6、基于最近邻的信息集译码与单原语Feistel密码分析

基于最近邻的信息集译码与单原语Feistel密码分析

在密码学领域，信息集译码和Feistel密码结构是两个重要的研究方向。本文将深入探讨基于最近邻的信息集译码算法的改进策略，以及单原语Feistel密码的安全性分析。

基于最近邻的信息集译码算法改进

Both - May算法在每一层的工作分为两个步骤：首先，将上一层的两个列表组合，得到在部分坐标子集上满足权重限制的向量；然后，对这些向量进行过滤，以满足剩余坐标的权重限制。为了改进这一过程，我们提出将过滤过程嵌入到最近邻搜索算法中，直接获得满足所有或更多坐标权重限制的向量。

May - Ozerov最近邻搜索算法

May - Ozerov最近邻搜索算法用于在两个包含均匀随机向量的相同大小输入列表$L_1$和$L_2$中找到所有$\epsilon$ - 近对。其具体步骤如下：
1. 计算列表对 ：从初始列表中计算指数数量的列表对$L_1’$和$L_2’$。对于最优参数选择，保证$L_1’$和$L_2’$各自仅具有多项式大小，同时$L_1$和$L_2$之间的任何距离为$\epsilon$的对仍然包含在至少一个构造的对$L_1’$和$L_2’$中。
2. 构建树结构 ：列表对以树状方式计算，输入对$L_1$和$L_2$形成树的根。树是逐层迭代构建的，在算法的每一步，树的每个叶子节点分支$1/q_{\epsilon}$次。子节点通过遍历父节点的两个列表（单独进行，不考虑列表之间的对）并对每个元素应用局部敏感过滤器来计算。
3. 过滤元素 ：该过滤器会丢弃不满足过滤标准的元素