연구진이 학습 기반 양자화(LWQ) 문제에 기반해 하드웨어 친화적인 격자 기반 키 캡슐화 메커니즘(KEM) 'MAMBA-Frost'를 arXiv에 공개했다. 기존 LWE는 보안성이 검증됐지만 대역폭 효율이 낮고, LWR은 효율적이지만 반올림 잡음이 비밀 선형항과 상관관계를 가져 표준 LWE로의 엄밀한 환원이 어려웠던 반면, 이번 연구는 양자화 격자를 2의 거듭제곱 정렬 정수 격자로 구체화해 시프트·마스크 연산만으로 구현 가능한 순수 2의 거듭제곱 산술 기반 방식을 완성했다. NIST 보안 1·3·5등급에 대해 소프트웨어 구현체를 제공했으며, 1등급 'Frost-128'은 FrodoKEM-640 대비 공개키·암호문 합산 크기를 약 40%, SCloud+-128 대비 약 8% 줄였다. AVX2 플랫폼에서 Frost-128은 키생성·캡슐화·복호화 속도가 FrodoKEM-640 대비 각각 2.3배·1.8배·1.5배, SCloud+-128 대비 각각 2.1배·1.5배·1.3배 빨라졌다.
- •학습 기반 양자화(LWQ) 문제에서 유도한 격자 기반 KEM 'MAMBA-Frost' 제안, 2의 거듭제곱 하드웨어 친화적 산술 채택
- •NIST 보안 1·3·5등급별 파라미터 세트 및 완전한 소프트웨어 구현 제공
- •Frost-128, 공개키·암호문 크기를 FrodoKEM-640 대비 약 40%, SCloud+-128 대비 약 8% 절감
- •AVX2 플랫폼에서 키생성·캡슐화·복호화 속도 FrodoKEM-640 대비 최대 2.3배 향상
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
MAMBA-Frost: A Lattice KEM from Learning With Quantization
- 1.MAMBA-Frost: LWQ 기반 새 격자 KEM, 양자화 오차로 LWE 대비 타이트한 보안 환원 확보
- 2.2의 거듭제곱 모듈러스로 시프트·마스크 연산만으로 구현, E8 부호 임베딩으로 정확도 마진 최적화
- 3.레벨1(Frost-128) 공개키+암호문 크기를 FrodoKEM-640 대비 약 40%, SCloud+-128 대비 약 8% 축소
- 4.AVX2에서 키생성·캡슐화·복호화 속도가 FrodoKEM-640 대비 최대 2.3배 향상
왜 중요한가?
LWR의 고질적 문제였던 반올림 오차와 LWE 사이의 느슨한 보안 환원을 양자화 기반으로 조여, FrodoKEM류의 순수 LWE 안전성을 유지하면서도 크기·속도에서 실질적 이득을 주는 포스트양자 KEM 대안을 제시한다.
언급 프로젝트
이 논문은 LWE 및 LWR 문제 기반의 새로운 양자 내성 격자 KEM(키 캡슐화 메커니즘)인 MAMBA-Frost를 제안합니다. 이는 양자 컴퓨팅 시대에 대비한 안전한 키 교환 기술의 발전에 기여하며, 국내 금융 및 통신 분야의 데이터 암호화 표준 마련에 중요한 기술적 토대가 될 것입니다. 특히 효율성과 보안성을 동시에 향상시키려는 국내 차세대 암호 기술 개발 방향과 부합합니다.
본문 미리보기
The Learning With Errors (LWE) problem provides a conservative and well-established security foundation for lattice-based cryptography, while Learning With Rounding (LWR) improves bandwidth efficiency through deterministic rounding. However, the rounding noise in LWR is inherently correlated with the hidden linear term, preventing tight and sample-preserving reductions to standard LWE for polynomial moduli. Prior work on the Learning With Quantization (LWQ) problem established a tight securit
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 11:24AI 초안
