计算机研究与发展
計算機研究與髮展
계산궤연구여발전
JOURNAL OF COMPUTER RESEARCH AND DEVELOPMENT
2014年
7期
1515-1519
,共5页
带错误学习问题%一致错误%秘钥相关消息%公钥加密算法%可证明安全
帶錯誤學習問題%一緻錯誤%祕鑰相關消息%公鑰加密算法%可證明安全
대착오학습문제%일치착오%비약상관소식%공약가밀산법%가증명안전
learning with errors%uniform errors%key-dependent message%public-key encryption%provable security
提出了一种新的带错误学习问题(learning with errors,LWE)的变种,这种变种中的秘密向量和错误向量的每一个分量都是取自于一个小区间上的一致分布,其中,运用了Applebaum等人提出的转换技术.这种技术将一致秘密的LWE样本映射到另一些LWE样本,这些样本的秘密是服从和错误一样的分布,同时只损失了一小部分的样本.这个变种有和标准LWE一样的最坏情形到平均情形的归约性,同时,它去除了标准LWE问题中的高斯抽样算法.基于新的变种,构造了一个密钥相关消息安全的公钥加密方案.方案去除了原来方案中的高斯抽样算法,取而代之的是小区间上的一致分布的抽样算法,从而降低了密钥生成算法和加密算法的开销.
提齣瞭一種新的帶錯誤學習問題(learning with errors,LWE)的變種,這種變種中的祕密嚮量和錯誤嚮量的每一箇分量都是取自于一箇小區間上的一緻分佈,其中,運用瞭Applebaum等人提齣的轉換技術.這種技術將一緻祕密的LWE樣本映射到另一些LWE樣本,這些樣本的祕密是服從和錯誤一樣的分佈,同時隻損失瞭一小部分的樣本.這箇變種有和標準LWE一樣的最壞情形到平均情形的歸約性,同時,它去除瞭標準LWE問題中的高斯抽樣算法.基于新的變種,構造瞭一箇密鑰相關消息安全的公鑰加密方案.方案去除瞭原來方案中的高斯抽樣算法,取而代之的是小區間上的一緻分佈的抽樣算法,從而降低瞭密鑰生成算法和加密算法的開銷.
제출료일충신적대착오학습문제(learning with errors,LWE)적변충,저충변충중적비밀향량화착오향량적매일개분량도시취자우일개소구간상적일치분포,기중,운용료Applebaum등인제출적전환기술.저충기술장일치비밀적LWE양본영사도령일사LWE양본,저사양본적비밀시복종화착오일양적분포,동시지손실료일소부분적양본.저개변충유화표준LWE일양적최배정형도평균정형적귀약성,동시,타거제료표준LWE문제중적고사추양산법.기우신적변충,구조료일개밀약상관소식안전적공약가밀방안.방안거제료원래방안중적고사추양산법,취이대지적시소구간상적일치분포적추양산법,종이강저료밀약생성산법화가밀산법적개소.
