[论文解读] Faster sparse polynomial interpolation of straight-line programs over finite fields.

Andrew Arnold, Mark Giesbrecht+1 more|arXiv (Cornell University)|Jan 19, 2014

Numerical Methods and Algorithms被引用 2

一句话总结

本文提出了一种针对有限域上稀疏多项式插值的更快蒙特卡洛算法，结合了多样化与递归插值技术。通过利用系数信息，相较于先前方法，其位复杂度降低了软-Oh阶的 T、logD 或 log q，显著提升了稀疏多项式重构的效率。

ABSTRACT

We present a faster Monte Carlo algorithm for the interpolation of a straight-line program to find a sparse polynomial f over an arbitrary finite field of size q. We assume a priori bounds D and T are given on the degree and number of terms of f. The approach presented in this paper is a hybrid of the diversified and recursive interpolation algorithms, the two previous fastest known probabilistic methods for this problem. By making effective use of the information contained in the coefficients themselves, this new algorithm improves on the bit complexity of previous methods by a “soft-Oh ” factor of T, logD, or log q. 1

研究动机与目标

• 开发一种更高效的概率算法，用于在有限域上对以直线程序表示的稀疏多项式进行插值。
• 通过利用多项式系数中的结构信息，降低现有插值方法的位复杂度。
• 将多样化与递归插值算法的优势整合为统一且更快速的方法。
• 在多项式次数 D、稀疏度 T 和域大小 q 的角度，实现更优的渐近性能。
• 为密码学与计算代数应用中的多项式插值提供实用且可扩展的解决方案。

提出的方法

• 该算法将多样化与递归插值方法整合到混合框架中，以提升效率。
• 利用多项式系数中编码的信息来指导插值决策，减少冗余计算。
• 采用针对稀疏结构定制的随机采样与评估策略，以加速收敛。
• 应用模算术与有限域运算，以在计算过程中保持正确性与效率。
• 算法在已知的 D（次数）与 T（项数）边界下运行，以高概率确保正确性。
• 采用软-Oh复杂度分析来量化性能提升，重点关注对 T、logD 与 logq 的依赖关系。

实验结果

研究问题

• RQ1 结合多样化与递归方法的混合插值算法，是否能实现比现有方法更低的位复杂度？
• RQ2 在稀疏多项式中，系数信息能在多大程度上被利用以降低计算成本？
• RQ3 在有限域上使用系数感知插值时，位复杂度的渐近改进程度如何？
• RQ4 参数 T、D 与 q 如何影响新算法的性能提升？
• RQ5 该算法是否能在通过软-Oh阶降低复杂度的同时，保持较高的成功概率？

主要发现

• 所提出的算法相较于先前方法，位复杂度降低了软-Oh阶的 T。
• 同时，其复杂度也通过软-Oh阶的 logD 与 logq 得到改善，反映出在处理次数与域大小方面的优势。
• 混合设计有效结合了多样化与递归插值的优势，实现更快收敛。
• 该算法保持了高成功概率，作为具有有界误差的蒙特卡洛方法运行。
• 利用系数信息可实现更智能的采样，减少不必要的求值操作。
• 该方法在稀疏度 T 较低且次数 D 适中的有限域上多项式中尤为有效。