格签名相似概念区分: SVP、SIS、LWE的区分

参考.

1 概括:

  1. SIS和LWE问题可以规约到不同底层格困难问题,如SVP问题。1
  2. 现有签名方案大多规约到SIS和LWE难题,而不是直接规约到SVP难题。

2 关系

具体的规约关系有:
在这里插入图片描述

格的困难问题:
Ajtai1996给出了格中困难问题从最坏情况到平均情况的规约证明,使得基于格问题构造的密码方案具有了可证明安全的性质。
新的格困难问题中,有几种重要的平均情况困难的问题:SIS、LWE、RLWE 及变种。在一定的参数设定下,这些问题可以归约到 GapSVP、SIVP 等格上的困难问题(例如:求解SIS难题不比求解格SVP容易)。

  • 最短向量问题 (Shortest Vector Problem, SVP).
    SVP 问题定义为:对于给定的格 Λ \Lambda Λ ,找到一个非零的格向量 v \bold v v ,使得对于任意的非零向量 u ∈ Λ \bold u \in \Lambda uΛ ∣ ∣ v ∣ ∣ ≤ ∣ ∣ u ∣ ∣ ||\bold v||\le||\bold u|| vu

    类似问题有:
    近似最短向量问题aSVP(Approximate Shortest Vector Problem),
    唯一最短向量问题 (Unique Shortest Vector Problem, uSVP),
    近似最短向量问题判定版本 (GapSVP),
    最近向量问题 (Closest Vector Problem, CVP),
    近似最近向量问题 (Approximate Closest Vector Problem, aCVP),
    有界距离解码问题 (Bounded Distance Decoding, BDD),
    最短线性无关向量问题 (Shortest Independent Vector Problem, SIVP).

  • SIS.(小整数解问题 ,Small Integer Solutions Problem).
    SIS 问题定义为:给定整数 m , n , q m,n,q m,n

  • 0
    点赞
  • 20
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 上的svp问题(shortest vector problem)是一个在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。 是由一组线性无关的向量张成的空间,其维数表示的维度。在一个给定的维度下,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,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,意味着的维度越高,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,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,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: 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,的空间变得更加庞大。是由一个或多个基向量组成的集合,在高维空间中,的结构变得更加复杂和密集。这导致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,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

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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