整数格中的算法与应用
1. 隐藏数字问题
在解决隐藏数字问题时,我们面临的情况是已知一个素数 $p$,需要找出一个未知整数 $s$,而我们仅有的信息是不同随机 $t_i$ 下 $st_i$ 在 $\mathbb{Z}_p$ 中的一些高阶位。
首先,我们构建一个由 $(n + 1) \times (n + 1)$ 矩阵 $A$ 的行 $a_0, \ldots, a_n$ 所张成的格 $L$:
[
A =
\begin{pmatrix}
1/\alpha & t_1 & t_2 & \cdots & t_n \
0 & p & 0 & \cdots & 0 \
0 & 0 & p & \cdots & 0 \
\vdots & \vdots & \vdots & \ddots & \vdots \
0 & 0 & 0 & \cdots & p
\end{pmatrix}
]
其中,向量 $y = (s/\alpha, st_1 \text{ srem } p, \ldots, st_n \text{ srem } p) \in L$。虽然计算出 $y$ 就能得到 $s$,但直接计算 $y$ 并不容易。不过,已知向量 $u = (0, u_1, \ldots, u_n) \in \mathbb{Z}^{n + 1}$ 与 $y$ 接近,满足 $|u - y| \leq \sqrt{n + 1} \cdot p/\alpha$。
下面是解决隐藏数字问题的算法:
算法 13.76:寻找隐藏数字
-
输入
:素数 $p$,正整数 $\alpha$ 和 $n$,$t = (t_1, \ldots, t_n) \in (\mathbb{Z}
p^\times)^n$ 以及 $u = (u_1, \ldots, u_n) \in \mathbb{Z}^n$,存在一个未知的 $s \in \mathbb{Z}_p$ 使得对于所有 $i \leq n$ 有 $u_i \in V
{\alpha}(t_is \text{ srem } p)$。
-
输出
:$s^
\in \mathbb{R}
p$ 满足对于所有 $i \leq n$ 有 $u_i \in V
{\alpha}(t_is^
\text{ srem } p)$,或者 “失败”。
1. 对矩阵 $A$ 运行基约化算法 13.13,返回约化基 $B$。
2. 设 $L$ 是由 $B$ 生成的格,调用最近超平面算法 13.59,返回一个与 $u$ 距离在 $2^{(n + 1)/2}$ 内的向量 $x = (x_0, \ldots, x_n) \in L$。
3. $s^
\leftarrow x_0 \cdot \alpha$。
4. 如果满足条件 $u_i \in V_{\alpha}(t_is^
\text{ srem } p)$ 对于所有 $i \leq n$,则返回 $s^*$,否则返回 “失败”。
定理 13.78 表明,当 $p \geq 2^{36}$ 为素数,$\lambda = (\log_2 p)^{1/2}$,$\varepsilon = \lambda^{-1}$,$\alpha \geq 25\lambda$,$n = \lfloor\lambda/2\rfloor$ 时,存在一个集合 $E \subset (\mathbb{Z}_p^\times)^n$,其元素个数 $#E \leq p^{n(1 - \varepsilon)}$,对于所有 $t \in (\mathbb{Z}_p^\times)^n \setminus E$,算法 13.76 能正确计算出 $s^* = s$,并且该算法运行时间为多项式时间。
从信息论的角度来看,$p$(和 $s$)的位数约为 $\log_2 p = \lambda^2$,每个 $u_i$ 大约提供 $\mu = \log_2 \alpha \approx \lambda$ 位关于 $s$ 的信息,我们有 $n \approx \lambda$ 个这样的值,总共约 $\lambda^2$ 位信息。这意味着算法成功所需的信息在常数因子范围内是必要的,从这个意义上说,该结果是最优的。
我们还可以通过随机选择 $t$ 来提高算法的成功率。推论 13.81 指出,当 $p \geq 2^{22}$ 为素数,$\lambda = (\log_2 p)^{1/2}$,$\alpha = \lceil 25\lambda\rceil$,$n = \lfloor\lambda/2\rfloor$,随机选择 $t \leftarrow (\mathbb{Z}_p^\times)^n$ 时,算法 13.76 计算出 $s^* = s$ 的成功概率至少为 $1 - p^{-1/4} > 1 - 1/40 > 1/2$。
2. 迪菲 - 赫尔曼问题的安全性
迪菲 - 赫尔曼问题(DHG)是指在一个由 $g$ 生成的循环群 $G = \langle g \rangle$ 中,已知 $A = g^a$ 和 $B = g^b$(但不知道指数 $a$ 和 $b$),需要计算 $g^{ab}$。通常认为 DHG 是困难的,这为迪菲 - 赫尔曼密钥交换提供了安全性保障。
在实际应用中,往往只使用公共密钥的一小部分,例如前 256 位作为共享的 AES 密钥。我们可以证明,对于 $\alpha \approx 2^{\mu}$(其中 $\mu = 5(\log_2 p)^{1/2}$),找到多个迪菲 - 赫尔曼解的 $\alpha$ - 近似值与找到完整的 $g^{ab}$ 一样困难。
下面是将迪菲 - 赫尔曼问题归约为求其前导位的算法:
算法 13.82:从迪菲 - 赫尔曼问题到其前导位的归约
-
输入
:素数 $p$,$\mathbb{Z}
p^\times$ 的生成元 $g$,以及 $A, B \in \mathbb{Z}_p^\times$。
-
输出
:某个 $W \in \mathbb{Z}_p^\times$,可能解决 $A, B$ 的迪菲 - 赫尔曼问题,或者 “失败”。
1. $\lambda \leftarrow (\log_2 p)^{1/2}$,$\alpha \leftarrow \lceil 25\lambda\rceil$,$n \leftarrow \lfloor\lambda/2\rfloor$。
2. $r \leftarrow \mathbb{Z}
{p - 1}$,$C \leftarrow Ag^r$。
3. 对于 $1 \leq i \leq n$,执行步骤 4 和 5。
4. $d_i \leftarrow \mathbb{Z}
{p - 1}$,$D_i \leftarrow Bg^{d_i}$,$t_i \leftarrow C^{d_i}$。
5. 调用前导位算法,对于 $C$ 和 $D_i$ 返回 $u_i \in V
{\alpha}(y_i \text{ srem } p)$,其中 $(C, D_i, y_i)$ 是一个迪菲 - 赫尔曼三元组。
6. 调用隐藏数字算法 13.76,输入 $t = (t_1, \ldots, t_n)$ 和 $u = (u_1, \ldots, u_n)$,返回 $s \in \mathbb{Z}_p^\times$ 或 “失败”。若返回 “失败”,则本算法也返回 “失败”。
7. 返回 $W = sB^{-r} \in \mathbb{Z}_p^\times$。
定理 13.83 表明,当 $p \geq 2^{36}$ 为 $k$ 位素数,$G = \mathbb{Z}_p^\times$ 时,算法的输出 $W$ 解决 $A, B$ 的迪菲 - 赫尔曼问题的概率至少为 $1/(4\log_2 k)$,并且该算法使用多项式时间加上最多 $\sqrt{k}/2$ 次对迪菲 - 赫尔曼问题前导位算法的调用。
推论 13.84 给出了一个公理安全性陈述:如果在 $\mathbb{Z}_p^\times$ 中的迪菲 - 赫尔曼问题对于多项式时间攻击的成功率至少为 $1 - 1/(4\log_2 k)$ 是安全的,那么对于多项式时间的 $\alpha$ - 近似也是安全的。
下面是算法 13.82 的流程图:
graph TD;
A[开始] --> B[计算λ, α, n];
B --> C[随机选择r, 计算C];
C --> D{1 ≤ i ≤ n};
D -- 是 --> E[随机选择d_i, 计算D_i, t_i];
E --> F[调用前导位算法得到u_i];
F --> D;
D -- 否 --> G[调用隐藏数字算法];
G -- 失败 --> H[返回失败];
G -- 成功 --> I[计算W];
I --> J[返回W];
通过上述内容,我们可以看到隐藏数字问题的算法和迪菲 - 赫尔曼问题的归约算法之间的紧密联系,以及它们在密码学安全性分析中的重要作用。这些算法和定理为我们理解和保障密码系统的安全性提供了有力的工具。
3. 铜匠方法
铜匠方法利用格基约化来寻找整数多项式的 “小” 整数根,该方法由铜匠(Coppersmith)在 1997 年提出,并由梅(May)等人在 2003 年进行了扩展,它在特定情况下可用于 RSA 密码系统的密码分析。
在 RSA 中,要从公开和传输的数据中恢复明文,需要在已知 $N$、$e$ 和 $y$ 的情况下,计算满足 $x^e = y$ 在 $\mathbb{Z}_N$ 中的 $x$,即找到多项式 $f = t^e - y \in \mathbb{Z}_N[t]$ 在模 $N$ 下的根。然而,目前没有已知的有效算法可以对模合数的多项式进行因式分解,因此铜匠方法的思路是将模 $N$ 下的根查找问题转化为整数上的根查找问题,不过这仅在 $e$ 较小时有效。
对于向量 $u = (u_0, \ldots, u_{n - 1}) \in \mathbb{R}^n$,其 1 - 范数定义为 $|u| 1 = \sum {1 \leq i < n} |u_i|$,并且有著名的柯西 - 施瓦茨不等式 $|u| 1 \leq n^{1/2} \cdot |u|$ 成立。我们将多项式 $g = \sum {0 \leq i < n} g_it^i \in \mathbb{Z}[t]$ 与其系数向量 $(g_0, \ldots, g_{n - 1}) \in \mathbb{Z}^n$ 等同看待,这样就有 $|g| 1 = \sum {0 \leq i < n} |g_i|$ 和 $|g| = (\sum_{0 \leq i < n} g_i^2)^{1/2}$。
下面的引理表明,小多项式在模 $M$ 下的小根实际上是整数根,这样就可以有效地找到这些根。
引理 13.89
:设 $g \in \mathbb{Z}[t]$ 的次数小于 $n$,$c$ 和 $M$ 为正整数,且满足 $n^{1/2} \cdot |g(c \cdot t)| < M$,若 $r \in \mathbb{Z}$ 满足 $|r| \leq c$ 且 $g(r) = 0$ 在 $\mathbb{Z}_M$ 中成立,则 $g(r) = 0$ 在 $\mathbb{Z}$ 中成立。
该引理提示我们可以通过设计一个小多项式 $g$ 来寻找 $f \in \mathbb{Z}[t]$ 在模 $N$ 下的小根,使得 $g$ 的模根包含 $f$ 的模根,例如 $g = fh$($h$ 为某个多项式),并且 $g$ 的范数较小。但通常很难找到满足要求的 $g$,因此我们进行如下放松:选择一个正整数 $k$,若 $0 \leq j \leq k$ 且 $f(r) = 0$ 在 $\mathbb{Z} N$ 中成立,则 $N^{k - j}f(r)^j = 0$ 在 $\mathbb{Z} {N^k}$ 中成立,我们取 $g$ 为 $N^{k - j}f^j$ 的线性组合。
下面是构建一个以 $r$ 为模 $m^k$ 根的多项式 $g$ 的算法:
算法 13.90:具有高阶根的小多项式
-
输入
:首一一次多项式 $f \in \mathbb{Z}[t]$,正整数 $N$、$c$ 和 $k$,以及实数 $\mu$ 满足 $0 < \mu \leq 1$。
-
输出
:$g \in \mathbb{Z}[t]$。
1. $n \leftarrow \lceil k/\mu\rceil$。
2. 对于 $0 \leq i \leq k$,$h_{i} = N^{k - i}f^i$;对于 $k < i < n$,$h_{i} = t^{i - k}f^k$。
3. 形成 $n \times n$ 矩阵 $A$,其行是 $h_0(ct), \ldots, h_{n - 1}(ct)$ 的系数向量。
4. 对 $A$ 的行应用基约化算法 13.13,输出 $B = UA$,其中 $U \in \mathbb{Z}^{n \times n}$ 是幺模矩阵。设 $(u_0, \ldots, u_{n - 1}) \in \mathbb{Z}^n$ 是 $U$ 的第一行。
5. 返回 $g = \sum_{0 \leq i < n} u_ih_i$。
示例 13.91
:我们以输入 $f = t + 53$,$N = 2183$,$c = 6$,$k = 4$,$\mu = 1/2$ 来跟踪该算法。
- 在步骤 1 中,$n = 8$。
- 多项式 $h_i$ 分别为:
- $h_0 = 22709885409121$
- $h_1 = 10403062487 t + 551362311811$
- $h_2 = 4765489 t^2 + 505141834 t + 13386258601$
- $h_3 = 2183 t^3 + 347097 t^2 + 18396141 t + 324998491$
- $h_4 = t^4 + 212 t^3 + 16854 t^2 + 595508 t + 7890481$
- $h_5 = t^5 + 212 t^4 + 16854 t^3 + 595508 t^2 + 7890481 t$
- $h_6 = t^6 + 212 t^5 + 16854 t^4 + 595508 t^3 + 7890481 t^2$
- $h_7 = t^7 + 212 t^6 + 16854 t^5 + 595508 t^4 + 7890481 t^3$
- $8 \times 8$ 矩阵 $A$ 的行是 $h_i(6t)$ 中 $t^0, t^1, t^2, \ldots, t^7$ 的系数。
- 步骤 4 返回 $B$ 和 $U$,$B$ 和 $U$ 的第一行分别为:
- $b_0 = ( -2163672, -4246020, 3044412, 315792, -970704, 1127520, 2612736, 279936)$
- $u = (0, 2, -500, 52065, -1435989, 16363, -156, 1)$
- 算法的输出为:
- $g = t^7 + 56t^6 + 145t^5 - 749t^4 + 1462t^3 + 84567t^2 - 707670t - 2163672 = (t - 6) \cdot (t + 53) \cdot (t^2 + 13t + 63) \cdot (t^3 - 4t^2 + 29t + 108)$
引理 13.92 :算法 13.90 的输出满足 $\text{deg } g < n$ 且 $|g(ct)| \leq 2^{(n - 1)/4}N^{k(k + 1)/2}c^{(n - 1)/2}$。对于任何 $r \in \mathbb{Z}$ 和 $N$ 的因子 $m$,若 $f(r) = 0$ 在 $\mathbb{Z} m$ 中成立,则 $g(r) = 0$ 在 $\mathbb{Z} {m^k}$ 中成立。该算法的运行时间是关于 $\log(N \cdot |f|)$ 和 $k/\mu$ 的多项式时间。
定理 13.93 :设 $f$、$N$、$c$、$k$ 和 $\mu$ 是算法 13.90 的输入,$g$ 是输出,且满足 $\delta \geq \frac{1}{2} \log_N((\frac{k}{\mu} + 1)2^{k/2\mu})$,$c \leq N^{\mu^2 - \mu(\mu + 2\delta)/k}$,$m \geq N^{\mu}$ 是 $N$ 的因子。则 $g$ 的所有整数根的集合 $R$ 最多有 $\lceil k/\mu\rceil$ 个元素,并且包含所有满足 $f(r) = 0$ 在 $\mathbb{Z}_m$ 中成立且 $|r| \leq c$ 的 $r \in \mathbb{Z}$,$R$ 可以在多项式时间内计算。
当应用该定理时,我们选择足够大的 $k$,使得 $c$ 的边界中的 $\mu(\mu + 2\delta)/k$ 项与 $\mu^2$ 相比变得非常小。
下面是算法 13.90 的流程图:
graph TD;
A[开始] --> B[计算n];
B --> C[计算h_i];
C --> D[形成矩阵A];
D --> E[应用基约化算法];
E --> F[获取U的第一行];
F --> G[计算g];
G --> H[返回g];
总结
本文围绕整数格中的算法与应用展开,涵盖了隐藏数字问题、迪菲 - 赫尔曼问题的安全性以及铜匠方法三个重要部分。
在隐藏数字问题中,我们通过构建特定的格和使用基约化算法,能够在一定条件下找到未知的整数 $s$。该算法在信息论意义上具有最优性,并且通过随机选择输入可以提高成功率。这为解决一些密码学中的未知参数问题提供了有效的方法。
迪菲 - 赫尔曼问题是密码学中的核心问题之一,其安全性是许多密钥交换协议的基础。我们通过将迪菲 - 赫尔曼问题归约为求其前导位的问题,证明了如果原问题对于多项式时间攻击是安全的,那么对于多项式时间的 $\alpha$ - 近似也是安全的。这为保障迪菲 - 赫尔曼密钥交换的安全性提供了理论支持。
铜匠方法则为寻找整数多项式的小整数根提供了一种有效的手段,尤其在 RSA 密码系统的密码分析中具有重要应用。通过将模合数的根查找问题转化为整数上的根查找问题,该方法在特定情况下可以帮助我们破解 RSA 加密。
这些算法和方法相互关联,共同为密码学的安全性分析和密码系统的设计提供了丰富的工具和理论基础。在实际应用中,我们可以根据具体的问题场景选择合适的算法,以保障密码系统的安全性和有效性。同时,这些研究也为进一步探索密码学中的未知领域提供了方向和思路。
57



被折叠的 条评论
为什么被折叠?



