一种基于LWE采样算法的实现与优化

• 作者: 彭双和 王柯翔 黎琳
• 来源期刊: 北京交通大学学报
• 学科: 工学
• 关键词: 格 带错误学习问题 高斯分布 错误因子 采样
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 计算机网络和缓存结构
• 页码范围: 32-36
• 页数: 5页
• 分类号: TP309
• 字数: 4078字
• 语种: 中文
• DOI: 10.11860/j.issn.1673-0291.2017.05.005

摘要

基于带错误学习问题(Learning With Errors,LWE)构造的密码体制能够抵御量子攻击,它的应用效率与LWE问题的采样过程密切相关.而在LWE问题采样中,对其中的错误因子(Error Factor)采样占采样过程绝大部分时间,本文对LWE问题中的错误因子的采样算法进行研究,将在高斯分布上效率较高的金字塔(Ziggurat)采样算法,应用到了一种高效的LWE问题采样算法中.基于在连续域上的采样比离散域上采样效率高的思路,对LWE问题采样算法在离散域上采样的过程进行了优化,提出了一种将连续域上的采样结果进行取整的方法,.对优化前后的两种LWE问题的采样算法进行了对比实验,结果表明:改进后的算法在不占用大量内存并且保证安全性的情况下,将采样速度提高了38％～200％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黎琳	北京交通大学计算机与信息技术学院	9	28	3.0	5.0
2	彭双和	北京交通大学计算机与信息技术学院	17	78	5.0	8.0
3	王柯翔	北京交通大学计算机与信息技术学院	1	0	0.0	0.0