量子科技中心_量科网

“带噪声学习奇偶校验（LPN）问题”是一个公认的计算难题，其难度对HQC和Classic McEliece等后量子密码原语的安全性至关重要。在经典计算领域，最著名的攻击方法涉及信息集解码技术，这些方法对于目标参数化设置具有指数级复杂度。该论文探究了量子方法是否可能提供替代解决方案——这一研究思路受到Regev将特定格问题与隐藏二面体子群问题相关联的启发。该团队利用二元域的邻域结构构造出近似满足西蒙承诺的函数，其差值等于秘密奇偶校验向量。尽管不太可能直接恢复秘密奇偶校验向量，但运行西蒙算法本质上能生成新的LPN样本。这为通过生成足够新样本来忽略部分变量、迭代缩减问题规模提供了可能。该工作明确指出这些方法未必能超越现有方案，但强调其值得深入研究。