论文2023/1823

PQC-NN：后量子密码神经网络

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。