68、具有更短公钥的整数全同态加密

具有更短公钥的整数全同态加密

1. 方案选择与正确性

1.1 公钥参数选择

在方案设计中,对于公钥参数 $q_0$ 的选择有两种方式。一种不太实际的方式暂不考虑,另一种是将 $q_0$ 选为 $(\gamma - \eta) / \lambda^2$ 个随机素数的乘积,每个素数大小为 $\lambda^2$ 比特。选择 $\lambda^2$ 比特的因子而非 $\lambda$ 比特,是因为像 ECM 这样的分解算法在因子大小上具有亚指数复杂度,能高效提取 $\lambda$ 比特的素因子。在实现中,为防止此类攻击,可安全地将 $q_0$ 生成为例如 1000 比特素数的乘积。

1.2 正确性定义

对于给定电路或电路集,定义了正确的同态方案。将允许的电路定义为:对于任意 $i \geq 1$ 和任意一组绝对值均小于 $\tau^i \cdot 2^{i(\rho’ + 2)}$ 的整数输入,广义电路的输出绝对值至多为 $2^{i(\eta - 3 - n)}$,其中 $n = \lceil \log_2(\lambda + 1) \rceil$,记允许电路的集合为 $C_E$。

1.3 方案正确性引理

引理表明,上述方案对于 $C_E$ 是正确的。“新鲜”密文(由 Encrypt 输出)的噪声至多为 $\tau \cdot 2^{\rho’ + 2}$,对允许电路应用 Evaluate 输出的密文噪声至多为 $2^{\eta - 3 - n} < p / (4(\lambda + 1))$。虽然 $p / 2$ 的界限足以确保正确解密,但这个更强的界限有助于后续证明该方案可引导版本的正确性。

【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
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