Open Quantum Safe liboqs项目中ML-KEM测试向量顺序问题分析
2025-07-03 05:30:09作者:凌朦慧Richard
在密码学实现中,随机数的生成和使用顺序对算法的正确性至关重要。本文分析了Open Quantum Safe的liboqs项目中ML-KEM(Module-Lattice Key Encapsulation Mechanism)实现中一个关于随机数顺序的潜在问题。
问题背景
ML-KEM是后量子密码学中的一种密钥封装机制,其算法规范(FIPS-203)明确规定了随机数的使用顺序。在密钥生成和封装过程中,需要使用三个随机数分量:
- z:用于密钥生成
- d:用于确定性密钥生成
- m:用于消息封装
根据规范要求,随机数流应按[z || d || m]的顺序构造,即第一个随机字节应为z,接着是d,最后是m。
实现中的顺序问题
在liboqs的当前实现中,存在以下不一致:
- 代码首先生成64字节的随机数,其中前32字节用于密钥生成(对应d),后32字节附加到私钥末尾(对应z)
- 这种实现方式实际上构造了[d || z || m]的顺序
- 目前测试通过是因为NIST中间测试向量中z和d的值恰好相同
技术影响
这种顺序不一致会导致以下潜在问题:
- 当z和d取值不同时,测试将失败
- 与FIPS-203规范不符,可能影响互操作性
- 在正式部署环境下可能产生错误结果
解决方案
解决此问题的方法相对简单:只需在测试向量生成时交换z和d的顺序即可。具体来说,应将测试脚本中随机数的提取顺序调整为d在前,z在后,以匹配实际代码中的使用顺序。
总结
密码学实现中的细节问题往往容易被忽视,但可能带来严重后果。这个案例提醒我们:
- 必须严格遵循算法规范
- 测试向量应覆盖各种边界情况
- 随机数的生成和使用顺序需要特别关注
对于liboqs项目而言,及时修正这个问题可以确保ML-KEM实现的正确性和与标准的兼容性,为后量子密码学的实际部署奠定坚实基础。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
26
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
420
3.22 K
Ascend Extension for PyTorch
Python
230
261
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
330
暂无简介
Dart
685
160
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
266
326
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.22 K
666
仓颉编译器源码及 cjdb 调试工具。
C++
136
869