格密码基础：SIS问题的困难性

最新推荐文章于 2024-05-21 22:54:58 发布

唠嗑！

最新推荐文章于 2024-05-21 22:54:58 发布

阅读量1.4k

点赞数 33

分类专栏：格密码文章标签：密码学网络安全

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/forest_LL/article/details/135588231

版权

格密码专栏收录该内容

40 篇文章 46 订阅

订阅专栏

目录

一. SIS问题的困难性

二. SIS问题归约的性质

2.1 2004年 [MR04]

2.2 2008年【GPV08】

2.3 2013年【MP13】

三. 归约证明

3.1 核心理解

3.2 归约步骤

3.3 性质理解

一. SIS问题的困难性

推荐先阅读：

格密码基础：SIS问题的定义与理解-CSDN博客

借鉴1996年Ajtai的工作，大量的工作开始研究最坏情况下的SIS问题的困难性。SIS问题中一共有四个参数 $n,q,\beta,m$ ,需要满足如下：

$m=poly(n)\quad \beta>0\quad q>\beta\cdot poly(n)$

如果能以不可忽略的概率解决SIS问题，那么就可以在随机的n维格上，解决近似GapSVP和SIVP问题。此处的近似因子取值为：

$\gamma=\beta\cdot poly(n)$

GapSVP:decisional approximate shortest vector problem，判定性近似最短向量问题

SIVP: approximate shortest indenpendent vectors problem

需要注意的是m和q的值会极大影响SIS问题的困难性，而且根据归约准则，当范数上限 $\beta$ 值越大时，GapSVP和SIVP问题的近似因子也会变大。整个多项式时间复杂度的归约分成两步：

假设存在一个oracle可以解决SIS问题
利用此oracle尝试在任意n维格上解决近似的GapSVP和SIVP问题

二. SIS问题归约的性质

理论上，我们希望归约时的模q和近似因子（approximation factor） $\gamma$ 越小越好，因为这样可以产生更小的实例（instance）和密码学的公私钥，以及更强的网络安全性保证。接下来，我们来看几个SIS问题归约时重要的发展历程：

2.1 2004年 [MR04]

在2004年，Micciancio 和 Regev引入了格上高斯分布和调和分析（harmonic analysis），从而导出了格密码中重要的概念，叫做光滑参数（smoothing parameter），写做：

$\eta(L)$

如果在格点周围外加一个噪声，该噪声分布服从高斯分布。当分布的方差大于格的光滑参数时，离散的格点就可以变成连续的均匀分布。对于光滑参数有一种直观的形式化语言，如下：

The amount of Gaussian error needed to “smooth out” the discrete structure of a lattice.

借助此理论便可以产生均匀且随机的SIS实例，从而对任意输入的格均满足推论。在此论文中，近似因子的取值为：

$\gamma=\beta\cdot \tilde O(\sqrt n)$

当选择合适的 $\beta$ 值时，近似因子可取：

$\gamma=\tilde O(n)$

此时模q可取：

$q=\beta\cdot \tilde O(n\sqrt m)$

可以看到以上两者的取值都相对较小。

2.2 2008年【GPV08】

在2008年，Gentry, Peikert 和Vaikuntanathan将模数q的值优化到：

$q=\beta\cdot \tilde O(\sqrt n)$

此时的近似因子与2004年的工作类似：

$\gamma=\beta\cdot \tilde O(\sqrt n)$

此论文创新性提出了离散高斯分布（discrete Gaussian），待会我们会简单分析此理论。

2.3 2013年【MP13】

在2013年，Micciancio 和 Peikert将模数q优化到：

$q=\beta\cdot n^\epsilon$

其中 $\epsilon$ 为大于0的常数。

如果把 $n^\epsilon$ 看成固定的常数的话，此时的q已经是最优的了。因为SIS问题中，总存在平凡解就是q。

借助卷积引理（convolution lemma），在利用SIS的oracle进行归约时，此理论需要使用到 $l_\infty$ 范数，而不是常规的 $l_2$ 范数。

三. 归约证明

SIS问题的困难性涉及到最坏情况和平均情况（worst case/average case）的归约证明。该归约的思路：给定任意n维格L的格基B，已知一个平均情况的SIS的oracle，目标是解决SIVP问题。

在这里简单解释下近似的SIVP问题：

给定近似因子 $\gamma=poly(n)$ ，尝试找出n个线性独立的格向量，它们的长度都小于：

$\gamma\cdot \lambda_n(L)$

3.1 核心理解

首先输入格基B，从此格中随机选择一部分独立的格向量S，也就是：

$S\subseteq L$

将此处的S看成一个矩阵。接着利用SIS oracle不断对该矩阵进行归约运算，使其长度至少缩短一半以上，也就是：

$||S'||\leq \frac{||S||}{2}$

备注：此处矩阵的长度代表其中最长向量的长度，也就是：

$||X||=max_i||x_i||\quad X=\lbrace x_i\rbrace$

不断迭代重复，直到最终的结果符合SIVP问题的要求。

3.2 归约步骤

第一步：取样

借助格L上的离散高斯分布，采样出m个随机的格点，形成集合S，也就是：

$v_i\in L$

这些初始向量不会太长。接着将这m个向量形成矩阵V

第二步：形成SIS oracle的输入

运算得到：

$a_i=B^{-1}v_i\quad mod\ qZ^n$

重复运算m次，由此可得：

$A=B^{-1}V\quad mod\ qZ^{n\times m}$

需要注意的是，因为 $v_i$ 是格点，所以 $B^{-1}v_i$ 一定是整数的。

接着从此时的矩阵A输入到SIS的oracle中。

第三步：运算

SIS的oracle会输出一个解，也就是：

$z\in Z^m$

那么可得：

$v=Vz/q$

很明显发现此时的向量长度在变小。

3.3 性质理解

（1）SIS oracle分析

根据以上归约过程，给定一个矩阵A，z为其SIS问题的答案。因为 $v_i$ 是格点，所以可得：

$v_i=Ba_i\quad mod\ qL$

由此可运算：

所以可得以下运算出的v为L格点：

$v=Vz/q\in L$

SIS求解出的z长度是有上限的，也就是：

$||z||\leq \beta$

在产生向量v时，使其满足：

$||v_i||\leq ||S||\cdot poly(n)$

两者结合可得：

$||Vz||\leq ||S||\cdot \beta\cdot poly(n)$

当我们选择模数q如下：

$q=\beta\cdot poly(n)$

即可以得到：

$||v||=||Vz||/q\leq ||S||/2$

第一轮迭代完成。

（2）矩阵A均匀分布

借助光滑参数， $v_i$ 在一定条件下均匀分布：

$\gamma\geq \beta\cdot poly(n)\geq q$

也就是：

$v_i\quad mod\ qL\quad L/qL$

此处说明v在模qL上为均匀分布，再根据：

$a_i=B^{-1}v_i$

B是确定的，也就是a和v之间是双射运算，所以可得矩阵A也是均匀分布（严格来讲应该是跟均匀分布不可区分）。

关注

33
点赞
踩
20

收藏

觉得还不错? 一键收藏
打赏
0
评论
格密码基础：SIS问题的困难性

该归约的思路：给定任意n维格L的格基B，已知一个平均情况的SIS的oracle，目标是解决SIVP问题。当分布的方差大于格的光滑参数时，离散的格点就可以变成连续的均匀分布。如果能以不可忽略的概率解决SIS问题，那么就可以在随机的n维格上，解决近似GapSVP和SIVP问题。将此处的S看成一个矩阵。借鉴1996年Ajtai的工作，大量的工作开始研究最坏情况下的SIS问题的困难性。看成固定的常数的话，此时的q已经是最优的了。需要注意的是m和q的值会极大影响SIS问题的困难性，而且根据归约准则，当范数上限。
复制链接

扫一扫

专栏目录

唠嗑！ CSDN认证博客专家 CSDN认证企业博客

码龄3年

网络安全领域优质创作者

157: 原创

521: 周排名

7956: 总排名

75万+: 访问

: 等级

4516: 积分

1万+: 粉丝

2793: 获赞

116: 评论

7443: 收藏

私信

关注

热门文章

分类专栏

最新评论

基于MATLAB的MIMO信道估计（附完整代码与分析）
qq_41983438: 谢谢您的分享，您好请问有原论文么
基于MATLAB的MIMO信道估计（附完整代码与分析）
Aalrz123: 你好请问拉格朗日乘数法在这里的作用是什么呢？是求哪个部分的极值最值吗？
详解矩阵的LDU分解
普通网友: 写的真好，细节很到位！【我也写了一些相关领域的文章，希望能够得到博主的指导，共同进步！】
基于MATLAB的泊松分布，正态分布与伽玛分布（附完整代码与例题）
普通网友: 每当我阅读你的编程博客文章时，我总能感受到你的专业水平和耐心解答的精神。【我也写了一些相关领域的文章，希望能够得到博主的指导，共同进步！】
详解维吉尼亚密码（附四种攻击策略）
又菜又爱玩且懒: 太感谢了，感谢知识普及。正好这里我云里雾里的，看到作者写的令我醍醐灌顶，茅塞顿开，我对作者的敬佩犹如滔滔江水，连绵不绝，又如黄河泛滥一发而不可收拾，我爱你！！！

您愿意向朋友推荐“博客详情页”吗？

强烈不推荐
不推荐
一般般
推荐
强烈推荐

提交

最新文章

2024

目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

打赏作者

唠嗑！ 你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20

扫码支付：¥1

获取中

扫码支付

您的余额不足，请更换扫码支付或充值

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。