基于格上带预处理最近向量问题加速求解的后量子密码算法安全性评估方法及系统

著录项目

摘要

本发明公开了一种基于格上带预处理最近向量问题加速求解的后量子密码算法安全性评估方法，属于后量子密码与机器学习交叉领域。针对现有CVPP求解算法每轮需遍历指数级向量集合导致安全性评估效率低的问题，本发明用机器学习替代传统全局搜索。方法包括：预处理阶段生成目标格短向量集并训练分类模型；查询阶段对给定目标向量迭代输入模型，选最大对齐分数向量约减直至收敛，输出最近格向量用于评估密码安全强度。本发明将搜索复杂度从指数级降为多项式级，预处理成本可摊销。实验表明维度70时比现有方法加速数百倍，可大幅缩短后量子密码安全评估周期，适用于CRYSTALS‑Kyber等方案的安全性评估。

附图

附图 1