×

为密码应用程序设计高效的并元操作。 (英语) 兹比尔1441.94069

作者引入了多种技术来改进与某些线性码相关的并元矩阵的运算。这些矩阵在各种基于代码的密码系统中非常有用,在后量子设置中是安全的。特别是,它们展示了这些矩阵的各种乘法技术和改进的反演算法。它们还显示了将这些技术应用于DAGS时获得的结果,DAGS是后量子密钥交换的候选者,它使用准离散矩阵来减小基于代码的密码系统中使用的公钥的大小。

MSC公司:

94A60型 密码学
11T71型 代数编码理论;密码学(数论方面)
81页94 量子密码术(量子理论方面)

软件:

麦克利埃塞
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] https://csrc.nist.gov/projects/post-quantum-cryptography/post-quantum-cryptography-standardization。
[2] https://git.dags-project.org/dags/dags。
[3] Gustavo Banegas、Paulo S.L.M.Barreto、Brice Odilon Boidje、Pierre Louis Cayrel、Gilbert Ndollane Dione、Kris Gaj、Cheikh Thiecoumba Gueye、Richard Haeussler、Jean Belo Klamti、Oussmane Ndiaye、Duc Tri Nguyen、Edoardo Persichetti和Jefferson E.Ricardini,DAGS:使用Dyadic GS代码的密钥封装,IACR密码学ePrint Archive2017(2017), 1037. ·Zbl 1420.94102号
[4] E.Berlekamp、R.McEliece和H.van Tilborg,《关于某些编码问题固有的难处理性》(Corresp.),《信息理论》,IEEE Transactions On 24(1978),384-386·Zbl 0377.94018号
[5] J.R.Bunch和J.E.Hopcroft,三角因式分解和快速矩阵乘法反演,《计算数学》28(1974),231-236·Zbl 0276.15006号
[6] Pierre-Louis Cayrel、Gerhard Hoffmann和Edoardo Perschetti,使用广义Srivastava码高效实现McEliece的CCA2-Secure变体,收录于:公钥密码学-PKC 2012-第十五届公钥密码学实践与理论国际会议,德国达姆施塔特,2012年5月21日至23日。《程序集》(Marc Fischlin、Johannes A.Buchmann和Mark Manulis编辑),《计算机科学讲义7293》,第138-155页,施普林格出版社,2012年·Zbl 1290.94053号
[7] M.N.Gulamhusein,离散并元卷积定理的简单矩阵理论证明,《电子学快报》9(1973),238-239。
[8] Dennis Hofheinz、Kathrin Hövelmanns和Eike Kiltz,Fujisaki-Okamoto转换的模块化分析,密码电子打印档案,2017/604报告,2017,http://eprint.iacr.org/2017/604。 ·Zbl 1410.94082号
[9] A.Karatsuba和Y.Ofman,《自动数对多位数的乘法》,1963年1月。
[10] R.J.McEliece,基于代数编码理论的公钥密码系统,深空网络进展报告44(1978),114-116。
[11] R.Misoczki和P.S.L.M.Barreto,来自Goppa码的紧凑McEliece密钥,收录于:密码学中的选定领域,第376-392页,2009年·Zbl 1267.94086号
[12] E.Persichetti,基于拟二元Srivastava码的紧凑McEliece密钥,《数学密码学杂志》6(2012),149-169·Zbl 1277.94037号
[13] Lukas Polok和Pavel Smrz,稀疏块矩阵快速LU分解的旋转策略,载于:第25届高性能计算研讨会论文集,HPC’17,第14:1-14:12页,国际计算机模拟学会,加利福尼亚州圣地亚哥,美国,2017年。
[14] P.W.Shor,量子计算机上素分解和离散对数的多项式时间算法,SIAM计算杂志26(1997),1484-1509·兹比尔1005.11065
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。