本文共 1419 字,大约阅读时间需要 4 分钟。
概括:
陷门生成函数生成格的陷门(即格的一个短(好的)基),原像采样函数本质是一个单向函数,陷门被用来实现原像采样[GPV08]。
原像采样使用的采样函数一般为高斯函数(也可使用二项分布)
定理(陷门生成算法).令整数 q > 3 , m > 5 n log q q > 3, m > 5n\log q q>3,m>5nlogq,存在一个有效的算法 T r a p G e n ( q , m ) TrapGen(q,m) TrapGen(q,m),该算法能够在多项式时间内生成一个矩阵 A ∈ Z q n × m A\in \Z_q^{n\times m} A∈Zqn×m和格 Λ ⊥ ( A ) \Lambda^\perp(A) Λ⊥(A)的一个基 T A ∈ Z m × m T_A \in \Z^{m\times m} TA∈Zm×m使得矩阵 A A A的分布在统计上接近于 Z q n × m \Z_q^{n\times m} Zqn×m上的均匀分布且让 ∣ ∣ T ~ A ∣ ∣ ≤ O ( n log q ) ||\bold {\tilde T}_A||\le{O(\sqrt {n\log q})} ∣∣T~A∣∣≤O(nlogq)以压倒性的概率成立。
关于原像抽样算法
(高斯)域采样、向量原像采样、矩阵原像采样
基本定义(原像采样算法).令整数 m ≥ n , q m\ge n,q m≥n,q为素数, Λ ⊥ ( A ) \Lambda^\perp(A) Λ⊥(A)是由矩阵 A ∈ Z q n × m A\in \Z_q^{n\times m} A∈Zqn×m定义的格,矩阵 T A ∈ Z m × m T_A \in \Z^{m\times m} TA∈Zm×m是格 Λ ⊥ ( A ) \Lambda^\perp(A) Λ⊥(A)的一个基。如果参数 s ≥ ∣ ∣ T ~ A ∣ ∣ ⋅ ω ( log q ) s\ge||\bold {\tilde T}_A||\cdot{\omega(\sqrt {\log q})} s≥∣∣T~A∣∣⋅ω(logq),那么对所有的 u ∈ Z q n \bold u\in \Z^n_q u∈Zqn都存在一个多项式时间算法 S a m p I e P r e ( A , B , s , u ) SampIePre(\bold A, \bold B, s, \bold u) SampIePre(A,B,s,u),它能够从一个统计接近于 G Λ u ( A ) , s > G_{\Lambda^u(A),s}> GΛu(A),s>的分布中抽取一个向量 v ∈ Λ u ( A ) \bold v \in \Lambda^u(A) v∈Λu(A)。
原像采样的矩阵扩展版本: SampleMatVadim Lyubashevsky:Lattice Signatures without Trapdoors. EUROCRYPT 2012: 738-755
转载地址:http://rjtzi.baihongyu.com/