基于四舍五入关键封装机制的学习型密码学硬件感知设计选择探索性研究
摘要
最近，基于困难格问题构建的密码方案因其 quantum resistant 特性而广受欢迎。除了具备量子抗性外，基于格的密码学还允许在 underlying hard problem 上存在广泛的变体。由于密码方案可以在不同环境下以不同 operational constraints（如内存占用、硅面积、效率、功耗等）运行，这些在 hard problem 上的变体对设计者来说非常有用，可用于构建不同的密码方案。本文我们探索了基于格的密码学的各种设计选择及其对实际性能的影响。特别是，我们提出了一套基于 learning with rounding problem 的 key-encapsulation mechanisms，着重提高基于格密码学的不同性能方面。我们的套件包含三个方案。我们的第一个方案是 Florete，旨在提高效率。第二个方案是 Espada，旨在提高并行化、灵活性和内存占用。最后一个方案是 Sable，可视为在 key sizes and parameters 方面对 Saber key-encapsulation mechanism（NIST post-quantum standardization procedure 中的最终 nominee 之一）的改进版本。本文我们描述了每个方案背后的设计理念。进一步地，为证明我们的设计决策合理性，我们提供了软件和硬件实现。我们的结果显示 Florete 在软件和硬件平台上比大多数 state-of-the-art KEMs 更快。Espada 在大多数 state-of-the-art 方案的实现中需要更少的内存和面积。Sable 的实现在 hardware and software platform 上的 performance 和 memory requirements 之间保持了 Florete 和 Espada 之间的 trade-off。
引用
@article{arxiv.2409.09481,
title = {Scabbard: An Exploratory Study on Hardware Aware Design Choices of Learning with Rounding-based Key Encapsulation Mechanisms},
author = {Suparna Kundu and Quinten Norga and Angshuman Karmakar and Shreya Gangopadhyay and Jose Maria Bermudo Mera and Ingrid Verbauwhede},
journal= {arXiv preprint arXiv:2409.09481},
year = {2024}
}