LWE問題及其公鑰密碼方案_BSP

錯誤學習問題（Learning with Errors，簡稱LWE）由Regev在2005年提出，該問題已經成為格密碼學中廣泛使用的密碼學基礎。LWE問題是一個平均情況下的問題，Regev在論文中將LWE問題量子歸約到格上標準困難問題。因此在LWE問題之上建立的所有密碼學方案，都能夠將其安全建立在格問題的最壞情況下困難性之上。

本文節選自陳智罡博士的博士論文。

1.1.1     LWE問題

LWE問題就是給出一些關于秘密向量s的“近似”隨機線性方程，其目標是恢復秘密向量s。例如給出如下一些“近似”隨機線性方程：

派盾：BSC上LW代幣遭遇攻擊，損失約5萬美元:5月12日消息，據派盾預警監測，BSC上LW代幣遭遇攻擊，損失為48,415 USDT，LW代幣價格暴跌69%。攻擊者已經將約150枚BNB轉移到Tornado Cash。[2023/5/12 14:58:56]

14s1+ 15s2+ 5s3+ 2s4≈8  (mod 17)

13s1+ 14s2+ 14s3+ 6s4≈16 (mod 17)

6s1+ 10s2+ 13s3+ 1s4≈3 (mod 17)

DeFi和鏈游公司Spielworks與Cronos等合作推出 Web3 游戲加速器“Wombat X”:金色財經報道，DeFi 和鏈游公司 Spielworks 宣布推出 Web3 游戲加速器“Wombat X”，該加速器的合作伙伴包括基于 Cosmos SDK 構建的 EVM 兼容 Layer 1 網絡 Cronos、以及 Web3 基礎設施服務提供商 Newcoin，其他參與者包括 EOS Network 基金會、Avicenne、Lifty、Beamable。據悉，入選 Wombat X 加速器的 Web3 游戲項目將獲得資助、教育、以及游戲玩家社區參與等方面的支持。（businesswire）[2023/5/12 14:58:36]

10s1+ 4s2+ 12s3+ 16s4≈12 (mod 17)

FILWallet完成新版本升級，支持BLS算法及節點Owner管理:據官方消息, 專注于FIL生態的去中心化數字資產錢包FILWallet已升級至V1.1.0版本。 在新版本中實現節點管理、可監控節點詳情、變更Owner，Owner多簽管理，多簽提幣，同時新增對BLS(f3)算法的支持。

FilWallet致力于為Filecoin生態的參與者提供專業、安全的數字資產服務，共同推動生態建設。[2021/9/6 23:03:25]

…………

9s1+ 5s2+ 9s3+ 6s4≈9   (mod17)

聲音 | MalwareBytes：CoinTicker目的或為竊取數字貨幣:據cryptoglobe消息，反病軟件公司MalwareBytes在博客中對新惡意軟件CoinTicker評論稱，盡管目前還不清楚這個惡意軟件背后的黑客究竟目標是什么，但EggShell和EvilOSX都是廣泛的后門，可以用于各種目的。由于惡意軟件是通過加密貨幣應用程序傳播的，因此惡意軟件似乎可能是為了竊取數字貨幣而訪問用戶的加密貨幣錢包。[2018/11/3]

在上述每個方程中，加入了一個小的錯誤，該錯誤在+1和-1之間，目標是恢復向量s。如果上述方程中沒有加入錯誤，則使用高斯消元法就可以在多項式時間內恢復向量s。但是由于加入了錯誤，使得該問題變得非常的困難。

LWE問題定義 參數n ≥1，模q ≥ 2，是上的一個錯誤概率分布。是上的一個概率分布，該分布通過如下方式獲得：隨機均勻選擇一個向量a∈，根據分布選擇錯誤向量e∈，輸出（a，b=< a , s > +emod q）。LWE問題是對于s∈，給出任意數量的從取出的獨立實例，其目的是輸出s。

LWE判定問題  上述LWE問題是一個LWE搜索問題，密碼學中更感興趣的是LWE問題的另外一個版本：平均情況下的LWE判定問題。即對于隨機均勻選擇的s∈，能夠以不可忽略的概率區分分布與均勻分布上的實例。判定LWE問題可以歸約到搜索LWE問題。

如果在均勻選擇秘密向量s的情況下，判定LWE問題可以被解決，則對于所有秘密向量s，判定LWE問題都可以被解決。

LWE問題與BDD問題  上述LWE問題定義中，對于m個從取出的獨立實例，可以用隨機均勻矩陣A∈和b=AT s+e表出。所以LWE問題可以看成是隨機格上的BDD問題。

參數說明  分布是一個標準偏離是的類似高斯分布，其中，通常取為1/poly（n）。模q一般是關于n的多項式。LWE實例的數量并不重要。

LWE問題的困難性 以下三個原因說明LWE問題是困難的。第一，已知最好的求解LWE問題的算法運行時間是指數級的，即使是對量子計算機也沒有任何幫助。第二，LWE問題是LPN問題的自然擴展，而LPN問題在學習理論中被廣泛研究而且普遍認為是困難的。此外LPN問題可以形式化為隨機線性二元碼的解碼問題，如果LPN問題的求解算法有一點進步，則意味著編碼理論的一個突破。第三，也是最重要的，LWE問題被歸約到最壞情況下的格上標準困難問題，例如GapSVP和SIVP[11,85]。

Regev在2005年證明了只要，那么在平均情況下解決LWE問題，其困難性至少與使用量子算法近似格上標準困難問題相同，其中近似因子是。隨后Peikert在2009年給出了一個相同近似因子的經典約減而非量子約減，但是需要滿足q≥2n/2。最近Brakerski等人在2013年給出了在q為多項式的情況下的一個經典LWE問題的約減，但是在維數上有所損失[120]。

在LWE問題中，s可以隨機均勻的取自于。這一方面使得的長度可以更短，另外一方面其困難性不變。

假設根據高斯分布選擇的錯誤向量長度的界是B，則有B≤，得到，從而。該式反映了近似因子與q/B的大小有關，而q/B又與全同態加密方案的計算深度有關，所以當維數n和B固定的情況下，模q越大，全同態加密方案的安全性越低，而全同態加密方案的同態計算能力越高。

Tags：NBSBSPMODFILnbs幣未來價格BSPNetworkMODL幣fil幣最新消息訊息

比特幣價格實時行情