基于格量化的CRYSTALS-Kyber方案

基于模容错学习（M-LWE）的密钥协商机制（KRM）可以看作是根据格码本对M-LWE样本进行量化。本文描述了一个通用的基于M-LWE的KRM框架，该框架适用于任意维度的格和任意模数$q$，且无需抖动信号。我们的主要成果是给出了基于M-LWE的KRM解密失败率（DFR）的一个显式上界。这个上界使我们能够构建最优的格量化器，以同时降低DFR和通信成本。此外，我们提出了一个使用与Kyber相同安全参数$(q,k,\eta_1,\eta_2)$的KRM方案。与Kyber相比，通信成本最多可降低$36.47\%$，DFR最多可降低$2^{99}$倍。其安全性论证与Kyber保持一致。