[论文解读] Quantum Hashing via Classical $ε$-universal Hashing Constructions
本文提出了一种新颖的量子哈希函数构造方法,通过将经典ε-通用哈希族与量子哈希生成器组合,实现了高效且抗碰撞的量子哈希。该方法利用里德-所罗门码与弗雷瓦尔茨指纹技术,证明了在量子比特使用上的最优性,实现了在有界碰撞概率下的最小量子比特需求。
In the paper, we define the concept of the quantum hash generator and offer design, which allows to build a large amount of different quantum hash functions. The construction is based on composition of classical $ε$-universal hash family and a given family of functions -- quantum hash generator. The proposed construction combines the properties of robust presentation of information by classical error-correcting codes together with the possibility of highly compressed presentation of information by quantum systems. In particularly, we present quantum hash function based on Reed-Solomon code, and we proved, that this construction is optimal in the sense of number of qubits needed.
研究动机与目标
- 正式定义量子哈希生成器的概念,并实现多样化量子哈希函数的构建。
- 利用ε-通用哈希族与纠错码之间的对偶性,实现可扩展的量子哈希。
- 在保持低碰撞概率的前提下,最小化量子哈希函数实现所需的量子比特数量。
- 基于里德-所罗门码与弗雷瓦尔茨指纹方案,提供显式且高效的构造方法。
提出的方法
- 通过经典ε-通用哈希族与量子哈希生成器的复合,构建量子哈希函数,将经典输入映射为量子态。
- 使用里德-所罗门码作为底层纠错码,在有限域上定义(k-1)/n-通用哈希族。
- 应用弗雷瓦尔茨指纹方案生成具有可控碰撞概率δ的哈希函数族。
- 采用量子态制备规则:|ψ(w)⟩ = 1/√n Σᵢ |i⟩ ⊗ (1/√T Σⱼ |j⟩ (cos(2πhⱼ(fₐᵢ(w))/q)|0⟩ + sin(2πhⱼ(fₐᵢ(w))/q)|1⟩)),将哈希输出编码于叠加态中。
- 利用涉及码长n、域大小q与误差容限δ的对数表达式,推导出量子比特数量的边界。
- 通过比较量子比特数量s的下界与上界,证明其最优性,表明在给定参数下边界紧密。
实验结果
研究问题
- RQ1ε-通用哈希族能否系统地与量子生成器组合,以生成高效的量子哈希函数?
- RQ2如何利用里德-所罗门码等纠错码,从量子比特数量角度构造最优的量子哈希函数?
- RQ3在量子哈希中,实现给定碰撞概率Δ所需的最少量子比特数量是多少?
- RQ4弗雷瓦尔茨指纹方案能否被适配,以生成具有有界误差的显式、最优量子哈希构造?
- RQ5理论上的量子比特使用边界在实际中能达到的程度如何?
主要发现
- 基于里德-所罗门码的量子哈希函数满足Δ ≤ (k−1)/n + δ,且s ≤ log(q log q) + 2 log(1/δ) + 4量子比特,证明了其在量子比特效率上的最优性。
- 当M = ck log k且q为区间[M, 2M]内的素数时,构造满足Δ ≤ 1/c + δ,使用s ≤ log(ck) + log log k + log log q + 2 log(1/δ) + 3量子比特。
- 量子比特数量的下界为s ≥ log k + log log q − log log(1 + √(2/(1−δ))) − 1,表明上界具有紧致性。
- 基于弗雷瓦尔茨指纹方案的显式构造实现Δ ≤ 1/c + δ,且s ≤ log(ck) + log log k + log log q + 2 log(1/δ) + 3量子比特。
- 量子态制备规则将多个哈希值编码于叠加态中,通过纠缠的量子比特寄存器实现哈希输出的紧凑表示。
- ε-通用族与量子生成器的复合确保碰撞概率被Δ所限制,从而支持安全的量子指纹识别与数字签名。
更好的研究,从现在开始
从阅读论文到最终审阅,大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成,并经人工编辑审核。