Time-memory trade-offs for the learning parity with noise problem
- In dieser Arbeit werden Algorithmen für die Lösung des sogenannten Learning Parity with Noise (LPN) Problems (zu deutsch: Paritätslernen mit Störungen) vorgestellt, auf dem kryptografische Verfahren wie etwa Verschlüsselung oder Authentisierungsprotokolle beruhen. Bisherige Algorithmen sind entweder zu langsam oder benötigen zu viel Speicher, daher werden in dieser Arbeit speicher-effiziente Algorithmen und Time-Memory Trade-Offs (zu deutsch: Zeit-Speicher-Kompromisse) vorgestellt, die es uns erlauben, das LPN-Problem schneller als bisher zu lösen, unter der Berücksichtigung begrenzten Speichers. Da Kryptografie basierend auf dem LPN-Problem auch als quantensicher gehandelt wird, betrachten wir ebenfalls Quantenalgorithmen. Die Hauptresultate dieser Arbeit sind die besten bekannten, praktikablen Algorithmen zur Lösung des LPN-Problems, sowohl im klassischen als auch im Quantenbereich.
Keine Creative Commons Lizenz - es gelten der Veröffentlichungsvertrag und das deutsche Urheberrecht