#LWE

共收录 9 条相关情报。

← 返回所有主题
学术论文2026-09-30 发布INFO

Exponential quantum speedup for $\mathbb{F}_3^n$-Subset-Sum? Or, rigorous classical algorithms for Binary-Error LWE

该论文研究 F_3^n 上的向量子集和问题:给定 m 个取自 F_3^n 的随机向量,要求找出一个非空子集使其向量和为零;m 越小,问题越难。该问题与后量子密码(尤其是基于 LWE 的构造)以及组合优化密切相关,也是量子优势研究中的经典试验

历史摘要 · 未重新核验 · arXiv cs.CR

学术论文2026-09-29 发布INFO

Classical Verification of Quantum Computation with Quasilinear Resources, from Compiled Nonlocal Games

该论文研究的是「量子计算的经典验证」这一核心问题:如何让一个只能进行经典计算的验证者,去核实一台不受信任的量子证明者是否正确地执行了量子电路。作者 Holler 与 Natarajan 基于「计算自测试」(computational sel

历史摘要 · 未重新核验 · arXiv cs.CR

学术论文2026-09-01 发布INFO

Verifiable quantum advantage in extremely low depth

该论文提出一个可在极低深度量子电路中求解、但在标准格基假设下对经典多项式时间算法困难、且可由经典计算机高效验证的采样问题。作者给出了两种量子实现:一种使用对数对数深度(log-log-depth)的量子电路(QNC^0[log log]),

历史摘要 · 未重新核验 · arXiv cs.CR

学术论文2026-08-30 发布INFO

A New Algebraic Algorithm for LWE

本文提出一种求解搜索型LWE问题(Search-LWE)的新代数算法。LWE问题由Regev于2005年引入,是现代密码学与后量子安全的核心假设。目前求解Search-LWE的算法大致分为代数类、组合类和格基类。该工作属于代数方法:其高层思

历史摘要 · 未重新核验 · arXiv cs.CR

学术论文2026-07-18 发布INFO

From Perfect to Approximate Hints: Efficient LWE Secret Recovery Leveraging Low Hamming Weight.

本文研究学习带误差问题(LWE)中秘密向量的恢复问题,特别关注秘密具有低汉明重量的情况。LWE是后量子密码学的基础假设,其安全性依赖于给定样本恢复秘密的困难性。传统方法通常假设秘密均匀分布,但在许多实际场景(如FrodoKEM、Kyber等

历史摘要 · 未重新核验 · IEEE S&P

学术论文2026-07-10 发布INFO

Portable Acceleration of Learning With Errors KEMs for Post-Quantum Cryptography

本文针对后量子密码(PQC)迁移中基于Learning With Errors(LWE)的密钥封装机制(KEM)计算开销大的问题,提出一种可移植的GPU加速方案。作者利用OpenMP Target offloading技术,在单一源码基础上

历史摘要 · 未重新核验 · arXiv cs.CR

学术论文2026-05-11 发布INFO

A Note on Banaszczyk's Inequality

该论文是对Banaszczyk不等式的进一步改进。Banaszczyk不等式是格密码学中一个经典的概率不等式,用于估计格上离散高斯分布的尾部概率,在格基密码系统的安全性分析中具有重要地位。此前,Tian、Liu和Xu已对该不等式给出了一个改

历史摘要 · 未重新核验 · arXiv cs.CR

学术论文2026-05-08 发布INFO

SalsaPicante: A Machine Learning Attack on LWE with Binary Secrets.

本文提出一种基于机器学习的攻击方法 SalsaPicante,针对带有稀疏二进制秘密的学习与错误(LWE)问题。LWE 是后量子密码(PQC)系统的基础难题,NIST 标准化的密钥交换机制(KEM)基于模 LWE,而现有同态加密(HE)库多

历史摘要 · 未重新核验 · ACM CCS

学术论文2026-05-06 发布INFO

Ringtail: Practical Two-Round Threshold Signatures from Learning with Errors.

本文提出了一种名为Ringtail的基于格的后量子阈值签名方案。阈值签名允许将签名密钥分发给ℓ个参与方,其中任意t个参与方可以联合生成签名。现有方案要么需要三轮签名协议(Eurocrypt'24),要么依赖非标准假设(Crypto'24)。

历史摘要 · 未重新核验 · IEEE S&P