中国研究人员发现使用量子计算机破解加密的新方法

破解在线加密新方法
国内研究人员提出一项新技术,可在现有量子计算机上破解RSA算法,这一进展比预期提前多年。使用372个量子比特即可实现,而IBM已接近提供足够的量子比特。尽管此方法仍需验证,但它标志着量子计算领域的重大进步。

近期,国内研究人员宣布:他们找到了一种方法,可以使用当前一代的量子计算机破解最常见的在线加密形式,这比该技术会构成威胁的预计时间早了很多年。计算机安全专家正在评估。

相关论文已在2022年12月底发表,该方法由多个学术机构和国家实验室的24名研究人员研发,可用于破解RSA算法(支持大多数在线加密),只需要使用372个量子比特的量子计算机就能破解。

IBM表示,在已公开亮相的量子计算机中,其433个量子比特的Osprey系统,将于今年年初向其客户提供。

计算机安全专家兼作家 Roger Grimes 说:“如果中国研究人员的发现正确,那么这项研究将标志着计算机安全史上出现了一个重要时刻。这意味着政府可以破解其他政府的机密,是计算机科学史上最伟大的事情之一。”其他专家表示:虽然论文中概述的理论看似合理,但要将其应用于实践,可能超出了当今量子技术的能力范围。

1994年,麻省理工学院的科学家Peter Shor的算法证明了量子计算机可以击败在线加密,引发了量子计算的研究热潮。Peter Shor的方法需要具有数十万甚至数百万量子比特计算机,许多专家认为这需要十年或更长时间才能实现。对于中国研究人员的方法,Peter Shor说:“这篇论文理论上并没有错,然而,算法的运行速度还未能解决,可能仍需很长时间。”

去年,德国数学家 Claus-Peter Schnorr发布了一种算法,他声称这是一种更有效的分解大质数的方法,可以破解RSA代码的核心,能够应用于传统计算机。然而事实证明,Schnorr的技术无法按需扩展以破解RSA算法。此后,在不到一年的时间里,中国研究人员最新的研究论文宣布在线加密即将被破解,再次震撼计算机安全领域。

在这篇最新的研究论文中,他们声称:利用量子计算机,可以加速解决Schnorr无法解决的计算部分,从而弥补了Schnorr研究中的空白。该方法利用了量子系统和经典系统的混合技术,这是目前正在进行的大部分工作的重点,这些工作正在寻找量子计算机的实际用途。

中国研究人员表示,利用新算法,他们已经在具有10个量子比特的量子计算机上分解了一个48位的数字,但受现有设备的限制,他们还未尝试将其扩展到更大的系统上。

计算机安全专家Bruce Schneier说:“该技术是否能克服Schnorr的缩放问题、在实践中是否有效还有待证实,量子系统已经达到了研究人员概述的规模,这意味着他们的说法很快就可以得到检验。无论结果如何,这项研究都凸显了一个事实:使用量子计算机寻找破解加密方法的竞赛,比许多人预期的要早得多。有人打赌破解RSA是行不通的,但总有一天他们会输。”

编译:卉可

编辑:慕一

同步定位与地图构建(SLAM)技术为移动机器人或自主载具在未知空间中的导航提供了核心支撑。借助该技术,机器人能够在探索过程中实时构建环境地图并确定自身位置。典型的SLAM流程涵盖传感器数据采集、数据处理、状态估计及地图生成等环节,其核心挑战在于有效处理定位与环境建模中的各类不确定性。 Matlab作为工程计算与数据可视化领域广泛应用的数学软件,具备丰富的内置函数与专用工具箱,尤其适用于算法开发与仿真验证。在SLAM研究方面,Matlab可用于模拟传感器输出、实现定位建图算法,并进行系统性能评估。其仿真环境能显著降低实验成本,加速算法开发与验证周期。 本次“SLAM-基于Matlab的同步定位与建图仿真实践项目”通过Matlab平台完整再现了SLAM的关键流程,包括数据采集、滤波估计、特征提取、数据关联与地图更新等核心模块。该项目不仅呈现了SLAM技术的实际应用场景,更为机器人导航与自主移动领域的研究人员提供了系统的实践参考。 项目涉及的核心技术要点主要包括:传感器模型(如激光雷达与视觉传感器)的建立与应用、特征匹配与数据关联方法、滤波器设计(如扩展卡尔曼滤波与粒子滤波)、图优化框架(如GTSAM与Ceres Solver)以及路径规划与避障策略。通过项目实践,参与者可深入掌握SLAM算法的实现原理,并提升相关算法的设计与调试能力。 该项目同时注重理论向工程实践的转化,为机器人技术领域的学习者提供了宝贵的实操经验。Matlab仿真环境将复杂的技术问题可视化与可操作化,显著降低了学习门槛,提升了学习效率与质量。 实践过程中,学习者将直面SLAM技术在实际应用中遇到的典型问题,包括传感器误差补偿、动态环境下的建图定位挑战以及计算资源优化等。这些问题的解决对推动SLAM技术的产业化应用具有重要价值。 SLAM技术在工业自动化、服务机器人、自动驾驶及无人机等领域的应用前景广阔。掌握该项技术不仅有助于提升个人专业能力,也为相关行业的技术发展提供了重要支撑。随着技术进步与应用场景的持续拓展,SLAM技术的重要性将日益凸显。 本实践项目作为综合性学习资源,为机器人技术领域的专业人员提供了深入研习SLAM技术的实践平台。通过Matlab这一高效工具,参与者能够直观理解SLAM的实现过程,掌握关键算法,并将理论知识系统应用于实际工程问题的解决之中。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值