83、通用计算提取器（UCEs）与代码混淆：标准模型下的密码学研究

通用计算提取器（UCEs）与代码混淆：标准模型下的密码学研究

1. 多阶段游戏中的不可区分性与UCEs优势

在密码学中，UCEs（通用计算提取器）在证明密码方案安全性方面展现出了显著优势，尤其是在多阶段游戏场景中。例如，带密钥的截断MD变体和流行的HMAC构造都被证明具有UCE[Scup]安全性。与直接在随机预言机模型下进行证明相比，使用UCEs进行证明具有更强的优势。若一个多阶段安全定义（如确定性公钥加密）的构造在随机预言机设定下被证明是安全的，这并不直接意味着它在HMAC中也安全。但当基于UCEs证明安全性时，不仅意味着在随机预言机设定下的安全性，在假设压缩函数理想的情况下，对于HMAC同样适用。从这个意义上说，UCEs补充了不可区分性框架，为克服多阶段场景中前者的局限性提供了工具集。

2. 标准模型下的UCEs

UCEs在理想化模型中对证明密码方案的安全性非常有用。然而，UCEs的理想目标是在标准模型下构建，例如将UCE[Scup]构建在标准且成熟的密码学假设之上。但对于相对于计算不可预测源的UCEs（即UCE[Scup]），前景并不乐观。存在一个“二选一”的结果表明，只有当所谓的密码学不可区分混淆器不存在时，相对于计算不可预测源的UCEs才可能存在。不过，这并不意味着UCE[Scup]在标准模型中不能存在，因为不可区分混淆器也是密码学工具集中相对较新的概念，所有已知的候选构造都基于尚未充分研究的新假设。目前，人们更倾向于认为不可区分混淆器存在，而非UCE[Scup]。

另一方面，相对于统计不可预测源的UCE[Ssup]实际上足以满足许多用例，并且不可区分混淆器的存在并不排除此类UCEs的存在。实际上，不可区分混淆器甚至可用于构建受限形式的UCE[S