10、密钥封装机制(KEM)的泛化研究

密钥封装机制(KEM)的泛化研究

1. KEM安全相关不等式

对于攻击KEM安全的所有对手A,存在分别攻击VKEM1、VKEM2安全的对手B1、B2,以及分别攻击VKEM1、VKEM2标签绑定的对手C1、C2,满足以下不等式:
- (Adv_{ke–kem}(A) ≤ Adv_{ke–vkem}(B1) + Adv_{lb}(C2))
- (Adv_{ke–kem}(A) ≤ Adv_{ke–vkem}(B2) + Adv_{lb}(C1))

证明思路是从KEM安全游戏开始,添加Promise指令,若对手A的操作破坏标签绑定则判定其“获胜”,这会带来(Adv_{lb}(C))的代价。之后,根据访问规则利用游戏第60行释放的会话密钥回复查询,此时A的剩余优势为(Adv_{ke–vkem}(B))。

2. KDF封装机制(KDFEM)

KDFEM不直接输出会话密钥,而是建立键控KDF实例,该实例能将域L确定性地映射到范围K,用于导出任意数量的会话密钥。

KDFEM的组成包括:
- 秘密密钥空间SK
- 公共密钥空间PK
- 状态空间ST
- 密文空间C
- 封装句柄空间HD
- 密钥生成算法(gen → SK × PK)
- 算法enc、dec、eval,具体如下:
- (PK → enc → C × HD × ST)
- (SK × C → dec → HD × ST)
- (ST × L → eval → K)

对于正确性,有以下要求:
1. 句柄新鲜性:enc输出的句柄hd是唯一的。 <

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方的例子。 简单的平方问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
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