Micciancio 和 Peikert 提出的基于随机格的陷门生成算法

1.陷门的构造

单向陷门函数:已知x, 很容易求解y=f(x); 但是已知f(x),很难求解x, 需要一些额外的知识kx=f^{-1}(y,k)

1.本原矩阵 G=\begin{bmatrix} ...g^{t}... & & & \\ & ...g^{t}... & & \\ & & \cdots& \\ & & & ...g^{t}... \end{bmatrix}\in Z_q^{n\times nk},  其中g^{t}=[1, 2 ,4 ,\cdots, 2^{k-1}]\in Z^{1\times k}_{q}

2 随机化 G\rightarrow A 通过幺模矩阵,这个转换过程是陷门                                                                                                                                           

 

定义:设矩阵A\in Z^{n\times m}_qG\in Z_q^{n\times \omega nk},m\geq \omega \geq n, 矩阵AG-陷门是矩阵R\in Z^{(m-\omega )\times \omega }_q.。设可逆矩阵H\in Z^{n\times n}_q,有以下等式成立。其中H可以作为陷门的标签,最大谱范数S_1(R)可以判断陷门的质量。

  • 均匀随机选取\overline{A}\in Z^{n\times\overline{ m}}_q, 定义了半随机矩阵 [\overline{A}| HG]
  • 通过高斯抽样 R\in Z^{\overline{m} \times n\log q }_qA=[\overline{A}|HG]\cdot \underbrace{\begin{bmatrix} I & -R\\ 0 & I \end{bmatrix}}_{unimodular }=[\overline{A}|HG-\overline{A}R],当且A是均匀的,满足 \widetilde{m}=n\log q,输出均匀随机矩阵A

2.高斯原像抽样

如果抽样\textbf{x}来自于集合\Lambda ^{\perp }_{\textbf{u}}(\textbf{G}),满足r\geqslant 2\sqrt{ln(2n(1+1/\varepsilon ))/\pi }, 那么抽样\textbf{y}=\begin{bmatrix} R\\ I \end{bmatrix}\cdot\textbf{x}来自于集合\Lambda ^{\perp }_{\textbf{u}}(\textbf{A})。由于\begin{bmatrix} R\\ I \end{bmatrix}不是方阵,所以协方差COV=r^2\begin{bmatrix} R\\ I \end{bmatrix}\begin{bmatrix} R^t& I \end{bmatrix}非满秩的,y的分布式是非球体的可能会泄露陷门的消息。

正常的高斯分布

非球体的高斯分布

我们需要添加一个扰动\textbf{p},使高斯原像抽样服从高斯分布,该方法叫高斯卷积(‘convolution technique’.)

高斯卷积方法:

             

那么扰动\textbf{p}协方差是\Sigma _{\textbf{p}}=s^2-r^2\begin{bmatrix} R\\ I \end{bmatrix}\begin{bmatrix} R^t& I \end{bmatrix},  其中s\geqslant (s_1(\textbf{R})+1)(\Sigma _{\textbf{G}}+2)

\textbf{v}=\textbf{u}-\textbf{A}\textbf{P}, 那么抽样\textbf{y}=\begin{bmatrix} R\\ I \end{bmatrix}\cdot\textbf{x}来自于集合\Lambda ^{\perp }_{\textbf{v}}(\textbf{A})

输出高斯原像抽样\textbf{z}=\begin{bmatrix} R\\ I \end{bmatrix}\cdot\textbf{x}+\textbf{p}

 

 

  • 3
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 4
    评论

“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 4
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