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。
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 StartedRust0239
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
JoyAI-VL-Interaction-Preview京东开源首个开源、视觉驱动的实时交互模型——它能实时监控视频流,并自主决定何时发言、保持沉默或委托任务。Jinja00
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 Notebook0180
kornia🐍 空间人工智能的几何计算机视觉库Python03
PaddleParallel Distributed Deep Learning: Machine Learning Framework from Industrial Practice (『飞桨』核心框架,深度学习&机器学习高性能单机、分布式训练和跨平台部署)C++02