[論文レビュー] On the hardness of the Learning with Errors problem with a discrete reproducible error distribution

Filipp Valovich|arXiv (Cornell University)|May 6, 2016

Cryptography and Data Security被引用数 3

ひとこと要約

本稿は、エラーが対称的スケラム分布に従う場合の学習誤差問題（LWE）の平均ケースの難易度を確立し、損失コードとサンプル保存型探索から意思決定への還元を活用する。主な貢献は、同じスケラムノイズが暗号的セキュリティと微分プライバシーの両方を満たすことで、タイトなセキュリティと正確性のトレードオフを達成する、後量子暗号プロトコルを提供することである。

ABSTRACT

In this work we show that the hardness of the Learning with Errors problem with errors taken from the discrete Gaussian distribution implies the hardness of the Learning with Errors problem with errors taken from the symmetric Skellam distribution. Due to the sample preserving search-to-decision reduction by Micciancio and Mol the same result applies to the decisional version of the problem. Thus, we provide a variant of the Learning with Errors problem that is hard based on conjecturally hard lattice problems and uses a discrete error distribution that is similar to the continuous Gaussian distribution in that it is closed under convolution. As an application of this result we construct a post-quantum cryptographic protocol for differentially private data anlysis in the distributed model. The security of this protocol is based on the hardness of the new variant of the Decisional Learning with Errors problem. A feature of this protocol is the use of the same noise for security and for differential privacy resulting in an efficiency boost.

研究の動機と目的

• 標準的な離散ガウス分布とは異なり、再現可能で離散的な誤差分布である対称的スケラム分布に従うLWE問題の平均ケースの難易度を確立すること。
• 暗号的セキュリティとプライバシーの両方が同じノイズによって同時に達成される、分散型の微分プライバシーに基づくデータ分析の後量子プロトコルを可能にすること。
• LWEに基づく暗号において離散ガウス分布への依存度を減らすために、代わりに代数的および確率的性質が優れた実用的効率性を持つ新しい誤差分布を導入すること。
• スケラム分布が、サンプル保存型探索から意思決定への還元をサポートすることを示し、この新しい誤差モデル下でLWEの探索問題の難易度が意思決定問題の難易度へと拡張されることを示すこと。
• 新しいLWE変種に基づくプライベートストリーム集約（PSA）スキームを構築すること。ここでノイズ生成は分散環境下で安全かつプライバシー保護的である。

提案手法

• 著者らは、先行研究の損失コードを用いて、最悪ケースから平均ケースへの還元を構築し、対称的スケラムエラーを伴うLWE問題を解けるならば、最悪ケースの格子問題SIVPおよびGAPSVPも解けることを示した。
• 誤差分布を、分散μ = (ρq)²/4を有する対称的スケラム分布Sk_μとして定義し、暗号操作に適した再現可能で離散的なサポートを保証した。
• サンプル保存型探索から意思決定への還元を適用し、スケラムエラーを伴うLWE問題の意思決定版が探索版と同等に難しいことを示した。
• プロトコルでは、同じスケラムノイズを、DLWE仮定によるセキュリティと、スケラムメカニズムによる微分プライバシーの両方の目的に使用し、別個のノイズ源の必要性を排除した。
• セキュリティパラメータκは、μ/n = λ²κを満たすように設定され、量子攻撃に耐える十分なノイズの大きさを保ちつつ、分散型ノイズ集約においても効率的であることを保証した。
• 最終統計の正確性は逐次合成の下で分析され、(α, β)-正確性を定量化するための対数的項βおよびδを用いた境界が導出された。

実験結果

リサーチクエスチョン

• RQ1 離散的かつ再現可能な誤差分布（離散ガウス以外）に対して、LWE問題の難易度を確立できるか？
• RQ2 対称的スケラム分布は、LWE設定下でサンプル保存型探索から意思決定への還元をサポートするか？
• RQ3 1つのノイズ分布を用いて、分散型プロトコルで同時に暗号的セキュリティと微分プライバシーを確保できるか？
• RQ4 LWE仮定下で難易度を維持するために必要なスケラム分布の最小分散は何か？
• RQ5 リングLWE問題はスケラムエラーを用いて難易度を保つことができるか？また、探索から意思決定への還元が可能か？

主な発見

• 対称的スケラムエラーを伴うLWE問題は、最悪ケースの格子問題SIVPおよびGAPSVPと同等に難しく、誤差分散を(ρq)²/4に設定した場合、近似要因がÕ(λκ/ρ)となる。
• スケラムエラーを伴うLWE問題の意思決定版は、MicciancioとMolが提唱したサンプル保存型探索から意思決定への還元のおかげで、同じ仮定の下で難しい。
• 同じスケラムノイズが暗号的セキュリティと微分プライバシーの両方を提供する後量子プライベートストリーム集約（PSA）スキームが構築され、計算的(ε,δ)-DPを達成した。
• 1クエリあたりの正確性はΩ(λ√(κn))であり、逐次合成に関して最適であり、既知の下界と一致する。
• n=20,000ユーザー、m=1000、ε=1、δ=0.1、κ=200という具体的な例では、必要なノイズ分散は難易度条件を満たし、セキュリティとプライバシーの両方を保証する。
• セキュリティとプライバシーのトレードオフは形式化され、ε ≤ √(2m² log(1/δ)/(κn))と表され、プライバシー損失がセキュリティパラメータおよびユーザー数の平方根に反比例することを示した。