[論文レビュー] On the Closest Vector Problem with a Distance Guarantee

Daniel Dadush, Oded Regev+1 more|arXiv (Cornell University)|Sep 29, 2014

Cryptography and Data Security参考文献 24被引用数 11

ひとこと要約

本稿は、事前処理付き最近接ベクトル問題（CVPP）のための著しく効率的なアルゴリズムを提示し、最短ベクトル長の定数倍以内の距離保証を達成する。スパarsificationとKannanのアイデアを活用することで、事前処理サイズと実行時間を削減し、O(n)の近似係数を達成するが、事前処理ベクトルはO(n)にとどめる。これは、Lagias, Lenstra, および Schnorr が確立した長年のO(n^{1.5})の上限を改善するものである。

ABSTRACT

We present a substantially more efficient variant, both in terms of running time and size of preprocessing advice, of the algorithm by Liu, Lyubashevsky, and Micciancio for solving CVPP (the preprocessing version of the Closest Vector Problem, CVP) with a distance guarantee. For instance, for any $α< 1/2$, our algorithm finds the (unique) closest lattice point for any target point whose distance from the lattice is at most $α$ times the length of the shortest nonzero lattice vector, requires as preprocessing advice only $N \approx \widetilde{O}(n \exp(α^2 n /(1-2α)^2))$ vectors, and runs in time $\widetilde{O}(nN)$. As our second main contribution, we present reductions showing that it suffices to solve CVP, both in its plain and preprocessing versions, when the input target point is within some bounded distance of the lattice. The reductions are based on ideas due to Kannan and a recent sparsification technique due to Dadush and Kun. Combining our reductions with the LLM algorithm gives an approximation factor of $O(n/\sqrt{\log n})$ for search CVPP, improving on the previous best of $O(n^{1.5})$ due to Lagarias, Lenstra, and Schnorr. When combined with our improved algorithm we obtain, somewhat surprisingly, that only O(n) vectors of preprocessing advice are sufficient to solve CVPP with (the only slightly worse) approximation factor of O(n).

研究の動機と目的

• 定数倍の距離保証を達成するために、超多項式的な事前処理アドバイスを必要としていた従来のCVPPアルゴリズムの非効率性に対処する。
• Lagarias, Lenstra, および Schnorr が確立した長年のO(n^{1.5})の上限を超える、CVPPの近似係数の改善を図る。
• O(n)の事前処理ベクトルで十分であることを示し、アドバイスサイズと近似品質の間のトレードオフに関する従来の仮定に挑戦する。
• 一般CVPPのための単純化を図るため、ある距離範囲内に解が存在するCVPPを解くことの十分性を示す還元を確立する。
• 周期的ガウス関数の構造を調査し、局所的最大値とその近似アルゴリズムへの影響を理解する。

提案手法

• Liu-Lyubashevsky-Micciancio (LLM06)アルゴリズムの新規変種を導入し、事前処理アドバイスサイズと実行時間を最適化する。
• DK13からのスパarsification技術を適用し、距離保証を維持したまま、事前処理に必要な格子ベクトル数を削減する。
• Kannanの還元フレームワークを用いて、ある有界距離（例：O(√n)）内でのCVPPの解法で十分であることを示す。
• 周期的ガウス関数 f(t) = ρ(L + t)/ρ(L) を活用し、格子点の分布を分析し、近いベクトルの探索を支援する。
• f(t)のヘッセ行列を分析し、f(t)が1に指数的に近い値をとる距離 λ₁/√2 に非グローバルな局所最大値が存在することを証明する。
• 確率的解析と対称性の議論を用いて、定数の確率で候補ベクトル y_c がターゲット t に近い近似を与えることを示す。

実験結果

リサーチクエスチョン

• RQ1 CVPPアルゴリズムの事前処理サイズと実行時間を、定数倍の距離保証を維持したまま著しく削減可能か？
• RQ2 O(n)の事前処理ベクトルで十分にO(n)の近似係数を達成することは可能か？
• RQ3 周期的ガウス関数 f(t) とターゲットに近い格子点の幾何構造との間の構造的関係は何か？
• RQ4 f(t) の非グローバルな局所最大値は、格子からの有界距離に存在するか？ そして、近似アルゴリズムにどのような影響を与えるか？
• RQ5 一般性を失わずに、CVPP問題を格子からの有界距離内にある入力に制限する還元を構築可能か？

主な発見

• 提案されたアルゴリズムは、N ≈ ˜O(n exp(α²n/(1−2α)²)) に対して Õ(nN) 時間と Õ(N) の事前処理アドバイスを要する。α < 1/2 の場合、これはLLM06に比べて顕著に改善される。
• 任意の α < 1/2 に対して、ターゲットが最短ベクトル長の α 倍以内にある場合、一意の最近接格子ベクトルが見つかる。
• 還元と改良されたアルゴリズムを組み合わせることで、CVPPのO(n)近似係数を達成するにはO(n)の事前処理ベクトルで十分である。
• 本稿は、最小限のアドバイスでO(n)の近似係数が達成可能であることを確立し、LLS90による従来の最良のO(n^{1.5})を改善する。
• 周期的ガウス関数 f(t) は、格子からの距離 λ₁(ℒ)/√2 に非グローバルな局所最大値を有し、f(t) は1に指数的に近い値をとる。これは、局所探索法が失敗する可能性があることを示している。
• このような局所最大値において、f(t) のヘッセ行列は負定値であり、グローバルでないにもかかわらず厳密な局所最大値であることが確認される。