Open-Quantum-Safe项目集成UOV签名算法进展
在量子计算时代背景下,后量子密码学(PQC)的发展至关重要。Open-Quantum-Safe(liboqs)项目作为后量子密码学算法的重要实现库,近期正在将UOV(Unbalanced Oil and Vinegar)签名算法集成到其代码库中。
UOV是一种基于多变量多项式的签名方案,具有抵抗量子计算机攻击的特性。该算法通过构造油(oil)和醋(vinegar)变量之间的特殊关系来确保安全性。与其他后量子签名方案相比,UOV具有相对较小的签名尺寸和较快的验证速度,这使其在某些应用场景中具有独特优势。
技术团队目前已经成功将36个UOV实现版本集成到liboqs中,涵盖了12种参数集和三种不同的指令集架构(ref、neon、avx2)。所有持续集成(CI)测试,包括扩展测试和完整测试,均已通过验证。这表明基础集成工作已经完成,代码质量达到了项目要求标准。
在集成过程中,开发团队遇到并解决了一些技术挑战:
-
算法排序问题:由于UOV在字母顺序上位于SPHINCS+之后,而liboqs的导入脚本假设SPHINCS+是最后一个方案,因此需要对脚本进行相应调整。
-
文件创建机制:现有的copy_from_upstream.py脚本仅更新文件而不创建新文件,这给集成过程带来了一定不便。开发人员需要手动创建目标文件后才能运行脚本。
-
KAT测试数据:团队建议增强脚本功能,使其能够自动导入"all" KAT(已知答案测试)哈希值,而不是手动添加到kats.json文件中。
这些技术细节的解决不仅为UOV的成功集成铺平了道路,也为未来集成其他后量子密码算法提供了宝贵经验。项目维护团队表示,他们更倾向于推迟发布周期也不愿错过集成新PQC算法的机会,这体现了对算法多样性和技术进步的重视。
随着UOV算法的加入,liboqs将提供更全面的后量子密码算法选择,进一步增强其在后量子密码学领域的领先地位。这一进展对于推动后量子密码学的实际应用具有重要意义,特别是在需要多样化签名方案的场景中。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00