(n):
        tag = 1
        while tag == 1:
            tag = 0
            # 随机生成t个系数
            random.seed(time.time())
            list = range(1, 2 * t)
            num = random.sample(list, t)
            # 常数项
            N = 0
            # 系数
            F = np.zeros([1, t])
            for j in range(t):
                N = N + num[j] * point[j]
                F[0, j] = num[j]
            # 判断是否两两平行
            for k in range(i):
                temp = F[0, 0] / factor[k][0]
                flag = 0
                for l in range(1, t):
                    if F[0, l]/factor[k][l] == temp:
                        flag = flag + 1
                # 平行
                if flag == t - 1:
                    tag = 1
                    break

        Num[0, i] = N
        for j in range(t):
            factor[i][j] = F[0, j]

    print("%d个方程系数矩阵为："%(n))
    print(factor)
    print("%d个方程常数矩阵为："%(n))
    print(Num)
    return factor, Num

# 解线性方程组使用的库
from scipy import linalg
# 秘密信息恢复
def secretRecover(factor, Num):
    # 少于t个面
    if factor.shape[0] < factor.shape[1]:
        print("平面个数少于%d，无法恢复"%(factor.shape[1]))
    elif factor.shape[0] == factor.shape[1]:
        Num = Num.reshape(factor.shape[1], 1)
        point = linalg.solve(factor, Num)
        point = point.reshape(1, factor.shape[1])
        print("恢复秘密信息为：")
        print(point)
    else:
        F = np.zeros([factor.shape[1], factor.shape[1]])
        N = np.zeros([1, factor.shape[1]])
        random.seed(time.time())
        list = range(0, factor.shape[0])
        num = random.sample(list, factor.shape[1])
        for i in range(factor.shape[1]):
            F[i] = factor[num[i]]
            N[0, i] = Num[0, num[i]]

        N = N.reshape(factor.shape[1], 1)
        point = linalg.solve(F, N)
        point = point.reshape(1, factor.shape[1])
        print("恢复秘密信息为：")
        print(point)

运行结果：