[论文解读] Quantum Information Set Decoding Algorithms

Ghazal Kachigar, Jean–Pierre Tillich|arXiv (Cornell University)|Mar 1, 2017

Quantum Computing Algorithms and Architecture参考文献 3被引用 9

一句话总结

本文通过将MMT的信息集解码与量子行走技术及Grover搜索相结合，提出了一种新型的量子解码算法，实现了$2^{0.05869n}$的最坏情况复杂度，通过优化内存使用和量子加速，优于Bernstein先前的量子ISD算法（$2^{0.06035n}$）。

ABSTRACT

The security of code-based cryptosystems such as the McEliece cryptosystem relies primarily on the difficulty of decoding random linear codes. The best decoding algorithms are all improvements of an old algorithm due to Prange: they are known under the name of information set decoding techniques. It is also important to assess the security of such cryptosystems against a quantum computer. This research thread started in Overbeck and Sendrier's 2009 survey on code-based cryptography, and the best algorithm to date has been Bernstein's quantising of the simplest information set decoding algorithm, namely Prange's algorithm. It consists in applying Grover's quantum search to obtain a quadratic speed-up of Prange's algorithm. In this paper, we quantise other information set decoding algorithms by using quantum walk techniques which were devised for the subset-sum problem by Bernstein, Jeffery, Lange and Meurer. This results in improving the worst-case complexity of $2^{0.06035n}$ of Bernstein's algorithm to $2^{0.05869n}$ with the best algorithm presented here (where $n$ is the codelength).

研究动机与目标

• 改进随机线性码的量子解码复杂度，这是代码基密码学中的核心问题。
• 通过应用先进的量子技术，将量子加速扩展到比Prange算法更复杂的ISD算法之外。
• 通过利用MMT解码方法的优化变体上的量子行走算法，降低最坏情况下的解码复杂度。
• 解决在将经典ISD变体量化以获得量子优势时，高空间复杂度的挑战。
• 确定更复杂的经典ISD算法是否能带来与简单算法相比成比例更大的量子加速。

提出的方法

• 将原本为子集和问题开发的量子行走技术适配到代码基密码学中的综合征解码问题。
• 将MMT算法的结构与Grover的量子搜索及量子行走相结合，以减少错误模式的搜索空间。
• 引入一种改进的MMT框架，利用“1+1=0”技巧减少搜索空间中的变量数量。
• 在精心构建的图$\mathcal{G}$上使用量子行走，其大小为$\tilde{\Theta}(V^{8/5})$，以优化时间和空间复杂度之间的权衡。
• 在SageMath中使用递归黄金分割搜索，对码率和相对错误权重的组合，数值最小化复杂度指数$\alpha(R, \omega)$。
• 通过二项式系数和熵函数（特别是$H_2(x)$）的渐近分析，推导出复杂度指数，参数设置经优化。

实验结果

研究问题

• RQ1 量子行走技术是否能显著提升信息集解码的量子复杂度，超越Grover基加速？
• RQ2 MMT算法的量子版本在渐近复杂度上是否优于Prange算法的量子版本？
• RQ3 经典ISD变体的空间复杂度如何影响其量子对应物的可行性和效率？
• RQ4 简单ISD算法与更高级的算法（如MMT或BJMM）之间的量子加速是否存在显著差距？
• RQ5 当相对错误权重趋近于零时，最优算法的量子复杂度指数是否会收敛到经典指数？

主要发现

• 所提出的MMTQW算法实现了$2^{0.05869n}$的最坏情况复杂度，相较于Bernstein的$2^{0.06035n}$结果实现了非平凡的改进。
• 该改进通过将MMT算法与量子行走和Grover搜索相结合，优化了时间与空间复杂度之间的权衡。
• 该算法采用改进的MMT结构和“1+1=0”技巧，减少了变量数量，从而实现了更优的量子加速。
• 复杂度指数$\alpha_{\text{MMTQW}}$满足$\alpha_{\text{MMTQW}} \approx \frac{\alpha_{\text{Dumer}}}{2} + 4.9 \times 10^{-4}$，显示出适度但有意义的改进。
• 分析表明，由于更高的空间复杂度，基于更复杂经典ISD变体（如BJMM或May-Ozerov）的算法其量子加速效果较弱。
• 数值结果确认，该改进在码率范围$0.3 \leq R \leq 0.7$内最为显著，新算法与Bernstein的结果之间存在明显差距。