格密码初步学习记录（三）SVP

最新推荐文章于 2022-03-26 22:36:12 发布
VIP文章 最新推荐文章于 2022-03-26 22:36:12 发布
阅读量5k 收藏 9
点赞数 1
分类专栏： 资料 论文阅读 格密码
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/lllunijia/article/details/76070143
版权

SVP问题概述

The SVP is simply: given a lattice Lrepresented by a basis, find a nonzerov ∈Lsuch that||v||is minimized, where||▪||denotes a particular norm onRn.
对于一个基于B的格，找到一个属于L的最小非零向量v

这里也摘录了一些文献中SVP的一些相关定义、定理

最低0.47元/天 解锁文章
lllunijia
关注
  • 1
    点赞
  • 踩
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
格密码教程（六）：高斯二维格规约，解决SVP问题
qq_41359358的博客
08-28 867
前面文章也看到了好的基对算法结果有很大影响，在2维格中寻找最优基的算法基本上来源于高斯的原因。基本的想法是从一个基向量中交替减去另一个基向量的倍数，直到不可能进一步改进。 假设L⊂R2L⊂R^2L⊂R2是一个具有基向量v1v_1v1​和v2v_2v2​的二维格。我们要求∥v1∥<∥v2∥\left \|v_1\right \|<\left \| v_2\right \|∥v1​∥<∥v2​∥,当v1,v2v_1,v_2v1​,v2​长度不满足要求时，交换v1v_1v1​和v2v_2v2​。
文献学习-Generating Hard Instances of Lattice Problems
Evasive Walden
07-25 955
Generating Hard Instances of Lattice Problems 生成格问题的一些困难实例 M. Ajtai IBM Almaden Research Center 650 Harry Road, San Jose, CA, 95120 e-mail: [email protected]
SVP4多媒体播放插帧.zip
09-02
著名的加帧软件！
破解所有型号 IBM 笔记本 BIOS 密码
08-06
般情况下没人会去设系统BIOS管理员密码（Supervisor Password，以下简称SVP）。但是如果你很无聊，设置了SVP，并且又忘记了，并不代表你不能用电脑了，只要你不需要进入BIOS更改系统设置还是可以用电脑的。但是有些情况下开机就要你输入BIOS SVP密码，比如BIOS设置出现错误，开机无法通过自检，系统一定要你进入BIOS重设参数，这种情况下电脑生产厂商会告诉你，没救了，只有换主板了。
SVP4 1.zip
02-09
本软件可用于视频插帧，这是之前下载的，是一个完整的安装包，我的还能用，如果你下载了但不能用，记得评论区留言
格理论与密码学（二）
shikaku_的博客
07-23 927
格理论与密码学（二）Babai最近向量算法高斯格基约简算法LLL格基约简算法 Babai最近向量算法 设L⊂RnL\subset\R^nL⊂Rn是一个格，v1,v2,...,vnv_1,v_2,...,v_nv1​,v2​,...,vn​是这个格的基，w∈Rnw\in\R^nw∈Rn是任意向量。如果基向量的正交性很好，则该算法能够求解CVP。 1.用基向量的线性组合表示www： w=t1v1+t2v2+...+tnvnw=t_1v_1+t_2v_2+...+t_nv_nw=t1​v1​+t2​v2​+...
计算理论中最著名的LLL算法及其总结
03-19
计算理论中最著名的LLL算法及其总结，非常有用的一个理论，现在影响深远
格密码LLL算法：如何解决最短向量SVP问题（1）
forest_LL的博客
03-26 5043
前言 在本节中，提出一个解决最短向量（SVP）问题的算法。在1982年，此算法由A.K.Lenstra，H.W.Lenstra,Jr和L.lovasz提出，通常称之为LLL算法。 在1801年，Gauss曾给出一个解决二维空间的SVP算法。某种意义上，LLL算法可以看成解决多维空间SVP问题的算法。在1987年，Schnorr改进过LLL算法，将计算复杂性改进到。 一. LLL算法的应用 1. 在整数和有理数的范畴分解多项式，例如将分解成和。 2. 找到多项式方程足够精确的代数解，例如的输出解
格密码基础：详解最短向量问题（SVP）以及攻击算法
forest_LL的博客
03-23 2192
之前讨论过的闵可夫斯基第一定理表明：任何秩为n的格一定包含一个非零且长度不超过的向量已给出的证明过程实际上不够全面，并没有给出找到此最短向量的准确算法。当然，这其实是一个公开的问题，目前还没有完全准确的算法找到此最短向量。这也是格密码的最底层问题，如果有一天这个问题被解决了，那么格密码的大厦将轰然倒塌。今天我们来看下这个问题为何如此重要。为了讨论此类问题的计算复杂度，可以先定义下格的一种问题：最短向量问题，简写SVP。找出最短向量叫做计算SVP问题计算出最短向量长度：优化SVP问题。
文献学习-On Lattices, Learning with Errors,Random Linear Codes, and Cryptography
Evasive Walden
07-24 3593
On Lattices, Learning with Errors,Random Linear Codes, and Cryptography 格上的LWE、随机线性码和密码学 Oded Regev Department of Computer Science, Tel-Aviv University, Tel-Aviv 69978, Israel 摘要 Our main r
格理论LLL算法源码
04-17
用matlab实现的LLL算法，实现正交性不好的基转换为正交性较好的基。
格缩减LLL算法
11-01
格缩减LLL算法matlab实现。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。
利用LLL算法求解背包问题
06-20
基于 应用密码学手册（包含在压缩包中） 编写的利用LLL算法求解子集和（背包）问题的matlab代码
【密码学综述文章】格困难问题的复杂度分析.doc
11-02
本文通过分析一些常见的格问题, 主要包括最短向量问题(SVP), 最近 向量问题(CVP), 小整数解问题(SIS)和误差学习(LWE)等, 对相关格问题的复杂度成果进行了总结. 结果 主要包括两个方面, 一方面是 SVP, CVP 等格困难...
ST新款STB晶片支援SVP安全功能
11-29
ST日前推出两款可实现安全视频处理器（SVP）技术的硅芯片，SVP是针对数字视频内容保护的新一开放式规格。第一款组件为STB5525 STB译码器，它同时是ST第一款支持标准清晰度STB所需之双TV与双DVR（数字视频录像机）的...
格密码初步学习记录（一）由LWE问题引入
热门推荐
Evasive Walden
07-24 1万+
一点小说明。 最近的研究方向是格的困难性问题，许多相关文献资料都提及了相关的一些问题。比如LWE,R-LWE,SVP等等。这些都需要深入的学习理解。 这里我从LWE开始，做一些学习笔记，也算是充实一下自己的实验室生活。 ----------------------------------------我是超级胖胖的分割线-----------------------------------
格密码初步学习记录（二）格的一些数学基础
Evasive Walden
07-25 3314
待补充
一些密码学中的概念收集
Evasive Walden
07-25 1497
秘密共享 秘密共享的思想是将秘密以适当的方式拆分，拆分后的每一个份额由不同的参与者管理，单个参与者无法恢复秘密信息，只有若干个参与者一同协作才能恢复秘密消息。更重要的是，当其中任何相应范围内参与者出问题时，秘密仍可以完整恢复。 秘密共享的关键是怎样更好的设计秘密拆分方式和恢复方式。 秘密共享是一种将秘密分割存储的密码技术，目的是阻止秘密过于集中，以达到分散风险和容忍入侵的目的，是信息
格上的svp问题为什么维数越大越困难
最新发布
07-17
### 回答1： 格上的svp问题（shortest vector problem）是一个在格中寻找最短向量的问题。这个问题在密码学、网络安全以及计算复杂性等领域中具有重要的应用。 格是由一组线性无关的向量张成的空间，其维数表示格的维度。在一个给定的维度下，格上的svp问题可以通过遍历所有可能的向量来寻找最短向量。然而，随着维度的增加，格中可能的向量数量呈指数级增长，导致了问题的困难性。 维数越大，意味着格的维度越高，格中可能的向量数量呈指数增长。换句话说，随着维度的增加，可能的解空间也呈指数增长。这使得在解空间中寻找最短向量变得非常困难。 此外，格上的svp问题还涉及到数学上的最优化问题，即在给定约束下找到最优解。在高维空间中，最优化问题本身就变得更加复杂和困难。因此，维数越大，对于这种最优化问题的求解就更加困难。 综上所述，格上的svp问题在维数越大时越困难，主要是因为可能的解空间呈指数增长和数学最优化问题的困难性增加。这使得在高维空间中寻找最短向量变得非常困难，需要更复杂的算法和更大的计算资源。 ### 回答2： 格上的svp问题是一个数论和计算复杂性问题，它涉及到一个具有大量维度的格的最短向量（Shortest Vector Problem，SVP）的查找。SVP问题之所以随着维数的增加变得困难，主要有以下几个原因。 首先，随着维数的增加，格的空间变得更加庞大。格是由一个或多个基向量组成的集合，在高维空间中，格的结构变得更加复杂和密集。这导致格中可能存在更多的最短向量，从而增加了找到最短向量的难度。 其次，维数的增加会使计算复杂性显著增加。在SVP问题中，计算最短向量需要搜索整个格空间，随着维数的增加，搜索空间的大小呈指数增长。这导致计算时间的增加，甚至在实际应用中很难找到最短向量。 此外，维数的增加也会影响到算法的有效性。现有的SVP算法在低维情况下可能是有效的，但在高维情况下往往不再适用。高维空间的特点使得现有的算法的时间复杂性变得不可接受，或者得到的解可能并不是最短向量。 最后，实际应用中的误差和噪声也会对SVP问题的难度产生影响。随着维数的增加，误差和噪声的影响更加明显，使得最短向量更难以确定。 综上所述，格上的SVP问题随着维数的增加变得越来越困难，这主要归因于高维格空间的复杂性、计算复杂性的增加、算法的无效性和误差噪声的影响。这也是为什么在实际应用中，通常需要降低维数或采用其他方法来解决SVP问题。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
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。

余额充值