论文2023/1823
PQC-NN:后量子密码神经网络
阿贝尔·C·H·陈中华电信实验室
摘要
近年来,量子计算机和Shor的量子算法已经能够有效地解决素因式分解和离散对数等NP(Non-deterministic Polynomial-time)问题,对当前主流的非对称密码技术,包括RSA和椭圆曲线密码术(ECC)构成了威胁。因此,美国国家标准与技术研究所(NIST)呼吁采用后量子加密(PQC)方法,包括基于格的加密方法、基于代码的加密方法,多元加密方法和基于哈希的加密方法来抵抗量子计算攻击。因此,本研究提出了一种PQC神经网络(PQC-NN),该网络将基于代码的PQC方法映射到神经网络结构,并通过非线性激活函数、密文随机扰动和密文均匀分布来增强密文的安全性。本研究的主要创新点包括:(1)构建了一种符合基于代码的PQC的神经网络结构,其中输入层和密文层之间的权重集可以用作加密的公钥,密文层和输出层之间的权重集可以用作解密的私钥;(2) 向密文层添加随机扰动,可以在解密阶段删除这些扰动以恢复原始明文;(3) 通过将方形分布的累积分布函数(CDF)值添加到损失函数中,限制密文层的输出值遵循具有显著相似性的均匀分布,确保神经网络对密文层的输出值产生足够均匀的分布。在实际实验中,本研究以蜂窝网络信号为例,证明了在密文均匀分布的情况下,所提出的PQC神经网络可以进行加密和解密。未来,所提出的PQC神经网络可以应用于各种应用。
BibTeX公司
@misc{cryptoeprint:2023/1823,作者={Abel C.H.Chen},title={PQC-NN:后量子密码神经网络},howpublished={Cryptology ePrint Archive,论文2023/1823},年份={2023},doi={10.1109/ICSES58299.2023.10201083},注释={\url{https://eprint.iacr.org/2023/1823}},url={https://eprint.iacr.org/2023/1823}}