18、多项式插值在密码学中的应用与研究

多项式插值在密码学中的应用与研究

1. 引言

在密码学领域,多项式插值是一个重要的研究方向,它与离散对数、RSA 问题等密切相关。Lange 和 Winterhof 在相关研究中给出了许多关于多项式插值次数的结果,涉及离散对数密码系统,包括椭圆曲线密码学。本文将在此基础上进一步探讨两个方面的内容:一是具有特定自同态的椭圆曲线离散对数(ECDL)的多项式插值次数的更好下界;二是有限域乘法子群到椭圆曲线嵌入的多项式插值次数。

2. 相关定理及结果
2.1 定理 2

设 (M \geq 3),(p_1 < p_2 < \cdots < p_M) 为一组素数,(f \in R[X]) 是满足 (f(p_ip_j) = \frac{(p_i - 1)(p_j - 1)}{\gcd(p_i - 1, p_j - 1)})((1 \leq i < j \leq M))的多项式。令 (T = \min_{1\leq i\leq M} \tau(p_i - 1)),则有:
- (\text{deg}(f) \geq \frac{M - 1}{T})
- (C_{\pm}(f) \geq \left(\frac{1}{5} \log \left(\frac{M - 1}{T}\right)\right)^{1/2} - 2)

证明过程:选择 (1 \leq k \leq M) 使得 (\tau(p_k - 1) = \min_{1\leq i\leq M} \tau(p_i - 1))。对于 (p_k - 1) 的每个因子 (d),定义多项式 (F_d(X) = f(p_kX) - \frac{(X - 1)

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
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