Open Quantum Safe liboqs项目中ML-KEM测试向量顺序问题分析
2025-07-03 10:34:53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
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0197
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0126
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python06
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
项目优选
收起
暂无描述
Dockerfile
766
5.01 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
863
1.96 K
Ascend Extension for PyTorch
Python
722
894
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
689
1.35 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
458
453
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++
1.08 K
1.11 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.02 K
265
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
152
250
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1.01 K
627
Oohos_react_native
React Native鸿蒙化仓库
C++
357
425