- 综合排序
- 最热优先
- 最新优先
- 来自专栏机器之心
若通过验证可颠覆美国后量子密码设计，清华陈一镭预印论文破解格密码
量子计算机是否有望能破解 Lattice Problems 以及 LWE？虽然这一问题长期以来受到关注，但鲜有实质性进展。 具体而言，这篇论文展示了一种多项式时间量子算法，用于求解具有特定多项式模数 - 噪声比的有误学习问题（LWE）。 利用这些技术，陈一镭将 LWE 实例转换为具有纯虚高斯振幅的量子态，然后将纯虚高斯态转换为 LWE 秘密和误差项的经典线性方程，最后利用高斯消元法求解线性方程组。 求解 LWE 的量子算法 论文第三章主要专注于定理的证明： 3.1 节展示了具有几个已知秘密坐标的 LWE 和标准 LWE 一样难； 3.2 介绍了将 LWE 转换成具有唯一最短向量的特殊 q-ary 下面三种缩减都是对现有经典多项式时间缩减的微小修改，从标准 LWE 到它们的变体。 1. 有 k 个无误差坐标的 LWE。 2. 有 k 个选择误差项的 LWE。 3.LWE，秘密遵循误差分布。
30310编辑于 2024-04-12 - 来自专栏信息安全
探索后量子安全：基于格加密技术的未来密码学展望
Ring-LWE问题及其在加密中的应用 Ring-LWE（Learning with Errors over Rings）是格密码学中的一个重要原语，它是LWE（Learning with Errors Ring-LWE加密方案利用了一个单向性质：给定一个环元素a、一个噪声项e和另一个环元素s，计算as+e很容易，但从as+e中恢复s则非常困难。 Python代码示例：基于Ring-LWE的加密方案 以下是一个简化的基于Ring-LWE的加密方案的Python代码示例，实现了密钥生成、加密和解密的基本流程。
84910编辑于 2024-10-09 - 来自专栏FreeBuf
密码体制如何应对“量子霸权”？
表3：抗量子密码分类 分类 数学困难问题 用途 举例 基于格的密码 基于格上的困难问题，主要有LWE（Learning with Errors）、Ring-LWE、SIS等 加密/签名/密钥交换等 NTRU 格是一种与群、环、域并列的代数结构，LWE（带错误的学习）是格上的困难问题。 2005年，Regev提出LWE问题并通过量子算法将LWE归约到格上的最短向量困难问题（SVP），并给出了基于LWE的公钥密码方案。与之前出现的格上困难问题比较，LWE在构建密码系统时更方便。 Ring-LWE（环上带错误的学习）是LWE的变体。在基于Ring-LWE的密码中，密钥由若干个多项式表示，而不是LWE中的矩阵，因而减小了密钥大小，同时提高了加解密速度。 表4：各类抗量子密码特点 基于格的密码 多变量密码 基于Hash的密码 基于编码的密码 以NTRU为早期代表，已在欧洲成为标准；目前新算法多基于LWE或Ring-LWE 以Rainbow等为代表 以Merkle
3.6K20发布于 2019-12-26 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
Google Earth Engine——2004-2010年时间平均基线的月度引力异常值，该数据集所包含的数据是以 “等水厚度 “为单位，以厘米为单位表示水的垂直范围的质量偏差
"NASA/GRACE/MASS_GRIDS/LAND") Resolution 111320 meters Bands Table Name Description Min* Max* Units lwe_thickness_csr Equivalent liquid water thickness in centimeters calculated by CSR. -139.2 74.88 cm lwe_thickness_gfz Equivalent liquid water thickness in centimeters calculated by GFZ. -145.45 70.19 cm lwe_thickness_jpl filter(ee.Filter.date('2016-08-01', '2016-08-30')); var equivalentWaterThicknessCsr = dataset.select('lwe_thickness_csr
69410编辑于 2024-02-02 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
Google Earth Engine——GRACE Tellus月度质量网格提供了相对于2004-2010年时间平均基线的月度引力异常值
GRACE/MASS_GRIDS/OCEAN_EOFR") Resolution 111320 meters Bands Table Name Description Min* Max* Units lwe_thickness_csr Equivalent liquid water thickness in centimeters calculated by CSR. -18.46 12.29 cm lwe_thickness_gfz Equivalent liquid water thickness in centimeters calculated by GFZ. -15.37 14.56 cm lwe_thickness_jpl filter(ee.Filter.date('2016-08-01', '2016-08-30')); var equivalentWaterThicknessCsr = dataset.select('lwe_thickness_csr
24610编辑于 2024-02-02 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
Google earth engine ——grace（等效液态水厚度）数据详细介绍
Bands Table 因为这个数据是由三个机构共同完成的，所以有三份数据，有些许差异： 由 三个机构提供的 以厘米为单位的等效液态水厚度 Name Description Min* Max* Units lwe_thickness_csr Equivalent liquid water thickness in centimeters calculated by CSR. -139.2 74.88 cm lwe_thickness_gfz Equivalent liquid water thickness in centimeters calculated by GFZ. -145.45 70.19 cm lwe_thickness_jpl filter(ee.Filter.date('2018-08-01', '2018-08-30')); var equivalentWaterThicknessCsr = dataset.select('lwe_thickness_csr
63710编辑于 2024-02-02 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
Google Earth Engine——GRACE Tellus（GRCTellus）月度质量网格海洋数据集
NASA/GRACE/MASS_GRIDS/OCEAN") Resolution 111320 meters Bands Table Name Description Min* Max* Units lwe_thickness_csr Equivalent liquid water thickness in centimeters calculated by CSR. -27 36.81 cm lwe_thickness_gfz Equivalent liquid water thickness in centimeters calculated by GFZ. -28.87 33.02 cm lwe_thickness_jpl Equivalent filter(ee.Filter.date('2016-08-01', '2016-08-30')); var equivalentWaterThicknessCsr = dataset.select('lwe_thickness_csr
23410编辑于 2024-02-02 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
Google Earth Engine——GRACE Tellus月度质量网格提供了相对于2004-2010年时间平均基线的月度引力异常值。该数据集所包含的数据是以 “等水厚度 “为单位，以厘米为单位
Resolution 55660 meters Bands Table Name Description Min* Max* Units lwe_thickness Equivalent liquid .filter(ee.Filter.date('2016-08-01', '2016-08-30')); var equivalentWaterThickness = dataset.select('lwe_thickness .filter(ee.Filter.date('2016-08-01', '2016-08-30')); var equivalentWaterThickness = dataset.select('lwe_thickness
67010编辑于 2024-02-02 - 来自专栏大数据文摘
深度|加密技术如何对付量子计算机
格的前景自1997年以后变得明朗起来，IBM的研究人员提出第一种较好的加密方案，这种加密方案名为Learning With Errors（LWE），意即伴随误差学习，由于要找到最近的通用格要很长时间，因而可以抵抗来自量子计算机的攻击 什么是LWE方案 在2005年，Oded Regev基于LWE问题提出了一种加密方案，他证实这个方案解决起来很难，因而比较安全。 鱼和熊掌不可兼得，LWE方案虽然更加通用并且安全性更高，但它的效率较低。研究人员在这个方向上，还在不断探索，之后提出了一些其他方案。 除了Soliloquy以外，他们的发现还表明，其他基于理想格的方案，构造单独短向量的方法也可以被攻破，而基于一般格的方案，如Ring-LWE和NTRU则不受影响。
1K100发布于 2018-05-21 - 来自专栏程序手艺人
玩转「Wi-Fi」系列之常用命令(四)
iwconfig iwconfig是Linux Wireless Extensions(LWE)的用户层配置工具之一。 LWE是Linux下对无线网络配置的工具，包括内核的支持、用户层配置工具和驱动接口的支持三部分。 目前很多无线网卡都支持LWE，而且主流的Linux发布版本，比如Redhat Linux、Ubuntu Linux都已经自带这个配置工具。 ?
3.2K00发布于 2019-02-21 - 来自专栏新智元
【八年苦读】伯克利研究生解决量子计算验证问题
2017年，Mahadev通过一种名为“Learning With Errors”（LWE）的加密技术，找到了如何在secret-state方法的核心构建trapdoor函数的方法。 Mahadev的验证协议——以及随机数生成器和盲加密方法——取决于量子计算机不能破解LWE的假设。 目前，LWE被广泛认为是后量子密码学的主要候选，可能很快就会被国家标准和技术研究所采用作为其新的加密标准，以取代量子计算机可能破解的标准。 Vidick写道，无论如何，该协议对LWE的依赖使得Mahadev的工作带来了双赢。量子计算机欺骗协议的唯一方法是量子计算世界中有人找到了破解LWE的方法，这本身就是一项了不起的成就。
73670发布于 2018-10-24 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
AI Earth——GRACE Monthly Mass Grids - Global Mascons（陆地、海洋）数据集（等效水厚度）
dataset = aie.ImageCollection('NASA_GRACE_MASS_GRIDS_MASCON') imgs = dataset.select(['lwe_thickness map = aie.Map( center=[121.02,31.17], height=800, zoom=1 ) vis_params = { 'bands': ['lwe_thickness ffffff','#d0d0d0','#ababab','#ffb93d','#3977ff' ] } map.addLayer( imgs, vis_params, 'lwe_thickness
36700编辑于 2024-05-24 - 来自专栏AI科技评论
理论计算机顶会FOCS 2021奖项揭晓！姚期智获时间检验奖，MIT毛啸获最佳学生论文奖
7.Zvika Brakerski, Vinod Vaikuntanathan: 《Efficient Fully Homomorphic Encryption from (Standard) LWE》 FOCS 2011 论文链接：https://eprint.iacr.org/2011/344.pdf 论文介绍： 该论文提出了一个完全同态的加密方案——完全基于（标准）有错误学习（LWE）假设。 在 LWE 上应用已知结果，本论文方案的安全性基于任意格上“短向量问题”的最坏情况硬度。 研究人员的构造在两个方面改进了以前的工作： 1）展示了“近似同态”的加密可以基于 LWE，使用一种新的重新线性化技术。相比之下，之前的所有方案都依赖于与各种环中的理想相关的复杂性假设。 这篇论文的方案具有非常短的密文，因此研究者们使用它来构建渐近高效的基于 LWE 的单服务器私有信息检索 (PIR) 协议。
1.2K40编辑于 2021-12-24 - 来自专栏新智元
一文看尽Meta开源大礼包！全面覆盖图像分割、语音、文本、表征、材料发现、密码安全性等
论文链接：https://arxiv.org/pdf/2408.00882v1 代码链接：https://github.com/facebookresearch/LWE-benchmarking 国家标准技术研究所 （NIST）采用的行业标准，「基于格（lattice）的密码学」建立在「带误差的学习」（LWE）的难题之上。
42310编辑于 2025-02-15 - 来自专栏FreeBuf
同态加密：实现数据的“可算不可见”
② 第二代全同态加密方案——BGV/BFV方案 Gentry方案之后的第二代全同态加密方案通常基于LWE/RLWE假设，其安全性基于代数格上的困难问题，典型方案包括BGV方案和BFV方案等。 BFV（Brakerski/Fan-Vercauteren）方案是与BGV方案类似的另一种第二代全同态加密方案，同样可基于LWE和RLWE构造。 该方案基于LWE并可推广至RLWE，但其的性能不如BGV方案等其他基于RLWE的方案。
4.1K31编辑于 2023-04-26 - 来自专栏喔家ArchiSelf
隐私计算之全同态加密
具体包括： LWE (有错误的学习)和 RLWE (有错误的环形学习)，等价于解决Lattice数学中的 CVP (最接近向量问题) ，基于无法确定系数(代表密钥)在有限域上的线性方程组(LWE)或多项式环 接下来，BFV (Brakerski/Fan-Vercauteren)和 BGV (Brakerski-Gentry-Vaikuntantan)引入了 LWE 和 RLWE 安全模型，并且还引入了水准度量方案
2K40编辑于 2022-12-03 - 来自专栏Python项目实战
量子来了，RSA要凉？聊聊后量子加密的未来与现实（含代码！）
最核心的困难问题：SVP（ShortestVectorProblem）最短向量问题LWE（LearningWithErrors）带噪声学习问题它的特点非常讨喜：✔理论基础扎实（几十年没人干碎它）✔速度快
37200编辑于 2025-12-08 - 来自专栏学谦数据运营
如何在矩阵的行上显示“其他”【4】看得见与看不见，看上去看不见但还是能看得见，看上去看不见也真的看不见
r=eyJrIjoiOWI1YmQzNWQtNzE1NS00NmE3LWE1ODQtNmEzY2MxN2Q4MmE2IiwidCI6ImUzYjQyNWIwLTNmMTAtNDE1Yy1iYWE3LTEzMmRmNGY3Yjk2NCJ9
2.1K30发布于 2021-11-15 - 来自专栏数据科学与人工智能
联邦学习|同态加密：实现数据的“可算不可见”
② 第二代全同态加密方案——BGV/BFV方案 Gentry方案之后的第二代全同态加密方案通常基于LWE/RLWE假设，其安全性基于代数格上的困难问题，典型方案包括BGV方案和BFV方案等。 BFV（Brakerski/Fan-Vercauteren）方案是与BGV方案类似的另一种第二代全同态加密方案，同样可基于LWE和RLWE构造。 该方案基于LWE并可推广至RLWE，但其的性能不如BGV方案等其他基于RLWE的方案。
18.2K53发布于 2021-08-06 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
NASA数据集——1980 年至 2020 年北美 3km分辨率气温（摄氏度）、相对湿度（%）、风速（米/秒）、风向（真北偏角）、总降水量（雨+雪）等数据集
tair degrees C Air temperature bulk_thermal_resistance bthr K W-1 Bulk snowpack thermal resistance lwe_surface_snow_thickness
34900编辑于 2024-05-24
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号