版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領
文檔簡介
1、隨著量子計算研究的不斷發(fā)展,量子計算機的出現(xiàn)將不再是空談,因此研究出能夠抵御量子攻擊的新型密碼體制成為了研究熱點。而格上的很多問題被證明是困難的,是通過量子計算在多項式時間內(nèi)也無法求解的,因而很多密碼體制的設計都是基于格上的困難問題。帶錯誤學習問題(Learning with error,LWE)是格上的困難問題之一,通過LWE問題構(gòu)造的密碼體制在安全性上可以得到保證。而對LWE問題的采樣效率關系到對應的密碼體制的應用效率,基于這一問題
2、,本文對LWE問題的采樣算法進行了研究。在LWE問題中,對錯誤因子的采樣占用了絕大部分的時間,并且使用的采樣算法靈活多變,是研究LWE問題采樣的主要內(nèi)容。對LWE問題中錯誤因子的采樣是從離散高斯分布上采樣獲得的,因此對離散高斯分布上的采樣算法研究成為了本文的研究重點。
本文以設計出高效的新型LWE問題采樣算法為目標,首先對現(xiàn)有的LWE問題采樣算法進行了研究,通過對算法的實現(xiàn)發(fā)現(xiàn)了現(xiàn)有算法中綜合性能最好的離散金字塔(Ziggur
3、at)高斯采樣算法,因此對該算法進行了深入研究。基于將格上的采樣轉(zhuǎn)化為整數(shù)域上的采樣這一思路,本文提出了一種新的LWE問題采樣算法,在該采樣算法中,對整數(shù)域上的離散高斯分布采樣過程進行了優(yōu)化,并與現(xiàn)有最優(yōu)算法離散金字塔采樣算法進行了效率比對,發(fā)現(xiàn)本文提出的優(yōu)化改進算法比離散金字塔采樣算法的采樣速度快了2倍。
A-LWE(Augmented Learning with Errors)問題作為LWE問題的擴展問題,增加了信息嵌入的
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于LWE的全同態(tài)加密方案及其應用研究.pdf
- 時間交替采樣技術及應用研究.pdf
- 幾類優(yōu)化問題的算法及應用研究.pdf
- 時間交替采樣技術及應用研究
- 廣義Nash均衡問題的算法及應用研究.pdf
- 基于格上困難問題的新型密碼算法設計及應用研究.pdf
- 基于FRI的管道檢測超聲信號采樣方法及應用研究.pdf
- 基于進化算法的多目標優(yōu)化算法及應用研究.pdf
- 基于同位網(wǎng)格的SIMPLE算法及應用研究.pdf
- 基于語音的身份識別算法及應用研究.pdf
- 基于低秩理論的算法及應用研究.pdf
- 基于支持向量機的算法及應用研究.pdf
- 基于遺傳算法的訂單分批問題應用研究.pdf
- 非均勻采樣信號可變稀疏度傅里葉重建算法及應用研究.pdf
- 音頻采樣率轉(zhuǎn)換算法研究及應用.pdf
- 基于低秩近似的通信信號欠采樣算法研究及應用.pdf
- 非均勻采樣信號重構(gòu)技術及應用研究.pdf
- 基于RGBD的似物性采樣算法研究.pdf
- 基于欠采樣的信號重建算法研究.pdf
- 基于相似關系的摳圖算法及應用研究.pdf
評論
0/150
提交評論