61、带二元秘密的模块LWE问题的难度分析

带二元秘密的模块LWE问题的难度分析

1. 引言

在过去二十年里,基于格的密码学愈发流行,因为格为公钥密码原语提供了多种被认为困难的问题作为安全基础。格是欧几里得空间的离散子群,它带来了一些在经典和量子计算机上都被推测难以解决的计算问题。其中,最短向量问题(SVP)是核心问题之一,它要求从给定的格中找到最短的非零向量。SVP还有决策变体(GapSVP)和近似变体(GapSVPγ),后者需要判断向量的范数是小于阈值r还是大于γr(γ ≥ 1)。

不过,大多数基于格的原语的安全性基于平均情况问题,例如Regev引入的带误差学习问题(LWE)。LWE有两种变体:搜索变体要求根据形如 (a, q⁻¹⟨a, s⟩ + e) 的样本找到秘密 s ∈ Zₙq,其中 a 在 Zₙq 上均匀分布,e 是 T = R/Z 上的小误差;决策变体要求区分均匀秘密 s ∈ Zₙq 的样本和 Zₙq × T 上的均匀随机样本。误差通常从参数为 α > 0 的高斯分布 Dα 中采样。LWE 问题与著名的格问题如 GapSVPγ 相关,它从 GapSVPγ 有量子和经典的最坏情况到平均情况的归约,使其成为密码构造的有力候选。LWE 问题为从公钥加密到全同态加密、非交互零知识证明等各种密码原语开辟了道路。

尽管 LWE 提供了可证明安全的密码系统,但这些方案缺乏效率,这促使了对结构化变体的研究。这些变体通过考虑数域的整数环(R - LWE)、多项式环(P - LWE)或数域上的模块(M - LWE)来提高效率。本文聚焦于 M - LWE,它通过连接 LWE 和 R - LWE 提供了良好的安全 - 效率权衡。

设 K 是度数为 n 的数域,R 是其整数环。用 d 表示模块秩,q 表示模数

Security-feature-detection-system 安全检测系统 简介 安全检测系统-多目标识别(YOLOv5)和人脸识别(Facenet)快速部署系统。 功能上:本项目使用YOLOv5实现多目标识别,使用Facenet实现人脸识别,最终需要人脸和此人应具备的多目标同时满足才能通过安全检测,部署上:使用pyqt5实现前端可视化,在前端页面运行YOLOv5多目标识别系统(将模型运行封装到Qt中),使用Docker封装人脸识别后端系统,使用网络请求等包实现前后端交互 案例:进行多目标识别的同时,进行人脸识别,前端系统发送请求,携参数到后端进行人脸识别,最终返回人脸识别结果,获取人脸识别结果后,检索该成员应具备的多目标特征,与YOLOv5多目标识别的实际结果进行比对,若无误则通过安全检测。 根据原作 https://pan.quark.cn/s/9784cdf4abfd 的源码改编 项目背景 出于一些比赛的需要,以及逃离懵懂状态开始探索,我于2023.12~2024.1(大二上)开始一些CV、LLM项目的研究,苦于能力有限,当时大部分的项目都是依托开源搭建而来,诸如本项目就是依托开源的Compreface和Yolov5搭建,我只不过做了缝合的工作,所以在此必须提及这两个项目的巨大贡献:https://.com/exadel-inc/CompreFace https://.com/ultralytics/yolov5 今天是2024.7.11(大二下暑假),时隔半年我才开始这个项目的开源工作是因为,半年前的水平有限,虽然自己能实现项目的运作,但是恐很多细节介绍不好,当然本文自发出,后续我还会跟进,欢迎指正:22012100039@stu.xidian.edu.c...
使用教程: https://pan.quark.cn/s/c0f2b4acdf83,有不会的再问我  功能介绍: 用户输入人脸照片,程序从照片库中选出10张最相似人脸照片输出在文件夹中,并且给出这十张人脸与输入人脸的相似度值。 照片库可以增删 调节相似度阈值可调节 自定义UI操作界面 视频演示: [[项目分享]基于OpenCV的人脸集合相似度检测系统(源码&UI&教程)哔哩哔哩bilibili](https://www.bilibili.com/video/BV1Wa41137CW/?vd_source=bc9aec86d164b67a7004b996143742dc) 图片演示: png png 人脸相似度对比原理: 整体思路: 1、预先导入所需要的人脸识别模型; 2、遍历循环识别文件夹里面的图片,让模型“记住”人物的样子; 3、输入一张新的图像,与前一步文件夹里面的图片比对,返回最接近的结果。 使用到的第三方模块和模型: 1、模块:os,dlib,glob,numpy; 2、模型:人脸关键点检测器,人脸识别模型。 导入需要的模型。 这里解释一下两个dat文件: 它们的本质是参数值(即神经网络的权重)。 人脸识别算是深度习的一个应用,事先需要经过大量的人脸图像来训练。 参考该博客,设计一个神经网络结构,来“记住”人类的脸。 对于神经网络来说,即便是同样的结构,不同的参数也会导致识别的东西不一样。 在这里,这两个参数文件就对应了不同的功能(它们对应的神经网络结构也不同): shapepredictor.dat这个是为了检测人脸的关键点,比如眼睛,嘴巴等等;dlibface_recognition.dat是在前面检测关键点的基础上,生成人脸的特征值。 所以后面使用dlib模块的时...
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