基于LWE的可并行化委托技术解析

立即解锁
发布时间: 2025-08-31 00:33:07 阅读量: 9 订阅数: 40 AIGC
### 基于LWE的可并行化委托技术解析 #### 1. 时间无关SPARG证明与处理器分析 在对时间无关的SPARG(Succinct Parallelizable Argument)进行证明时,我们关注的是底层RAM委托方案中证明者的运行时间。假设底层可更新委托方案在计算证明及其更新时,仅存在某个多项式β(λ)的附加开销,且每次更新过程最多使用β(λ)个处理器。所有所需证明在时间t + β(λ)内完成,这表明证明者满足所需的运行时效率,接下来只需限制所使用的处理器数量。 由于每次更新/证明计算使用β(λ)个处理器,我们需要限制在任何给定时间发生的更新过程数量。考虑计算中的任意T步,对于最终配置cfb(其中b < T - λ · β(λ))的所有证明π(a,b)都已完成。因此,对于在cfT或之前结束的配置,最多有λ · β(λ)个证明正在进行。此外,对于每个大小为2i的证明,最多有一个大小为2i的证明可能已开始并在cfT之后结束。这意味着在任何给定时间最多计算λ + λ · β(λ)次更新,所以证明者总共只需要多项式数量(poly(λ))的处理器。 需要强调的是,这种转换从根本上依赖于底层委托方案像SPARG一样具有“时间紧”的特性。否则,所有证明之间的重叠会过大,协议将需要过多的处理器。 #### 2. 预备知识 ##### 2.1 RAM模型 RAM计算由一台机器M组成,它维护一些本地状态state,并可以对内存D ∈ ({0, 1}λ)∗进行读写访问(相当于图灵机的磁带)。这里,λ是安全参数和字的长度,设n ≤ 2λ是运行M所需的内存字数。当我们写M(x)表示在输入x上运行M时,意味着M期望其初始内存D由x后跟零组成。 M(x)的计算按步骤定义,在每一步,机器要么读取要么写入内存中的某个位置,并更新其本地状态。假设当M写入内存位置ℓ时,它会接收先前位于ℓ的字。不失一般性,假设状态可以容纳O(log n)位或恒定数量的字,并且每个时间步的本地状态包括上一步读取的字。同时,假设可以免费分配n个内存字并将其初始化为零。 当本地状态包含一个特殊的停止值,且M(x)的输出y写在内存开头时,计算停止。我们将RAM机器M的运行时间定义为它对工作内存的访问次数,这对应于步骤数。 在计算的任何步骤中,我们将配置cf定义为包括该步骤的本地状态和完整内存。这种表示允许我们引用从配置cf在若干步骤内转换到配置cf′的RAM机器,因为配置包含执行一步所需的所有信息。 为了衡量RAM计算的复杂性,我们注意到在固定的CPU架构上,RAM计算可以建模为程序M和输入x都在内存中,并使用固定机器U执行。因此,我们固定任何通用RAM机器U,并将运行M(x)的复杂性定义为运行U(M, x)所需的步骤数。由于我们所有的RAM计算都将在这个模型中进行,为了简单起见,我们说如果U(M, x)总共使用n个内存字来写入M、x以及计算使用的所有内存,则M(x)需要访问n个内存字。此后,如果在内存M||x||0n−|M,x|上运行U t步后进入停止状态,我们就说M(x)在时间t内停止。 ##### 2.2 通用语言 我们定义了用于具有长输出的确定性RAM计算的通用语言。 - 定义1:通用语言LU是实例(M, x, y, L, t)的集合,其中M是确定性RAM机器,使得M(x)在t步内输出y,并且|y| ≤ L。 - 定义2:通用RAM委托语言Ldel是实例(cf, cf′, t)的集合,使得通用RAM机器U在t步内从配置cf转换到配置cf′。 ##### 2.3 RAM委托 RAM委托是构建SPARG的主要组成部分。我们定义一个公开可验证、简洁的RAM委托方案,用于Ldel,它是一个概率算法元组(Del.S, Del.D, Del.P, Del.V),具有以下语法: - (crs, dk) ← Del.S(1λ):一个PPT算法,输入安全参数λ,输出公共参考字符串crs和摘要密钥dk。不失一般性,假设crs包含dk。 - rt = Del.D(dk, cf):一个确定性算法,输入摘要密钥dk和RAM配置cf,输出摘要rt。 - π ← Del.P(crs, (cf, cf′, t)):一个概率算法,输入公共参考字符串crs和陈述(cf, cf′, t),输出证明π。 - b ← Del.V(crs, (rt, rt′, t), π):一个PPT算法,输入公共参考字符串crs、陈述(rt, rt′, t)和证明π,输出一个位b,表示接受或拒绝。 该方案需要满足以下属性: |属性|描述| | ---- | ---- | |完整性|对于每个λ ∈ N和(cf, cf′, t) ∈ Ldel(其中t, n ≤ 2λ,n是配置的内存大小),有Pr[(crs, dk) ← Del.S(1λ); rt = Del.D(dk, cf); rt′ = Del.D(dk, cf′); π ← Del.P(crs, (cf, cf′, t)); V(crs, (rt, rt′, t), π) = 1] = 1。| |可靠性|对于任何非均匀多项式时间算法A = {Aλ}λ∈N、多项式时间可计算函数T和多项式T(使得T(λ) ≤ T(λ)对所有λ ∈ N成立),存在一个可忽略函数negl,使得对于每个λ ∈ N,有Pr[(crs, dk) ← Del.S(1λ); (cf, cf′, rt, rt′, π) ← Aλ(crs, dk); V(crs, (rt, rt′, t), π) = 1 ∧ (cf, cf′, t) ∈ Ldel ∧ rt = Del.D(dk, cf) ∧ rt′ ≠ Del.D(dk, cf′)] ≤ negl(λ),其中t = T(λ)。| |抗碰撞性|对于任何非均匀多项式时间算法A = {Aλ}λ∈N,存在一个可忽略函数negl,使得对于每个λ ∈ N,有Pr[(crs, dk) ← Del.S(1λ); (cf, cf′) ← Aλ(crs, dk); cf ≠ cf′ ∧ Del.D(dk, cf) = Del.D(dk, cf′)] ≤ negl(λ)。| |简洁性|存在多项式q1, q2, q3,使得对于任何λ ∈ N、(crs, dk)在Del.S(1λ)的支持集中、(cf, cf′, t) ∈ Ldel以及证明π在P(crs, (cf, cf′, t))的支持集中,有|Del.V(crs, (rt, rt′, t), π)| ≤ q1(λ, log t),|π| ≤ q2(λ, log t),且Del.D(dk, cf)可在时间|cf| · q3(λ)内计算,输出长度为λ。| ##### 2.4 SPARGs 基于[29]中引入的SPARK概念,我们定义了针对P的SPARGs。这里我们要求计算步数t ≤ 2λ,这在相关概念(如RAM委托)中是标准的,并且是我们构造所必需的。 非交互式简洁可并行论证(Non - interactive Succinct Parallelizable Argument)针对语言L ⊆ LU是一个概率算法元组(G, P, V),具有以下语法: - crs ← G(1λ):一个PPT算法,输入安全参数λ,输出公共参考字符串crs。 - (y, π) ← P(crs, (M, x, L, t)):一个概率算法,输入公共参考字符串crs和陈述(M, x, L, t),输出值y和证明π。 - b ← V(crs, (M, x, y, L, t), π):一个PPT算法,输入公共参考字符串crs、陈述(M, x, y, L, t)和证明π,输出一个位b,表示接受或拒绝。 该方案需要满足以下属性: |属性|描述| | ---- | ---- | |完整性|对于每个λ ∈ N和(M, x, y, L, t) ∈ L(其中M可以访问n ≤ 2λ个内存字,t ≤ 2λ),有Pr[crs ← G(1λ); (y, π) ← P(crs, (M, x, L, t)); b ← V(crs, (M, x, y, L, t), π); b = 1] = 1。| |P的可靠性|对于所有非均匀多项式时间证明者P⋆
corwn 最低0.47元/天 解锁专栏
赠100次下载
继续阅读 点击查看下一篇
profit 400次 会员资源下载次数
profit 300万+ 优质博客文章
profit 1000万+ 优质下载资源
profit 1000万+ 优质文库回答
复制全文

相关推荐

史东来

安全技术专家
复旦大学计算机硕士,资深安全技术专家,曾在知名的大型科技公司担任安全技术工程师,负责公司整体安全架构设计和实施。
最低0.47元/天 解锁专栏
赠100次下载
百万级 高质量VIP文章无限畅学
千万级 优质资源任意下载
千万级 优质文库回答免费看
立即解锁

专栏目录

最新推荐

微纳流体对流与传热应用研究

### 微纳流体对流与传热应用研究 #### 1. 非线性非稳态对流研究 在大多数工业、科学和工程过程中,对流呈现非线性特征。它具有广泛的应用,如大表面积、电子迁移率和稳定性等方面,并且具备显著的电学、光学、材料、物理和化学性质。 研究聚焦于含Cattaneo - Christov热通量(CCHF)的石墨烯纳米颗粒悬浮的含尘辐射流体中的非线性非稳态对流。首先,借助常用的相似变换将现有的偏微分方程组(PDEs)转化为常微分方程组(ODEs)。随后,运用龙格 - 库塔法和打靶法对高度非线性的ODEs进行数值求解。通过图形展示了无量纲温度和速度分布的计算结果(φ = 0和φ = 0.05的情况)

磁电六铁氧体薄膜的ATLAD沉积及其特性

# 磁电六铁氧体薄膜的ATLAD沉积及其特性 ## 1. 有序铁性材料的基本定义 有序铁性材料具有多种特性,不同特性的材料在结构和性能上存在显著差异。以下为您详细介绍: - **反铁磁性(Antiferromagnetic)**:在一个晶胞内,不同子晶格中的磁矩通过交换相互作用相互耦合,在尼尔温度以下,这些磁矩方向相反,净磁矩为零。例如磁性过渡金属氧化物、氯化物、稀土氯化物、稀土氢氧化物化合物、铬氧化物以及铁锰合金(FeMn)等。 - **亚铁磁性(Ferrimagnetic)**:同样以反铁磁交换耦合为主,但净磁矩不为零。像石榴石、尖晶石和六铁氧体都属于此类。其尼尔温度远高于室温。 - *

凸轮与从动件机构的分析与应用

# 凸轮与从动件机构的分析与应用 ## 1. 引言 凸轮与从动件机构在机械领域应用广泛,其运动和力学特性的分析对于机械设计至关重要。本文将详细介绍凸轮与从动件机构的运动学和力学分析方法,包括位置、速度、加速度的计算,以及力的分析,并通过 MATLAB 进行数值计算和模拟。 ## 2. 机构描述 考虑一个平面凸轮机构,如图 1 所示。驱动件为凸轮 1,它是一个圆盘(或板),其轮廓使从动件 2 产生特定运动。从动件在垂直于凸轮轴旋转轴的平面内运动,其接触端有一个半径为 $R_f$ 的半圆形区域,该半圆可用滚子代替。从动件与凸轮保持接触,半圆中心 C 必须沿着凸轮 1 的轮廓运动。在 C 点有两

自激感应发电机稳态分析与电压控制

### 自激感应发电机稳态分析与电压控制 #### 1. 自激感应发电机基本特性 自激感应发电机(SEIG)在电力系统中有着重要的应用。在不同运行条件下,其频率变化范围和输出功率有着特定的规律。对于三种不同的速度,频率的变化范围大致相同。并且,功率负载必须等于并联运行的 SEIG 输出功率之和。 以 SCM 发电机和 WRM 发电机为例,尽管它们额定功率相同,但 SCM 发电机的输出功率通常大于 WRM 发电机。在固定终端电压 \(V_t\) 和功率负载 \(P_L\) 的情况下,随着速度 \(v\) 的降低,两者输出功率的比值会增大。 | 相关参数 | 说明 | | ---- | --

MATLAB数值技术:拟合、微分与积分

# MATLAB数值技术:拟合、微分与积分 ## 1. MATLAB交互式拟合工具 ### 1.1 基本拟合工具 MATLAB提供了交互式绘图工具,无需使用命令窗口即可对绘图进行注释,还包含基本曲线拟合、更复杂的曲线拟合和统计工具。 要使用基本拟合工具,可按以下步骤操作: 1. 创建图形: ```matlab x = 0:5; y = [0,20,60,68,77,110]; plot(x,y,'o'); axis([−1,7,−20,120]); ``` 这些命令会生成一个包含示例数据的图形。 2. 激活曲线拟合工具:在图形窗口的菜单栏中选择“Tools” -> “Basic Fitti

可再生能源技术中的Simulink建模与应用

### 可再生能源技术中的Simulink建模与应用 #### 1. 电池放电特性模拟 在模拟电池放电特性时,我们可以按照以下步骤进行操作: 1. **定制受控电流源**:通过选择初始参数来定制受控电流源,如图18.79所示。将初始振幅、相位和频率都设为零,源类型选择交流(AC)。 2. **连接常数模块**:将一个常数模块连接到受控电流源的输入端口,并将其值定制为100。 3. **连接串联RLC分支**:并联连接一个串联RLC分支,将其配置为一个RL分支,电阻为10欧姆,电感为1 mH,如图18.80所示。 4. **连接总线选择器**:将总线选择器连接到电池的输出端口。从总线选择器的参

MATLAB目标对象管理与配置详解

### MATLAB 目标对象管理与配置详解 #### 1. target.get 函数 `target.get` 函数用于从内部数据库中检索目标对象,它有三种不同的语法形式: - `targetObject = target.get(targetType, targetObjectId)`:根据目标类型和对象标识符从内部数据库中检索单个目标对象。 - `tFOList = target.get(targetType)`:返回存储在内部数据库中的指定类型的所有目标对象列表。 - `tFOList = target.get(targetType, Name, Value)`:返回具有与指定名称

克里金插值与图像处理:原理、方法及应用

# 克里金插值与图像处理:原理、方法及应用 ## 克里金插值(Kriging) ### 普通点克里金插值原理 普通点克里金是最常用的克里金方法,用于将观测值插值到规则网格上。它通过对相邻点进行加权平均来估计未观测点的值,公式如下: $\hat{z}_{x_0} = \sum_{i=1}^{N} k_i \cdot z_{x_i}$ 其中,$k_i$ 是需要估计的权重,且满足权重之和等于 1,以保证估计无偏: $\sum_{i=1}^{N} k_i = 1$ 估计的期望(平均)误差必须为零,即: $E(\hat{z}_{x_0} - z_{x_0}) = 0$ 其中,$z_{x_0}$ 是真实

电力系统经济调度与动态经济调度研究

### 电力系统经济调度与动态经济调度研究 在电力系统运行中,经济调度(ED)和动态经济调度(DED)是至关重要的概念。经济调度旨在特定时刻为给定或预估的负荷水平找到最优的发电机输出,以最小化热发电机的总运行成本。而动态经济调度则是经济调度的更高级实时版本,它能使电力系统在规划期内实现经济且安全的运行。 #### 1. 经济调度相关算法及测试系统分析 为了评估结果的相关性,引入了功率平衡指标: \[ \Delta P = P_{G,1} + P_{G,2} + P_{G,3} - P_{load} - \left(0.00003P_{G,1}^2 + 0.00009P_{G,2}^2 +

TypeScript高级特性与Cypress测试实践

### TypeScript 高级特性与 Cypress 测试实践 #### 1. TypeScript 枚举与映射类型 在 TypeScript 中,将数值转换为枚举类型不会影响 `TicketStatus` 的其他使用方式。无论底层值的类型如何,像 `TicketStatus.Held` 这样的值引用仍然可以正常工作。虽然可以创建部分值为字符串、部分值为数字的枚举,甚至可以在运行时计算枚举值,但为了充分发挥枚举作为类型守卫的作用,建议所有值都在编译时设置。 TypeScript 允许基于其他类型定义新类型,这种类型被称为映射类型。同时,TypeScript 还提供了一些预定义的映射类型