格密码学进阶之四:更高效率的IBE(ABB10)

东泽 安比技术社区 2020-09-25 12:30

本文作者东泽,来自安比技术社区的小伙伴,目前就读于斯坦福大学,研究方向密码学。

上期回顾

上期文章中,我们了解了Lattice Trapdoor的第一个实践用处——即身份加密IBE。同时,我们也看到了最简单的CHKP10 IBE身份加密系统。
粗略的概括一下CHKP10做了什么:我们把代表Identity(身份)的拆分成二进制的bits,然后每一位都对应选择一个LWE的矩阵。我们最终把这些选好的矩阵全部拼接起来,再通过实现预留的Trapdoor找到对应这个大矩阵的密钥,就可以进行Dual Regev的加解密了。
像这种根据Identity的每一个bit选择矩阵组合起来变成一个新矩阵的构造在密码学中非常常见,这里先留作一个悬念,如果后面有机会写到基于GGH15的Multilinear Map而实现的Indistinguishability Obfuscation(iO)的话,我们会发现非常相似的构造。
在上期的最后,我们同样也发现了CHKP10构造的一个缺陷:公钥的大小和ID的长度是等比线性增长的,这会大大影响这个IBE体系的存储空间和计算效率。
其实呢,CHKP10只是我们了解完Lattice Trapdoor之后入门的第一种IBE构造。同样是在2010年,整个密码学圈子里还诞生出了另一种IBE的构造——ABB10

【ABB10】IBE加密系统

ABB10,顾名思义,是由Agrawal,Boneh与Boyan三位在2010年提出的。ABB10不同于CHKP10的是:它的加密矩阵是恒定大小的,并不会随着的长度变长而变大。我们来看看ABB10的具体构造吧。

公共参数生成

ABB10的公共参数生成较为简单。首先,我们需要指定两个随机的问题矩阵,以及SIS问题的结果向量。最后,我们还需要借助之前讨论过的工具矩阵

Image

我们生成的时候,需要通过之前的Trapdoor生成方法来生成。的Trapdoor 就是我们的MSK了。
乍一看,参数生成的部分和CHKP10基本相似。真正有区别的地方在于ID矩阵的生成。

生成ID矩阵

首先,我们设定用户的身份为一个正整数。
计算ID矩阵的方法很简单,我们只需要把的值乘以矩阵,然后叠加在上即可:
对应某个的密钥和之前一样,就是基于的SIS问题的短向量解:
找到这个密钥的方法也和CHKP10是一样的,因为我们知道了的Trapdoor ,所以不管我们怎么变换位置上的值,永远都可以找到整个的SIS解。

IBE加密

为了完整性与正确性,我们来快速的看一下ABB10下是如何实现加密算法的。

和CHKP10一样,我们使用Dual Regev的加密算法来加密。首先我们选择一个随机的向量和对应的噪音,随后输出:

IBE解密

解密的过程也非常相似,我们只需要计算即可:



ABB10的安全论证

了解完ABB10的构造之后,接下来最重要的部分就是安全性的论证了。再上一篇文章研究CHKP10的时候,我们已经学习了关于Simulation的这一概念。这也就是说,只要我们能够在不知道MSK的情况下“模拟”出整个IBE体系,并且与Adversary成功进行交互,那么就代表这个体系是安全的。

具体来说的话,这个论证需要以下的要求:

  1. Adversary任意选择一个自己的身份
  2. 我们作为Challenger并不知道对应的密钥,所以也不能知道MSK。
  3. Challenger需要能够提供给Adversary任何其他的所对应的IBE密钥。
  4. 最后,Challenger需要根据Adversary的身份以及提供的构造出一个IBE密文。如果Adversary可以破解这个密文的语义安全(即可以分辨密文中到底是哪条消息),那么我们可以利用这个Adversary来解决格中的难题。
我们逐步讨论每一个环节。

 IBE身份矩阵的生成

在上文中,我们已经知道了ABB10 IBE的身份矩阵的构造:

接下来,我们需要巧妙的利用这个结构,构造出我们想要的,进而能满足前三个要求。
首先,因为我们不能知道MSK,所以我们需要诚实的构造矩阵,即随机的选择一个没有Trapdoor的平均分布矩阵。
接下来,我们需要想办法把这一特殊的身份嵌入在我们的矩阵当中。为什么呢?因为上述的要求表示,我们需要恰好在这个身份上失去生成密钥的能力,然而对于其他的身份,我们仍然可以生成有效的IBE密钥。
因为我们实现就知道了Adversary的身份,所以我们可以随机选择一个矩阵,然后设定的值为:
这样一来,如果我们把代入回原本的矩阵的话,那么就会变成这样:
一旦出现了这样的结构,这个身份矩阵就变得非常特殊了。首先,如果的话,那么我们就会得到一个类似于MP12给出的Lattice Trapdoor一样的构造:
这里的对应了,唯一的区别只是的符号发生了变化而已,然而这并不会影响我们生成Trapdoor的能力。因为是我们自己选取的,这个就可以被当作Trapdoor来使用,从而生成任何对应的IBE密钥。
最后,我们再来看如果的情况下,我们会发现带有的这一项彻底的消失了vanished)!这样以来,整个矩阵就变成了:
因为都是随机选择的平均分布矩阵,所以整个也是一个平均分布的没有Trapdoor的矩阵了。一旦失去了之后,就没有办法把基于的SIS或者LWE问题规约到之前讨论过的上,我们也就不能轻松求解SIS或者LWE了。
如果Adversary仍然可以分辨出基于下的密文的话,那么这代表Adversary可以不借助任何Trapdoor还原SIS问题的解。这一能力超出了我们对于SIS问题困难度的假设,所以是不存在的。如果存在的话,我们就可以拿这个Adversary出去任意的破解其他的SIS问题。

Simulation与实际的比较

最后,我们再来比较一下上述描述的Simulation与实际的IBE加密算法。

在实际的版本中,我们所生成的MSK就是的Trapdoor,如果是通过我们之前描述的MP12构造的话,那么就是矩阵。因为我们知道了的Trapdoor,我们就可以随机的选择
在Simulation中,我们使用了来构造矩阵。因为是随机选择的,根据Leftover Hash Lemma,我们可以推测出的分布对于不知道的人来说也是随机平均分布的!这里的MSK就是我们选择的
我们相比两种情况下的MSK与之后,会发现其实不管是实际版本还是Simulation,我们选择的参数的概率分布都是一样的。这也就是说,如果我们把某个体系中Challenger与Adversary沟通的Transcript(通讯记录)存下来,给另一个人看,那么那个人并不能分辨这个Transcript所对应的是实际的还是Simulation。这就是密码学中统称的Indistinguishability不可分辨性)。
一旦我们证明了实际版本与Simulation的不可分辨性之后,我们的安全论证也就基本完成了。如果快速的回顾一下核心的话, 那就是我们可以把这个身份嵌入在矩阵当中,从而导致当的时候,Trapdoor就自然消失了。这一巧妙的构造让我们可以在不知道的密钥的情况下,正确的生成其他的的密钥。



封面图来自unsplash,作者Ilya Pavlov

往期回顾

格(Lattice)学习笔记之一:历史与基本概念

格(Lattice)学习笔记之二:计算问题

格(Lattice)学习笔记之三:对偶格

格(Lattice)学习笔记之四:SIS与LWE 问题

格(Lattice)学习笔记之五:基于SIS的OWF

格(Lattice)学习笔记之六:SIS的困难度论证

格(Lattice)学习笔记之七:SIS的效率与RingSIS

格(Lattice)学习笔记之八:SIS OWF的应用

格(Lattice)学习笔记之九:Ring-SIS与Ideal Lattice

格密码学进阶之一:Lattice Trapdoors(格中陷门)

格密码学进阶之二:Lattice Trapdoors Cont'd(格中陷门下篇)

格密码学进阶之三:基于格的Identity-based Encryption(身份加密)

初探全同态加密:FHE的定义与历史回顾

初探全同态加密之二:格密码学与LWE问题

初探全同态加密之三:构建GSW全同态加密系统

浅谈零知识证明之一:背景与起源

浅谈零知识证明之二:简短无交互证明(SNARK)

浅谈零知识证明之三:zkSNARK证明体系的实现(上)

浅谈零知识证明之四:zkSNARK证明体系的实现(下)

密码学学习笔记——Sigma Protocol

密码学学习笔记——aSCV

探索零知识证明系列(一):初识「零知识」与「证明」

探索零知识证明系列(二):从「模拟」理解零知识证明

探索零知识证明系列(三):读心术:从零知识证明中提取「知识」

探索零知识证明系列(四):亚瑟王的「随机」挑战:从交互到非交互式零知识证明

探索零知识证明系列(五):云中「秘密」:构建非交互式零知识证明

zkPoD:区块链,零知识证明与形式化验证,实现无中介、零信任的公平交易

PoD-Tiny——实现零信任交易的最简协议

如果量子计算时代到来,我们的比特币安全吗?


零知识证明学习资源汇总

从零开始学习 zk-SNARK(一)——多项式的性质与证明

从零开始学习 zk-SNARK(二)——多项式的非交互式零知识证明

从零开始学习 zk-SNARK(三)——从程序到多项式的构造

从零开始学习 zk-SNARK(四)——多项式的约束

从零开始学习 zk-SNARK(五)—— Pinocchio 协议

零知识证明 Learn by Coding:libsnark 入门篇

链上富人寻「隐私」记(一:Mixer 篇)

理解零知识证明算法Bulletproofs(一):Range Proof

理解零知识证明算法Bulletproofs(二):Improved Range Proof

理解零知识证明算法Bulletproofs(三):Range Proof 实现分析

理解零知识证明算法Bulletproofs(四):Arithmetic Circuits

以太坊颠覆了以太坊:引入密码学实现2.0性能突破


Image

长按二维码添加微信进群技术讨论

邮箱 : info@secbit.io




收录于合集 #格密码学进阶
 9
上一篇格密码学进阶之三:基于格的Identity-based Encryption(身份加密)下一篇格密码学进阶之五:从IBE出发到内积ABE(AFV11)

Scan to Follow