本文研究近似同态加密(approximate homomorphic encryption)中噪声泛洪(noise flooding)防御手段在自适应解密攻击下的安全性证明问题。噪声泛洪是抵御解密攻击的标准技术,但其安全证明对组合方式异常敏感:若用统计接近的模拟替换 q 次自适应解密应答,并采用普通混合论证,则会损失线性因子 q。传统密码学证明改为累积条件 KL(Kullback-Leibler)散度成本,并在最后一次性转换为统计距离,从而获得参数关键的平方根损失。作者使用 Rocq 证明助手和 SSProve 框架对该论证进行机器验证。针对任意满足近似正确性和 IND-CPA 安全的全同态加密方案,他们形式化了对于任意 q 次查询的 IND-CPAD 攻击者的归约,并证明了攻击优势上界为 β_CPA(B_A,q) + sqrt(qn)/(2γ),其中 n 是明文维度,γ 是泛洪宽度乘子。证明过程中构建了一种基于 SSProve 语义的新型关系程序逻辑,其毕达哥拉斯判断(Pythagorean judgment)能够组合条件 KL 预算而无需转换为统计距离;同时,一个经过验证的迹编译器将局部预言机规则提升到任意自适应程序,且仅需一次最终转换。该工作的核心贡献在于:为自适应场景下噪声泛洪安全性提供了机器可验证的证明框架,解决了混合论证中线性损失与平方根损失之间的微妙权衡问题,并为同态加密安全性证明的机械化奠定了基础。适合对密码学形式化验证、同态加密安全性分析以及程序逻辑感兴趣的科研人员与安全工程师阅读。
💡 推荐理由: 该研究为近似同态加密中噪声泛洪的安全证明提供了机器验证的严谨方法,填补了自适应组合下安全界证明的机械化空白,有助于提升加密协议可信度,对依赖同态加密的隐私计算场景具有重要参考价值。
🎯 建议动作: 研究跟进