[논문 리뷰] Search-to-Decision Reductions for Lattice Problems with Approximation Factors (Slightly) Greater Than One

Noah Stephens-Davidowitz|arXiv (Cornell University)|2015. 12. 13.

Cryptography and Data Security참고 문헌 17인용 수 3

한 줄 요약

이 논문은 근사 인자가 1보다 略로 큰 경우에 대해 차원을 유지하는 검색-결정 감소를 처음으로 제안한다. 구체적으로, γ ≤ 1 + O(log n / n) 인 경우 γ^{O(n/log n)}-SVP 를 γ-GapSVP 로, γ^{O(n)}-CVP 를 γ-GapCVP 로 감소시킨다. 이 방법은 반복적인 격자 기저 변환과 오라클 쿼리를 사용하여 최단 벡터를 점진적으로 축소함으로써 이전 작업보다 더 낫거나 더 좁은 근사 인자를 달성한다.

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.

연구 동기 및 목표

• 근사 인자가 1보다 略로 큰 경우에 검색 버전과 결정 버전 간의 관계를 이해하는 데 격차를 메우기 위해.
• 근사 SVP 및 CVP 를 그 결정 대응체인 GapSVP 및 GapCVP 로 효율적이고 차원을 유지하는 감소를 개발하기 위해.
• 이전의 감소 작업 [Che13, HP14] 을 개선하여 검색 문제의 더 나은 근사 매개변수를 달성하기 위해.
• 근사 영역에서 검색 문제와 결정 문제의 등가성을 증명할 수 있는 감소 프레임워크를 체계화하기 위해.

제안 방법

• 기저 변환을 사용하여 인덱스와 최단 벡터 길이 비율을 제어하는 일련의 격자 L^{(i)} 을 구성한다.
• 각 격자 L^{(i)} 에 대해, p+1 개의 관련된 격자 L_{i,j} 에 대해 γ-GapSVP 오라클을 쿼리하여 최단 최단 벡터를 가진 것을 식별한다.
• 오라클 결과를 바탕으로 기저 계수 a₁^{(i)}, a₂^{(i)}, a₃^{(i)} 를 업데이트하여 λ₁(L^{(i+1)}) ≤ γ·λ₁(L^{(i)}) 가 되도록 한다.
• 기저 계수의 p-진 값에 따라 하위격자 L′ 에 기반하여, b_{n-1} 또는 b_n 를 생략하는 방식으로 재귀 감소 단계를 적용한다.
• ℓ = O(n / log p) 번의 반복 후 정지 조건을 적용하여 최종 출력 벡터가 진짜 최단 벡터와 γ^{O(n/log n)} 이내에 있도록 보장한다.
• 기하학적 추론을 기반으로 Lemma 2.6 을 사용하여 L^{(ℓ)} 에 있는 임의의 짧은 벡터가 반드시 축소된 하위격자 L′ 에 포함됨을 보여, 재귀 호출의 정확성을 유지한다.

실험 결과

연구 질문

• RQ1 근사 인자 γ > 1 인 경우, 특히 γ 가 1에 가까운 경우 SVP 와 CVP 에 대해 검색-결정 감소를 구성할 수 있는가?
• RQ2 이러한 감소 과정에서 근사 인자가 지수보다 작은 경우에도 차원 유지가 가능할 수 있는가?
• RQ3 근사 영역에서 검색 문제의 근사 매개변수와 결정 문제의 매개변수 간의 관계는 어떻게 되는가?
• RQ4 정확한 경우(γ=1)를 초월해 일반화된 감소 프레임워크를 제안하여 이전 작업보다 더 낫거나 더 좁은 경계를 달성할 수 있는가?
• RQ5 이러한 감소 과정에서 오라클 쿼리 수와 근사 인자 간의 최적의 트레이드오프는 무엇인가?

주요 결과

• 논문은 γ ≤ 1 + O(log n / n) 인 경우 γ^{O(n/log n)}-SVP 를 γ-GapSVP 로 차원을 유지하는 감소를 달성하였으며, 이는 이전 작업을 초월한다.
• 동일한 γ-한계 하에 γ^{O(n)}-CVP 를 γ-GapCVP 로 감소시키는 유사한 감소를 제공함으로써 근사 영역에서 새로운 등가성을 확립한다.
• SVP 감소는 실제로 더 강력하며, γ^{O(n/log n)}-SVP 를 γ-유일 SVP 로 감소시키며, 이는 γ-GapSVP 보다 더 쉽게 간주될 수 있는 변형이다.
• 최종 출력의 검색 문제 근사 인자는 γ^{O(n²/log p)} 이며, p 를 n 의 함수로 선택할 경우 γ^{O(n/log n)} 으로 단순화된다.
• 기하학적 추론을 통해 중간 격자 L^{(ℓ)} 에 있는 모든 짧은 벡터가 재귀 하위격자 L′ 에 포함됨을 보여 감소 프레임워크의 정확성을 입증한다.
• 저자는 Cheng [Che13] 과 Hu-Pan [HP14] 의 이전 작업을 인정하지만, 본 연구 결과가 이러한 이전 감소보다 더 나은 매개변수를 달성하고 있음을 강조한다.