Puncte:2

Lucrarea „Cum să întâlniți cheile LWE ternare”: Ce este t și cum se utilizează

drapel cn

Am citit iar si iar această lucrare de la A. May, dar, probabil pentru că sunt nou în acest domeniu, nu reușesc să înțeleg partea MEET-LWE.

În special, în partea 5 se prevede alegerea unui „vector țintă ales aleatoriu” $t â \mathbb{Z}_r^q$. Mai târziu, se spune că o valoare de $s1$ satisfăcător $Ï_r (As1 + e1) = t $ poate fi soluția sistemului LWE și ceva similar pentru s2. Deci intrebarile mele sunt:

  • Este $t$ într-adevăr complet aleatoriu sau am omis ceva? De ce este de dimensiune $r$?
  • Cum putem reduce spațiul de căutare de $s$ folosind ecuația menționată și echivalentul acesteia pentru $s2$?
Puncte:1
drapel cn

Așa că după câteva săptămâni am reușit să găsesc câteva răspunsuri la întrebarea mea.

Este într-adevăr complet aleatoriu sau am omis ceva?

Da, este aici pentru a reduce ambiguitatea spațiului de căutare. Totul pleacă de la ideea că de exemplu: $ \begin{bmatrix} 1 \ -1 \ 0 \ -1 \ 1 \ 0 \ \end{bmatrix} = \begin{bmatrix} 1 \ 0 \ 0 \ -1 \ 0 \ 0 \ \end{bmatrix} + \begin{bmatrix} 0 \ -1 \ 0 \ 0 \ 1 \ 0 \ \end{bmatrix} = \begin{bmatrix} 1 \ -1 \ 0 \ 0 \ 0 \ 0 \ \end{bmatrix} + \begin{bmatrix} 0 \ 0 \ 0 \ -1 \ 1 \ 0 \ \end{bmatrix} $

Aceste 2 combinații de vectori conduc la același rezultat. Dar navigarea pe ambele este inutilă, deoarece combinația lor este aceeași.Astfel, este posibil să reducem spațiul de căutare ignorând unele combinații redundante și pentru a face asta setăm unele valori ca constante în partea dreaptă a ecuației LWE (de ex. $Ca$ si nu $s$) din cauza unor proprietăţi matematice (omomorfismul proiecţiei A. mai introduce).

De ce este de dimensiune $r$?

$r=floor(log_q(R))$ Unde $R$ este dimensiunea spațiului de reprezentare al vectorului pe care îl căutăm. În exemplul de mai sus, $R\geq2$ deoarece am găsit 2 moduri de a reprezenta vectorul. Astfel, cel $log_q$ de care $R$ este numărul de coordonate din spațiu $\mathbb{Z}_r^q$ pe care o putem seta la o valoare fixă ​​pentru a reduce spațiul de căutare. Cu toate acestea, acest număr de coordonate trebuie să fie un întreg, așa că luăm rotunjirea etajului a ceea ce am obținut.

Cum putem reduce spațiul de căutare de $s_1$ folosind ecuația menționată și echivalentul acesteia pentru $s_2$?

O modalitate de a-l exploata este să aplici abordarea potrivire și filtrare:

  1. Generați toate jumătățile posibile ale $s_1$ după cum descrie A. May
  2. Combinați-le și filtrați, adică respingeți cele obținute $s_1$ dacă $\pi_r(As_1) \ne t$ sau dacă nu este un vector ternar valid cu greutatea Hamming bună
  3. Faceți echivalentul pentru $s_2$ (rețineți ecuația cu $t$ nu este același lucru cu care suntem în partea dreaptă a copacului)
  4. Combinați acești vectori cu hashingul Odlyzko și verificați ecuația LWE

Desigur, acesta trebuie adaptat pentru copacii mai mari.

Postează un răspuns

Majoritatea oamenilor nu înțeleg că a pune multe întrebări deblochează învățarea și îmbunătățește legătura interpersonală. În studiile lui Alison, de exemplu, deși oamenii își puteau aminti cu exactitate câte întrebări au fost puse în conversațiile lor, ei nu au intuit legătura dintre întrebări și apreciere. În patru studii, în care participanții au fost implicați în conversații ei înșiși sau au citit transcrieri ale conversațiilor altora, oamenii au avut tendința să nu realizeze că întrebarea ar influența – sau ar fi influențat – nivelul de prietenie dintre conversatori.