[논문 리뷰] A Polynomial Time Version of LLL With Deep Insertions

Felix Fontein, Michael Schneider외 1명|arXiv (Cornell University)|2012. 12. 20.

Cryptography and Data Security참고 문헌 7인용 수 4

한 줄 요약

이 논문은 딥 인서션을 포함하는 뎃티드LLL 레드럭션의 첫 번째 증명 가능 다항시간 변종인 PotLLL를 제시한다. 잠재력 기반 삽입 전략을 도입함으로써 각 삽입이 잠재력을 감소시켜 다항시간 내에 종료됨을 보장함으로써, PotLLL는 전통적인 LLL보다 훨씬 뛰어난 출력 품질을 달성하면서도 경쟁 가능한 런타임을 유지하며, 처리되지 않은 기저에서 BKZ-5를 초월하고 실제로 β=5인 DeepLLL와 맞먹는 성능을 발휘한다.

ABSTRACT

Lattice reduction algorithms have numerous applications in number theory, algebra, as well as in cryptanalysis. The most famous algorithm for lattice reduction is the LLL algorithm. In polynomial time it computes a reduced basis with provable output quality. One early improvement of the LLL algorithm was LLL with deep insertions (DeepLLL). The output of this version of LLL has higher quality in practice but the running time seems to explode. Weaker variants of DeepLLL, where the insertions are restricted to blocks, behave nicely in practice concerning the running time. However no proof of polynomial running time is known. In this paper a new variant of DeepLLL with provably polynomial running time is presented. We compare the practical behavior of the new algorithm to classical LLL, BKZ as well as blockwise variants of DeepLLL regarding both the output quality and running time.

연구 동기 및 목표

• 기존에 예측 불가능하고 잠재적으로 지수시간이 소요될 수 있는 DeepLLL의 실행 시간을 증명 가능 다항시간으로 개선하는 것.
• 실제로 더 나은 헤르마이트 인자 출력 품질을 달성하기 위해 고전적 LLL 및 블록 기반 DeepLLL 변종을 향상시키는 것.
• 높은 레드럭션 품질을 유지하면서도 런타임 효율성을 저하시키지 않는 이론적으로 탄탄한 DeepLLL의 대안을 제공하는 것.
• 다양한 격자 차원과 사전처리 수준에서 PotLLL의 성능을 실험적으로 BKZ 및 DeepLLL 변종과 비교 검증하는 것.
• 잠재력 최소화를 통한 블록 기반 레드럭션(BKZ)과 딥 인서션의 통합을 탐색하여 향후 성능 향상 가능성을 제시하는 것.

제안 방법

• 각 삽입이 잠재력을 감소시켜 다항시간 내에 종료됨을 보장하기 위해, 잠재력 기반 삽입 전략을 도입한다.
• 직접 그람-슈미트 계수 비교 대신 잠재력 함수 기반의 수정된 삽입 기준을 사용하여 더 넓고 효과적인 삽입을 가능하게 한다.
• 삽입 과정에서 블록 기반 구조를 활용하여 삽입을 블록 크기 β로 제한함으로써 품질과 효율성의 균형을 맞춘다.
• 잠재력 감소를 통한 종료 보장을 제공하는 새로운 레드럭션 알고리즘 PotLLL를 구현한다.
• BKZ 및 DeepLLL와의 공정한 비교를 위해 독립적인 벤치마킹을 위한 새로운 구현 방식을 도입한다.
• 잠재력 최소화를 BKZ에 확장하여 더 깊은 삽입을 가능하게 하되, 여전히 다항시간 복잡도를 유지한다.

실험 결과

연구 질문

• RQ1 고급 삽입을 포함하는 DeepLLL 변종을 다항시간 내에 종료 보장할 수 있는 증명 가능 다항시간으로 설계할 수 있는가?
• RQ2 다양한 격자 차원과 사전처리 수준에서 PotLLL의 헤르마이트 인자 값은 고전적 LLL, BKZ, DeepLLL와 비교해 어떻게 되는가?
• RQ3 처리되지 않은 기저(헤르마이트 정규형 기저)에서 PotLLL는 헤르마이트 인자와 런타임 측면에서 BKZ-5를 초월하는가?
• RQ4 사전처리된 기저에서 PotLLL의 성능은 β=5 및 β=10인 DeepLLL와 비교해 어떻게 되는가?
• RQ5 잠재력 최소화를 BKZ와 효과적으로 통합하여 레드럭션 품질을 향상시키면서도 다항시간 복잡도를 유지할 수 있는가?

주요 결과

• 차원 $n \leq 300$ 인 격자에 대해 PotLLL는 평균 $n$-번째 루트 헤르마이트 인자를 최대 $1.0153^n$ 이내로 달성하며, 고전적 LLL보다 훨씬 뛰어나다.
• 헤르마이트 정규형 기저에서 처리되지 않은 기저에 대해 PotLLL는 헤르마이트 인자와 런타임 측면에서 BKZ-5를 모두 초월하며, 특히 차원 160 이하에서는 뚜렷한 우월성을 보인다.
• 사전처리된 기저(예: 0.75-LLL 이후)에서는 PotLLL가 BKZ-10보다 略로 느리지만 여전히 경쟁 가능하며, 더 긴 벡터를 생성한다.
• β=5인 DeepLLL는 처리되지 않은 기저에서 헤르마이트 인자와 런타임 측면에서 BKZ-10를 모두 초월하며, 이 설정에서의 열등성을 보여준다.
• 잠재력 최소화를 통한 딥 인서션을 적용한 BKZ-5는 고전적 DeepLLL(β=5)에 가까운 출력 품질을 달성하며, BKZ-10에 같은 삽입 전략을 적용하면 DeepLLL(β=10)에 가까운 성능을 보인다.
• 차원 ≥180에서는 BKZ-10가 β=5인 DeepLLL보다 빠르지만, PotLLL는 모든 테스트된 차원에서 뛰어난 성능을 유지하며 경쟁력을 유지한다.