选择语言
< 返回主菜单
weixintupian_20240110105919.jpg

陈一镭

上海期智研究院PI(2021年7月-至今)
清华大学助理教授

个人简介

上海期智研究院PI,清华大学交叉信息学院助理教授。

曾任VISA研究院研究员。于2018年获得波士顿大学计算机博士学位,本科毕业于上海交通大学。主要研究兴趣是密码学,特别是在伪随机,格密码,数论,和量子计算等方向。研究成果主要:设计了格问题的量子算法,建立了多线性映射和代码混淆在格问题上安全实现的基础,提出了证明Fiat-Shamir假设的方法,以及提出了一个不可逆群的构造。

研究方向

后量子密码:研究加密、签名方案对抗量子计算机的安全性

密码学与复杂度理论:研究密码学的复杂性理论基础

亮点成果

成果2:关于S|LWE>问题的算法及复杂度证明

       “带错误学习问题”(LWE)是后量子密码学最重要的构建模块之一。 为了更好地理解 LWE 对于量子计算机的困难度,探索LWE 的量子变体,展示这些变体的量子算法,或证明它们与标准 LWE 一样困难至关重要。本文中深入研究了Chen、Liu 和 Zhandry 在[Eurocrypt 2022] 定义的一种LWE 的量子变体——S|LWE>问题。它将 LWE 样本的误差编码为量子幅度。在本文中,我们证明了新的S|LWE>困难度和算法。我们的主要结果是

       1. 如果S|LWE>具有未知相位的高斯幅度,那么它就和传统的LWE问题一样难;

       2. 如果S|LWE>具有已知相位的任意幅度,那么S|LWE>就具有亚指数时间量子算法。

       因此,如果我们能进一步改进以上两个结论的“未知相位”与“已知相位”的差距,就有可能设计出对于传统的LWE问题的亚指数时间量子算法。

2023陈一镭成果.png

图为已知相位的高斯幅度、未知相位的高斯幅度、均匀随机幅度(上排从左到右)以及它们的傅立叶变换的图例(下排从左到右)


       研究领域:后量子密码学

       研究论文: On the Hardness of S|LWE> with Gaussian and Other Amplitudes. 

       Yilei Chen, Zihan Hu, Qipeng Liu, Han Luo, Yaxin Tu.  https://eprint.iacr.org/2023/1498 查看PDF

-------------------------------------------------------------------------------------------------------------------------------


成果1:解决特殊格问题的量子算法

       寻找格上的最短向量一直被认为是计算机领域最困难的问题之一,至今没有经典或量子算法能在多项式时间内解决这个问题。因此构造基于格问题的密码一直被认为是构造防止量子计算机攻击的密码的有效途径之一。其中被用来构造公钥密码的SIS和LWE问题被证明和格上的最短向量问题是等价的。我院陈一镭团队和普林斯顿大学的刘启鹏和Mark Zhandry提出了一个能解决特殊格问题的多项式时间量子算法。这些特殊格问题是SIS和LWE的变种。他们虽然并不等价于标准的格问题,但是已经非常接近于密码学常用的问题。我们的量子算法中使用了一种被称为“过滤”的方法,是在量子算法的设计中第一次使用,可能为未来量子算法的设计带来新的思路。该成果以“Quantum Algorithms for Variants of Average-Case Lattice Problems via Filtering”为题发表于2022年欧洲密码大会(Eurocrypt 2022),并收到Journal of Cryptology邀稿。

陈一擂2022.png

论文发表

4. Yilei Chen, Jiatu Li., Hardness of Range Avoidance and Remote Point for Restricted Circuits via Cryptography., Preprint, in submission to STOC 2024, 2023 查看PDF


3. Yilei Chen, Zihan Hu, Qipeng Liu, Han Luo, Yaxin Tu.,  On the Hardness of S|LWE> with Gaussian and Other Amplitudes. , Preprint, in submission to Eurocrypt 2024, 2023 查看PDF


2. Haozhe Jiang, Kaiyue Wen, Yilei Chen., Practically Solving LPN in High Noise Regimes Faster Using Neural Networks., Preprint, ArXiv, 2023 查看PDF


1. Li Yao, Yilei Chen, Yu Yu, Cryptanalysis of Candidate Obfuscators for Affine Determinant Programs,  Advances in Cryptology – EUROCRYPT 2022 pp 645–669, 2022 查看PDF