Score:2

ความเป็นศูนย์กลางของการแจกแจงแบบเกาส์เซียนสำหรับข้อผิดพลาด LWE

ธง sy

พิจารณาปัญหา LWE

อนุญาต $A$ ถั่ว $m \คูณ n$ เมทริกซ์, $x$ เป็น $n \คูณ 1$ เวกเตอร์, $u$ คือ $m \คูณ 1$ เวกเตอร์ และ $e$ สุ่มตัวอย่างจากการแจกแจงแบบเกาส์เซียน

เราได้รับอย่างใดอย่างหนึ่ง $ขวาน + อี ~~(mod~q)$ หรือ $u ~(mod~q)$ การคาดเดาที่ว่าเป็นการยากที่จะแยกความแตกต่างระหว่างตัวอย่างเหล่านี้ในเวลาพหุนาม โดยมีความเป็นไปได้สูงที่จะเลือก $A$, $x$, $u$ และ $e$ (สำหรับทางเลือกที่เหมาะสมของ $m$ และ $คิว$.)

ฉันต้องการถามเกี่ยวกับศูนย์กลางของการกระจาย Gaussian ในขณะที่คำนึงถึงความปลอดภัยของ LWE

LWE ยากไหมถ้า $e$ สุ่มตัวอย่างจากการแจกแจงแบบอื่น เช่น การแจกแจงแบบเอกภาพหรือการแจกแจงแบบเอกซ์โปเนนเชียล

Don Freecs avatar
sz flag
https://eprint.iacr.org/2015/939.pdf ดูหน้า 40 "โปรดทราบว่าข้อผิดพลาดดั้งเดิมนี้อาจมาจากการแจกแจงใด ๆ ตราบใดที่ค่อนข้าง สั้น."
Chris Peikert avatar
in flag
คำพูดนั้นเกี่ยวกับความถูกต้องของขั้นตอนในการสร้างตัวอย่าง LWE ใหม่จากตัวอย่างที่กำหนด ไม่เกี่ยวกับความปลอดภัยของ LWE ที่มีการกระจายข้อผิดพลาดทางเลือก
BlackHat18 avatar
sy flag
@ChrisPeikert มีการอ้างอิงถึงความถูกต้องของ LWE ด้วยการแจกแจงแบบอื่นหรือไม่?

โพสต์คำตอบ

คนส่วนใหญ่ไม่เข้าใจว่าการถามคำถามมากมายจะปลดล็อกการเรียนรู้และปรับปรุงความสัมพันธ์ระหว่างบุคคล ตัวอย่างเช่น ในการศึกษาของ Alison แม้ว่าผู้คนจะจำได้อย่างแม่นยำว่ามีคำถามกี่ข้อที่ถูกถามในการสนทนา แต่พวกเขาไม่เข้าใจความเชื่อมโยงระหว่างคำถามและความชอบ จากการศึกษาทั้ง 4 เรื่องที่ผู้เข้าร่วมมีส่วนร่วมในการสนทนาด้วยตนเองหรืออ่านบันทึกการสนทนาของผู้อื่น ผู้คนมักไม่ตระหนักว่าการถามคำถามจะมีอิทธิพลหรือมีอิทธิพลต่อระดับมิตรภาพระหว่างผู้สนทนา