典型文献
环上舍入学习和模上舍入学习的通用实现算法与参数选取方法
文献摘要：
格密码领域中的环上舍入学习(RLWR)和模上舍入学习(MLWR)问题是构造后量子密码原语的一类重要数学工具,已广泛应用于伪随机函数、陷门函数等基础密码构造.RLWR和MLWR实现通常包括三项基础操作:多项式乘法、模约化和舍入计算,三项基础操作均有多种适用于不同参数的实现方案,相同运行平台、相同安全等级下RLWR和MLWR软件实现效率受参数影响显著.然而,现有RLWR和MLWR方案实现及效率优化工作大多仅针对某些特定参数,无法处理任意参数;此外,现有RLWR和MLWR方案参数选取大多只考虑了部分基础操作的效率,缺乏系统的快速实现参数选取方法.为解决上述问题,本文提出了通用高效的RLWR实现算法和ML-WR实现算法,以及RLWR和MLWR快速实现参数选取方法.本文首先给出了 NTT和NTT负折叠卷积的使用条件与方案参数以及CPU字长之间的量化关系,扩展了可快速实现的基于多项式环的密码方案参数空间;其次,提出了一种适用于RLWR和MLWR实现的新舍入算法,与通用的传统舍入实现相比,新舍入算法的效率在64位Intel i7平台下提高了 11％左右;最后,提出了通用RLWR实现算法和MLWR实现算法,通用实现算法根据方案参数和CPU字长灵活选取高效的基础操作实现方案,将其应用于Saber方案实现,在64位Intel i7平台下未使用编译优化指令的Saber密钥封装效率提升了 52％左右,此外,对比分析了不同参数下RLWR和MLWR的效率,提出了 RLWR和MLWR快速实现参数选取方法,为RLWR和MLWR方案设计与实现中的参数选取提供了指导.
文献关键词：
格密码;舍入学习;多项式乘法;数论变换;舍入计算
中图分类号：
作者姓名：
姜子铭;周永彬;张锐
作者机构：
中国科学院信息工程研究所 北京 100093;中国科学院大学网络空间安全学院 北京 100049;南京理工大学网络空间安全学院 南京 210094
文献出处：
引用格式：
[1]姜子铭;周永彬;张锐-.环上舍入学习和模上舍入学习的通用实现算法与参数选取方法)[J].计算机学报,2022(06):1326-1347
A类：
舍入学习,RLWR,MLWR,舍入计算
B类：
参数选取,格密码,后量子密码,原语,要数,数学工具,伪随机函数,多项式乘法,同参数,实现方案,同安,安全等级,软件实现,实现效率,参数影响,效率优化,多只,快速实现,NTT,折叠,使用条件,CPU,字长,量化关系,多项式环,密码方案,参数空间,Intel,i7,台下,Saber,编译优化,密钥封装,封装效率,数论变换
AB值：
0.238919
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
