离散ziggurat算法python实现_一种基于LWE采样算法的实现与优化

一种基于

LWE

采样算法的实现与优化

王柯翔，黎

琳，彭双和

【摘

要】

基于带错误学习问题

(Learning

With

Errors

，

LWE)

构造的密码体制

能够抵御量子攻击，它的应用效率与

LWE

问题的采样过程密切相关

.

而在

LWE

问题采样中，对其中的错误因子

(Error

Factor)

采样占采样过程绝大部分时间，

本文对

LWE

问题中的错误因子的采样算法进行研究，将在高斯分布上效率较高

的金字塔

(Ziggurat)

采样算法，应用到了一种高效的

LWE

问题采样算法中

.

基于

在连续域上的采样比离散域上采样效率高的思路，对

LWE

问题采样算法在离散

域上采样的过程进行了优化，提出了一种将连续域上的采样结果进行取整的方

法，

.

对优化前后的两种

LWE

问题的采样算法进行了对比实验，结果表明：改

进后的算法在不占用大量内存并且保证安全性的情况下，将采样速度提高了

38%

～

200%.

【期刊名称】

北京交通