高斯启发式Gaussian Heuristic 格理论相关知识
格理论相关知识
- @[TOC](格理论相关知识)
- 基本空间
- 基本空间的体积
- 赫米特定理
- 更精确的说明
- 高斯启发式
刚刚接触格密码,在WP里看到Gaussian Heuristic,没搜到直接的讲解。只找到英文版,遂作翻译。
latex公式怎么加粗啊
格 Lattice,基本空间 fundamental domain,赫米特定理 Hermite’s Theorem,高斯启发式 The Gaussian Heuristic
翻译自https://blog.csdn.net/qq_33458986/article/details/104366177
如有错误敬请指正
基本空间
基本空间的体积
命题 7.20 L⊂RnL\subset \mathbb{R}^nL⊂Rn 为维数为n的格,ν1,v2,v3,....,vn\nu_1,v_2,v_3,....,v_nν1,v2,v3,....,vn是L的一组基底,F=F(v1,...,vn)\mathcal{F}=\mathcal{F}(v_1,...,v_n)F=F(v1,...,vn)是格L的基本区域,第i个基向量的坐标可以写成
vi=(ri1,ri2,...,rin)v_i=(r_{i1},r_{i2},...,r_{in})vi=(ri1,ri2,...,rin)
以每一个viv_ivi的坐标为列,组成矩阵
F=F(ν1,...,νn)=(r11r12…r1nr21r22…r2n⋮⋮⋱⋮rn1rn2…rnn)F=F(\nu_1,...,\nu_n)=\left(\begin{matrix} r_{11} & r_{12} & \dots & r_{1n} \\r_{21}& r_{22} & \dots & r_{2n} \\ \vdots & \vdots & \ddots & \vdots \\ r_{n1}& r_{n2} &\dots & r_{nn} \end{matrix}\right)F=F(ν1,...,νn)=⎝⎜⎜⎜⎛r11r21⋮rn1r12r22⋮rn2……⋱…r1nr2n⋮rnn⎠⎟⎟⎟⎞
则F\mathcal{F}F的体积定义为:
Vol(F(ν1,ν2,...,νn))=∣det(F(ν1,ν2,...,νn))∣Vol(\mathcal{F}(\nu_1,\nu_2,...,\nu_n))=\lvert det(F(\nu_1,\nu_2,...,\nu_n))\rvertVol(F(ν1,ν2,...,νn))=∣det(F(ν1,ν2,...,νn))∣
当基向量相互正交,Det(L)=Vol(F)Det(\mathcal{L})=Vol(\mathcal{F})Det(L)=Vol(F)获得最大值
赫米特定理
定理 7.25 (赫米特定理)对于所有n维的格L,都包含一个非零向量ν∈L\nu \in Lν∈L,并且满足:
∣∣ν∣∣≤ndet(L)1/n\lvert \lvert \nu \rvert \rvert \le \sqrt{n}det(L)^{1/n}∣∣ν∣∣≤ndet(L)1/n
对于这一定理有更精确的说明如下:
更精确的说明
注记 7.26 给定维度n,赫米特常数γn\gamma_nγn是使所有n维格L包含的非零向量ν\nuν满足下式的最小值
∣∣ν∣∣2≤γndet(L)2/n\lvert \lvert \nu \rvert \rvert^2 \le \gamma_ndet(L)^{2/n}∣∣ν∣∣2≤γndet(L)2/n
由定理7.25(赫米特定理)可知 γn≤n\gamma_n\le nγn≤n (其实就是平方了一下)。只有1≤n≤81\le n \le 81≤n≤8或者n=24n=24n=24时,γn\gamma_nγn的值才可知:
γ22\gamma_2^2γ22 | γ33\gamma_3^3γ33 | γ44\gamma_4^4γ44 | γ55\gamma_5^5γ55 | γ66\gamma_6^6γ66 | γ77\gamma_7^7γ77 | γ88\gamma_8^8γ88 | γ2424\gamma_{24}^{24}γ2424 |
---|---|---|---|---|---|---|---|
43\frac{4}{3}34 | 2 | 4 | 8 | 643\frac{64}{3}364 | 64 | 256 | 4 |
为了一些密码方面的目的,我们通常关注当n很大时的γn\gamma_nγn的值。n很大时,γn\gamma_nγn满足
n2πe≤γn≤nπe\frac{n}{2\pi e}\le\gamma_n\le\frac{n}{\pi e}2πen≤γn≤πen
其中π=3.14159....\pi=3.14159....π=3.14159....,e=2.71828...e=2.71828...e=2.71828...,都是常数。
高斯启发式
The Gaussian Heuristic 是对赫米特常数的进一步缩小
定义:
L是n维格,高斯所期望的最短的长度是
σ(L)=n2πe(detL)1/n\sigma(L)=\sqrt{\frac{n}{2\pi e}}(det\space L)^{1/n}σ(L)=2πen(det L)1/n
高斯启发式表示,在一个“随机选择的格”中的最短非零向量满足
∣∣νshortest∣∣≈σ(L)\lvert \lvert \nu_{shortest} \rvert \rvert \approx \sigma(L)∣∣νshortest∣∣≈σ(L)
更精确地,假如确定了ϵ>0\epsilon > 0ϵ>0,则当n足够大时的n维格L满足
(1−ϵ)σ(L)≤∣∣νshortest∣∣≤(1+ϵ)σ(L)(1-\epsilon)\sigma(L)\le\lvert\lvert\nu_{shortest}\rvert\rvert\le (1+\epsilon)\sigma(L)(1−ϵ)σ(L)≤∣∣νshortest∣∣≤(1+ϵ)σ(L)
高斯启发式Gaussian Heuristic 格理论相关知识相关推荐
- 工业相机参数之帧率相关知识详解
点击上方"小白学视觉",选择加"星标"或"置顶"重磅干货,第一时间送达 工业相机是机器视觉系统的重要组成部分之一,在机器视觉系统中有着非常重 ...
- 工业相机参数之帧率相关知识详解:
工业相机是机器视觉系统的重要组成部分之一,在机器视觉系统中有着非常重要的作用.工业相机已经被广泛应用于工业生产线在线检测.智能交通,机器视觉,科研,军事科学,航天航空等众多领域. ...
- 数值积分和图像相关知识
本周的学习也是集中在课程理论的学习,同时也穿插着专业的学习.课程的持续学习也为专业知识的学习提供了坚实的理论基础.比如先系统的学习一些基础的数学知识,再去看一些算法的书籍将会轻松很多,而且理解的层次也 ...
- 光斑定位技术在空间激光通信中扮演着重要的角色。本文将详细介绍光斑定位的相关知识,并使用Matlab实现一些相关的算法。
光斑定位技术在空间激光通信中扮演着重要的角色.本文将详细介绍光斑定位的相关知识,并使用Matlab实现一些相关的算法. 一.光斑定位技术 光斑定位技术是一种通过计算像素位置来确定目标物体位置的技术,广 ...
- android 最全 图片相关知识整理
android 最全 图片相关知识整理 图片基础知识梳理 图片基础知识梳理(1) - ImageView 的 ScaleType 属性解析 图片基础知识梳理(2) - Bitmap 占用内存分析 图片 ...
- 聚类(1)——混合高斯模型 Gaussian Mixture Model
聚类系列: 聚类(序)----监督学习与无监督学习 聚类(1)----混合高斯模型 Gaussian Mixture Model 聚类(2)----层次聚类 Hierarchical Clusteri ...
- 后端技术:消息队列MQ/JMS/Kafka相关知识介绍
?今天给大家分享消息队列MQ/JMS/Kafka相关知识介绍 1.消息队列介绍 首先举个收快递的栗子,传统的收快递,快递小哥把我们的快递送到我们的手里.他需要什么条件嗯? 快递小哥有时间送, 我们有时 ...
- 计算机管理员相关知识,计算机管理员述职报告范文
计算机管理员述职报告范文 计算机管理员述职报告范文 尊敬的医院领导: 我叫xxx,20xx年7月毕业于西南计算机科学与技术专业.20xx年8月到医院工作,从事网络管理工作已有4年时间,能够胜任本职工作 ...
- 存储相关知识-DAS/SAN/NAS
存储相关知识-DAS/SAN/NAS 余二五 2017-11-15 22:16:00 浏览1826 服务器 主机 IP CPU 磁盘 存储 最近在看一些存储相关的东西,就顺手作了一些总结.我发现国内在 ...
- 网络带宽相关知识和计算
一.带宽 带宽应用的领域非常多,可以用来标识信号传输的数据传输能力.标识单位时间内通过链路的数据量.标识显示器的显示能力. 1. 在模拟信号系统又叫频宽,是指在固定的时间可传输的资料数量,亦即在传输管 ...
最新文章
- python变量域名_Python实现从url中提取域名的几种方法
- vb.net usb通用协议api_充电头百花齐放不通用,热门全协议充电头盘点,充电问题一站搞定...
- Tungsten Replicator 多环境复制工具安装方法
- 架空输电线路运行规程_架空输电线路杆塔金具的种类
- 舵机不会玩?看这篇!
- atoi(s)函数用法
- VC调用QT的UIDLL
- [转]在VS2010 VC++项目中引用Lib静态库(以Openssl为例)
- 史上最全Html和CSS布局技巧
- 6.程序员的自我修养---可执行文件的装载与进程
- 软件工程 实验3 数据流图和实体联系图的绘制
- js自动缩放页面自适应屏幕分辨率
- 人人开源前后端分离部署到阿里云服务器
- NFM 网络介绍与源码浅析
- LSR and DLSR
- npm scripts
- 【笔记】斜线(slash)和反斜线“\”(backslash)的区别总结
- ros滑模控制_滑模变结构控制算法综述
- 开源一个自用的Android IM库,基于Netty+TCP+Protobuf实现。
- 红队笔记-1(主机发现,情报收集,内网信息收集)
热门文章
- html站点根目录在哪里,域名根目录在哪里
- 判断某年某月某日是这一年的第几天
- 基于WxPython的批量图片缩放工具
- Django创建超级管理员用户步骤
- 悼念512汶川大地震遇难同胞
- 你的计算机没有安装cad2006,win7安装autocad2006无法正常的2种解决方法
- 新西兰计算机工作好找么,去新西兰留学真的很差么?我看到有很多人都说那边的学习氛围不好而且毕业了不好找工作·········...
- Web Service简单demo
- 请解释什么是事件代理
- python中的序列化与反序列化_Python之序列化与反序列化(pickle模块与json模块)...