使用递增约化因子的带筛码BKW算法的渐近复杂度

容错学习问题（LWE）是后量子密码学的主要候选方案之一。在 Asiacrypt 2017 上，有人提出了一种将 Blum-Kalai-Wasserman 算法（BKW）与格筛技术相结合的算法——带筛码BKW（coded-BKW with sieving）。在本文中，我们通过在算法筛分部分的不同步骤中使用不同的约化因子来改进该算法。在 Regev 设置下，即 $q = n^2$ 且 $σ = n^{1.5}/(\sqrt{2\pi}\log_2^2 n)$ 时，渐近复杂度为 $2^{0.8917n}$，改进了此前最佳复杂度 $2^{{0.8927n}}$。在假设存在量子计算机或样本数量受限的情况下，我们获得了类似程度的改进。