31、基于格的洗牌证明及其在电子投票中的高效优化

基于格的洗牌证明及其在电子投票中的高效优化

1. 引言

洗牌论证在电子投票等应用中至关重要,它能让证明者向验证者表明,自己知晓两个密文列表之间的排列关系。在电子投票里,这一论证可实现加密选票的匿名化,防止作弊。不过,构建高效的洗牌论证并非易事,当前的洗牌论证虽相对高效,但概念复杂,且大多存在一些不足,如安全性较弱、依赖特定模型或轮数过多等。

已知的计算效率较高的洗牌论证主要有三种范式:
- Furukawa和Sako的方法 :依赖特定的置换矩阵特征,即矩阵的列向量满足特定的内积条件。该论证的隐私要求弱于零知识,不过后来Furukawa对其进行了优化,使其更高效且具备零知识特性,且此方法的洗牌论证只需3条消息。
- Neff的方法 :利用多项式根的置换结果不变的特性。Groth对Neff的论证进行了优化,得到了目前计算效率最高的洗牌论证,但该方法需要7条消息。
- Terelius和Wikström(TW)的方法 :基于(Z_q[X])是唯一分解域的事实,采用另一种置换矩阵的特征。该方法产生的洗牌论证消息数量为5条,虽计算复杂度略高于前两种方法,但具有重要的实际应用优势,一是该方法未申请专利,二是有可用的开源软件包,且已应用于多次现实电子选举。

我们提出了一种更高效的洗牌论证,基于TW的方法进行了显著优化,通过推广置换矩阵的特征、使用Groth的系数积论证和批处理验证技术,得到了已知的≤5消息洗牌论证中最快的方法,在某些实现中甚至可能比Groth的7消息论证更快。

2. 相关方案对比

以下是我们的

【电动汽车充电站有序充电调度的分散式优化】基于蒙特卡诺和拉朗日的电动汽车优化调度(分时电价调度)(Matlab代码实现)内容概要:本文介绍了基于蒙特卡洛和拉朗日方法的电动汽车充电站有序充电调度优化方案,重点在于采用分散式优化策略应对分时电价机制下的充电需求管理。通过构建数学模型,结合不确定性因素如用户充电行为和电网负荷波动,利用蒙特卡洛模拟生成大量场景,并运用拉朗日松弛法对复杂问题进行分解求解,从而实现全局最优或近似最优的充电调度计划。该方法有效降低了电网峰值负荷压力,提升了充电站运营效率与经济效益,同时兼顾用户充电便利性。 适合人群:具备一定电力系统、优化算法和Matlab编程基础的高校研究生、科研人员及从事智能电网、电动汽车相关领域的工程技术人员。 使用场景及目标:①应用于电动汽车充电站的日常运营管理,优化充电负荷分布;②服务于城市智能交通系统规划,提升电网与交通系统的协同水平;③作为学术研究案例,用于验证分散式优化算法在复杂能源系统中的有效性。 阅读建议:建议读者结合Matlab代码实现部分,深入理解蒙特卡洛模拟与拉朗日松弛法的具体实施步骤,重点关注场景生成、约束处理与迭代收敛过程,以便在实际项目中灵活应用与改进。
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