SALSA VERDE：一种针对小稀疏秘密学习带误差问题的机器学习攻击
密码学与安全
2023-10-30 v2
摘要
学习带误差(LWE)是后量子密码学中使用的困难数学问题。同态加密(HE)方案的安全性依赖于LWE问题的困难性，且两个基于LWE的密码系统近期已由NIST标准化用于数字签名与密钥交换(KEM)。因此，持续评估LWE及特定参数选择的安全性至关重要。例如，HE使用具有小条目的秘密，且HE界已考虑标准化小稀疏秘密以提升效率与功能性。然而，先前工作SALSA与PICANTE表明ML攻击可恢复稀疏二值秘密。在此基础上，我们提出VERDE，一种改进的ML攻击，可恢复稀疏二值、三元及窄高斯秘密。利用改进的前处理与秘密恢复技术，VERDE可用更少时间与算力攻击具有更大维度(n=512)与更小模数(对n=256为log_2 q=12)的LWE。我们提出用于扩展的新颖架构。最后，我们发展了一种解释ML LWE攻击成功的理论。
引用
@article{arxiv.2306.11641,
title = {SALSA VERDE: a machine learning attack on Learning With Errors with sparse small secrets},
author = {Cathy Yuanchen Li and Emily Wenger and Zeyuan Allen-Zhu and Francois Charton and Kristin Lauter},
journal= {arXiv preprint arXiv:2306.11641},
year = {2023}
}
备注
18 pages, accepted to NeurIPS 2023