量智信息中心_量科网

现代基于格密码学，特别是带错误学习范式，依赖注入人工噪声来保护数据免受量子对手的攻击。本研究系统性地从四个相互关联的领域——计算复杂性、信息论热力学、量子纠错和量子学习理论——探讨了这一依赖噪声模型的理论与物理边界。从算法基础出发，该团队的分析指出，这些框架依赖于临时的复杂性理论假设，这些假设仍易受未来量子算法进步的影响。此外，通过将这一密码机制转化为物理热力学，该工作阐明，有意注入的离散高斯噪声并不等同于信息的永久擦除。由于密码秘密的结构完整性仍保留在密文中，先进的量子纠错协议和量子学习模型能够高效提取底层数学核心。最终，该研究提出，尽管基于格密码学提供了一种稳健的过渡性替代方案，但将这些框架明确归类为无条件后量子密码，是一种依赖于暂时物理瓶颈而非不可穿透理论边界的过早分类。