type
status
date
summary
password
category
slug
icon
接着上一篇继续写,格中计算困难性问题
🧐最短距离🤩距离函数(Distance Function)🫣覆盖半径(Covering Radius)🥀格的平滑参数浅浅理解高斯平滑的作用:❓为什么要用到平滑参数?🥹Lattice的几何构造❓为什么要构造📑如何构造📑Lattice Rounding(取整)问题🤔格中计算困难性问题✍️最短向量问题 (Shortest Vector Problem,SVP)γ-近似最短向量问题 (SVP-γ) 最短线性无关向量问题 (Shortest Independent Vector Problem, SIVP)连续最小长度问题 (Successive Minima Problem, SMP)唯一最短向量问题 (Unique Shortest Vector Problem, uSVP-γ)✍️最近向量问题 (Closest Vector Problem,CVP)📎 参考文章
🧐最短距离
除了行列式,格的另一个基本量是格上最短非零向量的长度,即格中最短距离,其定义为
![notion image](https://www.notion.so/image/https%3A%2F%2Fs3-us-west-2.amazonaws.com%2Fsecure.notion-static.com%2F825c3742-3776-4d63-9822-7839eb7d0f11%2FUntitled.png?table=block&id=9c757d1c-9d98-4c80-91d7-a6bd93b63c02)
![notion image](https://www.notion.so/image/https%3A%2F%2Fs3-us-west-2.amazonaws.com%2Fsecure.notion-static.com%2F8a05c08c-feac-47b1-b554-a75de08925c4%2FUntitled.png?table=block&id=c5334d04-6d1c-4f15-8c9d-df1ed25ca1b5)
如图,两两格点构成的向量都可以通过平移得到起始点为原点的向量,通过找到距离原点最近的格点即可计算出格中最短距离。格中最短距离也称为第一连续极小,记为1
同理可定义第二至第n连续极小,2,3……n
在二维格上,可以用多项式时间算法求解出1,但在多维格上求解1则十分困难。注意,给定一组格基,最短向量不一定是格基之一
🤩距离函数(Distance Function)
给定任意一个点t(这个点不需要在Lattice上),我们可以定义距离函数为这个点到附近的Lattice点的最短距离。
![notion image](https://www.notion.so/image/https%3A%2F%2Fs3-us-west-2.amazonaws.com%2Fsecure.notion-static.com%2Fe2e07665-eaaf-4bcb-b0b4-2df0d0c6b223%2FUntitled.png?table=block&id=f9fe4729-dacd-4ccb-9ee5-0b4dc317c314)
🫣覆盖半径(Covering Radius)
左右移动t的位置,然后就可以找到在这个Lattice中可以得到的最大的。我们一般称这个最大值叫覆盖半径(Covering Radius)
![notion image](https://www.notion.so/image/https%3A%2F%2Fs3-us-west-2.amazonaws.com%2Fsecure.notion-static.com%2F185cdeb9-c0f0-43f9-9ea0-48cfa2195849%2FUntitled.png?table=block&id=0fc1096b-6b9f-4c24-9725-c5c2d8663734)
假设在这个Lattice中,以每个格点为圆心画很多个圆,
如果逐渐把圆的半径扩大的话, 那么所有的圆就会逐渐开始覆盖整个空间
![notion image](https://www.notion.so/image/https%3A%2F%2Fs3-us-west-2.amazonaws.com%2Fsecure.notion-static.com%2Fdbc8b39d-1455-4660-8e4e-6b3b86d71f19%2FUntitled.png?table=block&id=aa7f081d-91b8-4730-887d-d74a1b2e92ef)
🥀格的平滑参数
如果在每个格点上叠加一个圆形范围内取值的随机噪音(生成一个随机值,将这个随机值与圆形范围内的所有格点元的半径相加或替换),那么当圆的半径达到覆盖半径之后,这个Lattice本身就和背后的连续空间合二为一了
浅浅理解高斯平滑的作用:
缩小r的值,半径对应的向量的每个分向量仅略大
![notion image](https://www.notion.so/image/https%3A%2F%2Fs3-us-west-2.amazonaws.com%2Fsecure.notion-static.com%2F083f69ed-e945-4152-87e7-fde136877f38%2FUntitled.png?table=block&id=c8f55724-454a-4c76-bde4-7267e6d6ef06)
❓为什么要用到平滑参数?
实际上,平滑参数只是定义了一个临界值,当格上的离散高斯分布的标准方差大于此参数时,那么从此分布中选取的点在模格的单元平行多面体中后,几乎将服从均匀随机分布,而当小于此参数时,则不服从均匀随机分布。
🥹Lattice的几何构造
❓为什么要构造
最简单的笛卡尔坐标系整数格,其基向量都是相互垂直的(orthogonal basis),如果我们可以把一个任意的LatticeΛ转换为一个垂直基的格,那么可以更方便简单的在几何空间分析格,比如找到一个格中一个距离t(随意给定的目标值)最近的非零向量v,将其转化为几何空间,只需要通过上下取整,就可以快速找到。
📑如何构造
把一个Lattice的基进行变换,找到一组非常接近垂直的基的,这一过程称之为Lattice Basis Reduction。
比较常见的Basis Reduction方法是Gram-Schmidt正交化过程
回忆上一篇提到n维空间得到一组基![notion image](https://www.notion.so/image/https%3A%2F%2Fs3-us-west-2.amazonaws.com%2Fsecure.notion-static.com%2Fea478e6e-45ff-4e85-a147-d8cc73bd19bf%2FUntitled.png?table=block&id=44840d75-85ee-415f-ace2-f737a5e6a759)
![notion image](https://www.notion.so/image/https%3A%2F%2Fs3-us-west-2.amazonaws.com%2Fsecure.notion-static.com%2F2900d0f7-9a81-4681-b511-e55671c9004e%2FUntitled.png?table=block&id=137ffba2-e8a6-40fd-9b3e-3fcb2d3d1c96)
![notion image](https://www.notion.so/image/https%3A%2F%2Fs3-us-west-2.amazonaws.com%2Fsecure.notion-static.com%2Fea478e6e-45ff-4e85-a147-d8cc73bd19bf%2FUntitled.png?table=block&id=44840d75-85ee-415f-ace2-f737a5e6a759)
![notion image](https://www.notion.so/image/https%3A%2F%2Fs3-us-west-2.amazonaws.com%2Fsecure.notion-static.com%2F2900d0f7-9a81-4681-b511-e55671c9004e%2FUntitled.png?table=block&id=137ffba2-e8a6-40fd-9b3e-3fcb2d3d1c96)
📑Lattice Rounding(取整)问题
刚刚Lattice的几何构造提到一个例子,“找到一个格中一个距离t(随意给定的目标值)最近的非零向量v,将其转化为几何空间,只需要通过上下取整,就可以快速找到”
那如何取整呢??
![notion image](https://www.notion.so/image/https%3A%2F%2Fs3-us-west-2.amazonaws.com%2Fsecure.notion-static.com%2F0e700192-d479-43e5-8e37-82e751db4628%2FUntitled.png?table=block&id=1ac4f1a0-7923-4c90-b48c-e23b540507d8)
👉,那么我们通过取整操作就能解决 👉如果落点在外圈圆的话,那么很有可能就会被取整到隔壁的格点上去,那么那个点就不是最近的了
🤔格中计算困难性问题
- 最短向量问题 (Shortest Vector Problem,SVP)
- γ-近似最短向量问题 (SVP-γ)
- 连续最小长度问题 (Successive Minima Problem, SMP):
- 最短线性无关向量问题 (Shortest Independent Vector Problem, SIVP)
- 唯一最短向量问题 (Unique Shortest Vector Problem, uSVP-γ)
- 最近向量问题 (Closest Vector Problem,CVP)
👇👇👇👇👇
✍️最短向量问题 (Shortest Vector Problem,SVP)
给定格L及其基向量B,找到格L中的非零向量v使得对于格中的任意其它非零向量u,。
![notion image](https://www.notion.so/image/https%3A%2F%2Fs3-us-west-2.amazonaws.com%2Fsecure.notion-static.com%2F4daf1a16-f2f4-44db-bdd8-50a15558448d%2FUntitled.png?table=block&id=4a189e4f-b6fc-4058-913f-dd56390af91a)
γ-近似最短向量问题 (SVP-γ)
给定格L,找到格L中的非零向量v使得对于格中的任意其它非零向量u,
![notion image](https://www.notion.so/image/https%3A%2F%2Fs3-us-west-2.amazonaws.com%2Fsecure.notion-static.com%2F0ead2d8d-9931-46d9-928e-5ef1577d5792%2FUntitled.png?table=block&id=8049b318-8062-4fe2-b9c6-93fd6d19dfd2)
当时,就有多个结果啦
最短线性无关向量问题 (Shortest Independent Vector Problem, SIVP)
定一个秩为n的格L,找到格L中n个线性无关向量 ,满足。
就是找到格中n个向量,这n个向量全都小于格中最长向量
连续最小长度问题 (Successive Minima Problem, SMP)
给定秩为n的格L,找到格L中n 个线性无关向量 ,满足 。
唯一最短向量问题 (Unique Shortest Vector Problem, uSVP-γ)
给定格L及其基向量B,找到格L中的非零向量v使得对于格中的任意其它非零向量u,。
✍️最近向量问题 (Closest Vector Problem,CVP)
给定格L和目标向量 ,找到一个格中的非零向量v,使得对于格中的任意非零向量 u,满足.
📎 参考文章
我爱密码!!!!爱格密码!!! 🥲😅😥🤐🙃😖😭 今天半只脚踏进去了……接下来做题去,小师傅给滴,他说很简单,不知道我会不会难哭,浅浅不期待🫣