[论文解读] The Cubic Public-Key Transformation

Subhash Kak|ArXiv.org|Feb 28, 2006

Intelligence, Security, War Strategy参考文献 4被引用 7

一句话总结

本文提出一种基于模合数 n = pq 的三次公钥变换，使用指数 3 的模幂运算，其中 φ(n) 可被 3 整除但不可被 9 整除，使得每个密文恰好有三个立方根，从而实现高效且唯一可逆的加密。通过附加辅助信息（例如，消息在其三个根中的排序），可唯一恢复原始消息，提供了一种比 Rabin 的平方方法更高效的替代方案，后者有四个根且解密更复杂。

ABSTRACT

We propose the use of the cubic transformation for public-key applications and digital signatures. Transformations modulo a prime p or a composite n=pq, where p and q are primes, are used in such a fashion that each transformed value has only 3 roots that makes it a more efficient transformation than the squaring transformation of Rabin, which has 4 roots. Such a transformation, together with additional tag information, makes it possible to uniquely invert each transformed value. The method may be used for other exponents as well.

研究动机与目标

• 开发一种基于模 n = pq 的三次剩余的公钥密码系统，其效率高于 Rabin 的平方方法。
• 通过使用消息在三个根中的排序等辅助信息，解决三次映射的多对一特性，实现密文的唯一解密。
• 将方法推广至 φ(n) 可被 9 整除的情况，通过结构化分组处理九个立方根。
• 支持数字签名、密钥分发和随机数生成等应用，利用三次变换实现。

提出的方法

• 使用变换 c = m³ mod n，其中 n = pq 且 φ(n) 可被 3 整除但不可被 9 整除，确保每个 c 恰好有三个立方根。
• 通过 c^(φ(n)+3)/9 或 c^(2φ(n)+3)/9 的逆指数运算实现高效立方根恢复，具体取决于 φ(n) mod 9 的值。
• 利用欧拉准则和公式 α = (-1 ± √(p-3))^(p+1)/4，在模 p 和 q 下计算单位根的原始立方根 α 和 α²，再通过中国剩余定理（CRT）组合得到模 n 的结果。
• 利用辅助信息（如排序或分组归属）从三个或九个可能的立方根中唯一识别出正确的消息。
• 将九个单位根划分为子群（如 1, a, a²），以生成成功概率为 1/(k+1) 的概率事件，其中 k 为根的数量。
• 将变换应用于生成密码学安全的随机序列：si = si−1³ mod n，通过模 r 运算生成二进制或 r 进制输出。

实验结果

研究问题

• RQ1 能否在模 n = pq 下使用三次变换构建一个安全且高效的公钥密码系统，其根的数量少于 Rabin 平方方法？
• RQ2 当每个密文有三个或九个立方根时，如何利用辅助信息唯一恢复原始消息？
• RQ3 在何种条件下 φ(n) 确保每个密文仅有三个立方根？如何高效计算其逆？
• RQ4 该方法能否推广至更高指数，并用于数字签名与随机数生成？
• RQ5 如何通过立方根的结构化分组，在密钥交换或签名协议中构造概率事件？

主要发现

• 当 φ(n) 可被 3 整除但不可被 9 整除时，三次变换 c = m³ mod n 恰好有三个立方根，相比 Rabin 方法的四个根更高效。
• 通过指数运算 c^(φ(n)+3)/9 或 c^(2φ(n)+3)/9 可高效计算逆，其正确性由费马小定理证明。
• 当 p ≡ 3 mod 4 时，可利用 √(p-3) 和欧拉准则高效计算单位根，从而构造出三个立方根。
• 当 φ(n) 可被 9 整除时，方法仍适用，此时有九个立方根，通过分组（如 1, a, a²）处理，辅助信息可使正确识别概率达到 1/4（示例情况）。
• 该方法支持使用小指数和辅助信息的数字签名与密钥分发，并可通过 s_i = s_{i-1}^3 mod n 实现密码学安全的随机数生成。
• 该变换支持基于概率的协议：若鲍勃选择包含三个立方根的组，其正确识别消息的概率为 1/4，该概率可通过分组策略调整。