[论文解读] Some algorithms for skew polynomials over finite fields

Xavier Caruso, Jérémy Le Borgne|arXiv (Cornell University)|Dec 14, 2012

Coding theory and cryptography参考文献 9被引用 12

一句话总结

本文提出了一种新的有限域上斜多项式因式分解算法，通过阿兹马亚代数理论与约化范数，显著降低了时间复杂度。通过利用商环的结构并结合快速算术与基于范数的约化，该算法在理论与实践上均显著优于先前的Giesbrecht方法，其复杂度接近于交换多项式因式分解。

ABSTRACT

In this paper, we study the arithmetics of skew polynomial rings over finite fields, mostly from an algorithmic point of view. We give various algorithms for fast multiplication, division and extended Euclidean division. We give a precise description of quotients of skew polynomial rings by a left principal ideal, using results relating skew polynomial rings to Azumaya algebras. We use this description to give a new factorization algorithm for skew polynomials, and to give other algorithms related to factorizations of skew polynomials, like counting the number of factorizations as a product of irreducibles.

研究动机与目标

• 开发有限域上斜多项式环的高效算术与因式分解算法。
• 将斜多项式因式分解的计算复杂度降低至低于现有方法（如Giesbrecht的方法）的水平。
• 通过阿兹马亚代数与约化范数提供理论框架，以支持快速且结构化的计算。
• 设计并实现用于计数与均匀采样斜多项式因式分解的算法。
• 通过Sage与Magma实现展示实际效率。

提出的方法

• 理论基础：证明 $k[X,\sigma][1/X]$ 是 $k^\sigma[X^r][1/X^r]$ 上的阿兹马亚代数，从而可使用约化范数映射。
• 利用约化范数 $\mathcal{N}: k[X,\sigma] \to k[X^r]$ 将斜多项式映射至中心元素，简化因式分解过程。
• 通过利用 $k[X,\sigma]/k[X,\sigma]P$ 的结构，将 $k^\sigma$ 上的大规模矩阵运算替换为在域扩张上的小型矩阵运算。
• 通过优化斜多项式环中的算术运算，开发快速乘法与最大公因数（GCD）算法。
• 通过计算中心倍数 $N = \mathcal{N}(P)$，在交换中心中因式分解 $N$，并实现因式分解的提升，构建因式分解算法 SkewFactorization。
• 通过模拟在商模的循环向量上作用的自同态代数，实现均匀随机因式分解生成器。

实验结果

研究问题

• RQ1 是否能够以接近于交换多项式因式分解的复杂度实现有限域上斜多项式因式分解？
• RQ2 如何利用商环 $k[X,\sigma]/k[X,\sigma]P$ 的代数结构来降低计算成本？
• RQ3 约化范数映射 $\mathcal{N}$ 在实现高效因式分解与计数算法中起到何种作用？
• RQ4 能否设计出高效算法以计数或从所有斜多项式因式分解中均匀采样？
• RQ5 如何利用斜多项式环中的快速算术来提升整体算法性能？

主要发现

• 所提出的 SkewFactorization 算法的时间复杂度为 $\tilde{O}(dr^3\log q + d\log^2 q + d^{1+\varepsilon}(\log q)^{1+o(1)} + F(d,k^\sigma))$ 比特操作，其中 $F(d,k^\sigma)$ 表示在 $k^\sigma$ 上对次数为 $d$ 的交换多项式进行因式分解的代价。
• 当 $r^3 \ll d$ 时，主导项变为 $F(d,k^\sigma)$，使得该算法在渐近意义上与交换因式分解同样高效。
• 约化范数映射 $\mathcal{N}$ 使得中心倍数的高效计算成为可能，替代了代价高昂的矩阵构造方法。
• 本文提供了利用对偶类型与范数因式分解计数斜多项式因式分解数量的闭式公式。
• 通过模拟自同态代数在循环向量上的作用，设计了均匀随机因式分解算法，其成功概率下界为 $0.53(1 - 1/q^d)$。
• 所有算法均已在 Sage 与 Magma 中实现，且公开了源代码，验证了其实际效率与正确性。