Lattigo项目安全更新:CKKS自举算法中的密钥层级修复
项目背景
Lattigo是一个开源的Go语言实现的同态加密库,专注于格密码学方案。它实现了多种先进的同态加密算法,包括CKKS方案,该方案支持对复数进行近似计算,广泛应用于隐私保护的机器学习等领域。CKKS自举(Bootstrapping)是该方案中的关键技术,允许在有限计算深度下进行无限次计算。
安全问题分析
在最新发布的Lattigo v6.1.1版本中,修复了一个涉及CKKS自举算法中密钥层级的安全问题。该问题存在于DenseToSparse评估密钥(EvkDenseToSparse)的生成过程中。
在CKKS自举算法的默认实现中,使用了两种密钥:
- 常规密钥:用于电路中的主要计算
- 稀疏密钥:专门用于自举过程中的模提升(ModRaise)步骤
问题核心在于,EvkDenseToSparse评估密钥本应在最低层级(模pq)生成,以确保稀疏密钥提供的128位安全性。然而,在v5.0.0至v6.1.0版本中,该密钥被错误地在更高层级(模PQ,其中PQ ≫ pq)生成。
安全影响评估
虽然这个问题不会导致实际攻击,但它确实降低了系统的理论安全保证:
- 安全强度从设计的128位降至约106位
- 对于大多数实际应用场景,106位的安全性仍然足够
- 但不符合密码学领域对关键系统128位安全性的标准要求
值得注意的是,这个问题仅影响使用CKKS自举功能的用户。如果仅使用基本的CKKS加密操作而不涉及自举,则不受此问题影响。
技术原理深入
在CKKS自举过程中,EvkDenseToSparse评估密钥的作用是将密文从常规密钥切换到稀疏密钥。稀疏密钥的特殊结构使其在模pq时能提供128位安全性,但在更高模数下,其安全保证会降低。
这种安全性降低源于RLWE(带误差的环学习)问题的数学特性。当模数增大时,解决相关的格问题会变得相对容易,从而降低了攻击难度。在密码学设计中,确保所有组件在最坏情况下都能满足安全要求是至关重要的。
修复方案
v6.1.1版本中的修复措施是确保EvkDenseToSparse评估密钥在正确的层级(模pq)生成。这一修改恢复了系统完整的128位安全性保证。
对于技术实现细节:
- 修复涉及密钥生成算法的调整
- 确保所有自举相关操作都使用适当层级的密钥材料
- 保持与之前版本相同的功能接口,确保兼容性
用户行动建议
所有使用Lattigo库并启用CKKS自举功能的用户应立即升级至v6.1.1版本。升级步骤通常包括:
- 更新go.mod文件中的依赖版本
- 重新构建应用程序
- 重新生成所有持久化的自举密钥材料(如果适用)
对于不使用自举功能的用户,虽然不受此问题影响,但仍建议计划性升级以获得其他可能的改进和修复。
总结
Lattigo团队对安全问题的快速响应体现了对密码学系统严谨性的重视。这次更新虽然针对的是一个理论风险大于实际威胁的问题,但遵循了密码学最佳实践——任何偏离设计安全目标的情况都应被及时纠正。这也提醒开发者,在实现复杂密码学方案时,需要对每个组件的安全假设保持高度警觉。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~073CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava05GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。07GOT-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。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0381- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









