[論文レビュー] Search-to-Decision Reductions for Lattice Problems with Approximation Factors (Slightly) Greater Than One

Noah Stephens-Davidowitz|arXiv (Cornell University)|Dec 13, 2015

Cryptography and Data Security参考文献 17被引用数 3

ひとこと要約

本稿では、近似要因が1よりわずかに大きい場合の、次元を保存する探索から意思決定への還元を初めて提示する。具体的には、γ ≤ 1 + O(log n / n) に対して、γ^{O(n/log n)}-SVP を γ-GapSVP に、γ^{O(n)}-CVP を γ-GapCVP に還元する。アプローチは反復的な格子基底変換とオракルクエリを用い、短いベクトルを段階的に縮小することで、先行研究よりも tighter な近似要因を達成する。

ABSTRACT

We show the first dimension-preserving search-to-decision reductions for approximate SVP and CVP. In particular, for any $γ\leq 1 + O(\log n/n)$, we obtain an efficient dimension-preserving reduction from $γ^{O(n/\log n)}$-SVP to $γ$-GapSVP and an efficient dimension-preserving reduction from $γ^{O(n)}$-CVP to $γ$-GapCVP. These results generalize the known equivalences of the search and decision versions of these problems in the exact case when $γ= 1$. For SVP, we actually obtain something slightly stronger than a search-to-decision reduction---we reduce $γ^{O(n/\log n)}$-SVP to $γ$-unique SVP, a potentially easier problem than $γ$-GapSVP.

研究の動機と目的

• 近似要因が1に非常に近い場合の、格子問題の探索版と意思決定版の関係を理解するギャップを埋めること。
• 近似 SVP および CVP をそれらの意思決定版（GapSVP および GapCVP）に、効率的かつ次元を保存する還元を構築すること。
• 先行研究 [Che13, HP14] を改善し、探索問題におけるより良い近似パラメータを達成すること。
• 近似領域における探索問題と意思決定問題の同等性を示すための還元フレームワークを形式化すること。

提案手法

• 基底変換を用いて、インデックスと最短ベクトル長の比を制御した格子 L^{(i)} の系列を構築する。
• 各格子 L^{(i)} に対して、関連する p+1 個の格子 L_{i,j} に対して γ-GapSVP オーキャルをクエリし、最短最短ベクトルを持つものを特定する。
• オーキャルの結果を用いて、λ₁(L^{(i+1)}) ≤ γ·λ₁(L^{(i)}) を満たすように、基底係数 a₁^{(i)}, a₂^{(i)}, a₃^{(i)} を更新する。
• 基底係数の p-進付値に基づき、部分格子 L′ に対して再帰的還元ステップを適用し、b_{n-1} または b_n を省略する。
• ℓ = O(n / log p) 回の反復後に停止条件を適用し、最終出力ベクトルが真の最短ベクトルの γ^{O(n/log n)} 以内に収まるように保証する。
• 補題 2.6 に基づく幾何的議論を用いて、L^{(ℓ)} に含まれる任意の短いベクトルが、縮小された部分格子 L′ に含まれることを示し、再帰呼び出しの正しさを保証する。

実験結果

リサーチクエスチョン

• RQ1 近似要因 γ > 1 の場合、特に γ が 1 に非常に近い場合に、SVP および CVP に対して探索から意思決定への還元を構築できるか？
• RQ2 このような還元において、次元を保存しつつ、探索問題で非指数的近似要因を達成することは可能か？
• RQ3 近似領域における探索問題の近似パラメータと意思決定問題のそれとの関係は何か？
• RQ4 正確な場合（γ=1）を超えて、この還元フレームワークを一般化し、先行研究より tighter な境界を達成できるか？
• RQ5 このような還元において、オーキャルクエリの数と近似要因の最適なトレードオフは何か？

主な発見

• 本稿では、任意の γ ≤ 1 + O(log n / n) に対して、γ^{O(n/log n)}-SVP を γ-GapSVP に次元を保存する還元を達成し、先行研究を改善した。
• 同じ γ に対して、γ^{O(n)}-CVP を γ-GapCVP に還元する類似の還元を提供し、近似領域における新たな同等性を確立した。
• SVP に対する還元は実際にはより強く、γ^{O(n/log n)}-SVP を γ-一意的 SVP に還元しており、γ-GapSVP よりもおそらく簡単なバージョンである。
• 最終出力の探索問題の近似要因が γ^{O(n²/log p)} であることが示され、p を n の関数として選ぶと、γ^{O(n/log n)} に簡略化される。
• 幾何的議論により、中間格子 L^{(ℓ)} に含まれるすべての短いベクトルが再帰的部分格子 L′ に含まれることを保証することで、還元フレームワークの正しさが示された。
• 著者らは Cheng [Che13] および Hu-Pan [HP14] の先行研究を認めつつも、それらの還元よりも優れたパラメータを達成していることを強調している。