[논문 리뷰] On the Closest Vector Problem with a Distance Guarantee

Daniel Dadush, Oded Regev외 1명|arXiv (Cornell University)|2014. 09. 29.

Cryptography and Data Security참고 문헌 24인용 수 11

한 줄 요약

이 논문은 사전처리가 있는 가장 가까운 벡터 문제(CVPP)에 대해 더 효율적인 알고리즘을 제안하며, 최단 벡터 길이의 일정 비율 이내의 거리 보장을 달성한다. 희소화와 칸난의 아이디어를 활용해 사전처리 크기와 실행 시간을 줄였으며, 오직 O(n)의 사전처리 벡터로도 O(n)의 근사 인자(factor)를 달성함으로써 이전의 O(n^{1.5})보다 향상된 결과를 얻는다.

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).

연구 동기 및 목표

• 상수 요인 거리 보장에 대해 초다항 시간의 사전처리 조언이 필요한 이전 CVPP 알고리즘의 비효율성을 해결한다.
• 라가시아, 레인스타인, 쇤어가 수립한 오랫동안 유지된 O(n^{1.5})의 근사 인자 bound를 초월하여 CVPP의 근사 인자를 향상시킨다.
• 오직 O(n)의 사전처리 벡터로도 O(n)의 근사 인자를 달성할 수 있음을 보여주어, 조언 크기와 근사 품질 사이의 기존 가정을 도전한다.
• 일반 CVPP 문제를 해결하기 위해, 격자로부터 유한한 거리 이내의 거리에서 해결하는 것만으로도 충분함을 보여주는 감소(reduction)를 수립한다. 이는 문제의 구조를 단순화한다.
• 격자 위에서의 주기적 가우시안 함수의 구조를 조사하여, 국소 최대값과 그가 근사 알고리즘에 미치는 영향을 이해한다.

제안 방법

• 최적화된 사전처리 조언 크기와 실행 시간을 갖는 리우-류바셰프스키-미치안치(LLL06) 알고리즘의 새로운 변종을 도입한다.
• DK13에서 제안한 희소화 기법을 적용하여, 거리 보장을 유지하면서도 사전처리에 필요한 격자 벡터의 수를 감소시킨다.
• 칸난의 감소 프레임워크를 사용하여, CVPP를 유한한 거리(예: O(√n)) 이내에서 해결하는 것으로 충분함을 보여준다.
• 격자 점의 분포를 분석하고 가까운 벡터를 탐색하기 위해 주기적 가우시안 함수 f(t) = ρ(L + t)/ρ(L)를 활용한다.
• f(t)의 헤시안을 분석하여, 격자에서 λ₁/√2 거리에 국소 최대값이 존재하며, 이 경우 f(t)가 1에 지수적으로 가까워짐을 증명한다.
• 확률적 분석과 대칭성 논증을 통해, 상수 확률로 후보 벡터 y_c가 목표 t에 가까운 근사값을 제공함을 보여준다.

실험 결과

연구 질문

• RQ1 CVPP 알고리즘의 사전처리 크기와 실행 시간을 상당히 줄일 수 있을까, 그러나 상수 요인 거리 보장은 유지할 수 있을까?
• RQ2 오직 O(n)의 사전처리 벡터로도 CVPP에 대해 O(n)의 근사 인자를 달성할 수 있을까?
• RQ3 주기적 가우시안 함수 f(t)와 목표점 근처 격자 점의 기하학적 구조 사이의 구조적 관계는 무엇인가?
• RQ4 f(t)의 국소 최대값 중 전역 최대값이 아닌 것이 격자로부터 유한한 거리에 존재하는가? 그리고 이러한 최대값은 근사 알고리즘에 어떤 영향을 미치는가?
• RQ5 일반성 상실 없이, CVPP 문제를 격자로부터 유한한 거리 이내의 입력으로 제한할 수 있는 감소를 구성할 수 있는가?

주요 결과

• 제안된 알고리즘은 Õ(nN)의 시간과 Õ(N)의 사전처리 조언을 필요로 하며, 여기서 N ≈ ˜O(n exp(α²n/(1−2α)²))이며, α < 1/2일 경우 LLM06에 비해 크게 향상된다.
• 모든 α < 1/2에 대해, 목표가 최단 벡터 길이의 α 배 이내에 있을 경우, 알고리즘이 유일한 가장 가까운 격자 벡터를 찾는다.
• 감소 기법과 함께 개선된 알고리즘을 조합함으로써, 오직 O(n)의 사전처리 벡터로도 CVPP에 대해 O(n)의 근사 인자를 달성할 수 있다.
• 논문은 최소한의 조언으로 O(n)의 근사 인자가 달성 가능함을 입증하였으며, 이는 LLS90에서 이전에 확보된 O(n^{1.5})의 최선 기준을 향상시킨다.
• 주기적 가우시안 함수 f(t)는 격자에서 λ₁(ℒ)/√2 거리에 국소 최대값을 가지며, 이 경우 f(t)는 1에 지수적으로 가까워진다. 이는 국소 탐색 방법이 실패할 수 있음을 보여준다.
• 이러한 국소 최대값에서 f(t)의 헤시안은 음의 정부호이므로, 전역 최대값은 아니지만 엄밀한 국소 최대값임을 확인한다.