Điểm:1

Sự cố với giảm mức độ chia sẻ bí mật của Shamir trong cổng nhân

lá cờ in

Quá trình giảm mức độ chia sẻ bí mật của Shamir trong cổng nhân được giải thích trong liên kết sau

Bây giờ, dựa trên phép chia bí mật được thực hiện bởi đa thức bậc một, chúng ta phải có khả năng xây dựng lại bí mật, tức là $10$, với mỗi $2$ chia sẻ ra khỏi $3$ cổ phiếu $(3, 7, 0)$. Tuy nhiên, bí mật được xây dựng lại bằng cách sử dụng $(3, 7)$ là chính xác $10$, nhưng bí mật được xây dựng lại bằng cách sử dụng $(3,0)$ là 9 và sử dụng $(7, 0)$$1$. Tại sao cái này rất? Sai lầm ở đâu?

lá cờ ar
Tôi không thể biết bạn có thể đã mắc lỗi ở đâu, nhưng chỉ để kiểm tra một khả năng rõ ràng, bạn có đang sử dụng tọa độ $x$ chính xác cho các cổ phiếu không? Mỗi chia sẻ trong lược đồ của Shamir thực sự là một cặp số $(x,y)$, trong đó $x$ không phụ thuộc vào bí mật được chia sẻ và có thể công khai, nhưng phải là duy nhất và (trong phiên bản thông thường của lược đồ Shamir) không -zero, trong khi $y$ về cơ bản là giả ngẫu nhiên và phải được cổ đông giữ bí mật để tránh rò rỉ cổ phần.
Daniel avatar
lá cờ ru
Bạn không được phép xây dựng lại bí mật bằng cách sử dụng hai trong số ba lượt chia sẻ. Thay vào đó, bạn cần ba trong số ba lượt chia sẻ, hay nói cách khác, bạn cần tất cả các lượt chia sẻ. Điều này là do đa thức kết quả có bậc $2$, vì vậy bạn cần ba chia
Điểm:1
lá cờ ng

Tôi nghĩ rằng bạn hiểu lầm chia sẻ tái cấu trúc. một cổ phần $(a,b,c)$ trong bối cảnh này là một bộ ba giá trị tương ứng với đánh giá đa thức, cụ thể là $(\sigma(1), \sigma(2),\sigma(3))$. Vấn đề tái cấu trúc cổ phiếu là, sử dụng

  1. hai giá trị trên bất kỳ của $\sigma(i)$, và
  2. kiến thức đó $\sigma(x) = \sigma(0)+ax$ là một đa thức bậc tuyến tính,

để phục hồi $\sigma(0)$. Điều này có thể dễ dàng được thực hiện. Nói rằng chúng ta có $\sigma(i) = \sigma(0) + ai$$\sigma(j) = \sigma(0) + aj$. Chúng ta có thể trừ những thứ này và "giải quyết" cho $a$ để có được điều đó $a = (i-j)^{-1}(\sigma(i)-\sigma(j))$, ở đâu $a^{-1}$ là nghịch đảo modulo 11. Sau đó, sử dụng giá trị này của $a$, thật đơn giản để phục hồi $\sigma(0)$.

Lưu ý rằng giá trị tính toán của $a$ giống nhau trong cả 3 trường hợp. Khi nào $(i,j) = (1,2)$, chúng tôi có cái đó

$$a = (1-2)^{-1}(3-7) = 4$$

khi nào $(i,j) = (1,3)$ chúng tôi có cái đó

$$a = (1-3)^{-1}(3-0) = (-2)^{-1}3 = (-6)3\equiv -18\bmod 11 \equiv 4\bmod 11. $$

Tương tự, khi $(i,j) = (2,3)$, chúng tôi có cái đó

$$a = (2-3)^{-1}(7-0) = -7\equiv 4\bmod 11.$$

Tiếp theo, đối với bất kỳ chỉ mục nào $i$, chúng tôi có cái đó $\sigma(0) = \sigma(i) - ai\bmod 11 \equiv \sigma(i) - 4i\bmod 11$. Thật đơn giản để kiểm tra xem đối với bất kỳ cặp nào $(i, \sigma(i))$, cụ thể là cho $(1, 3)$, $(2,7)$, hoặc $(3,0)$, Một người có được $10\bmod 11$ (hoặc $-1\bmod 11$ --- đây là những giá trị như nhau).


Như đã nói, tôi không thấy lời giải thích về việc giảm mức độ trong câu trả lời được liên kết là rõ ràng về mặt cá nhân. trước đây tôi đã giải thích nó đây. Đại khái, người ta đạt được mức giảm bằng cách kết hợp

  1. xem phép nội suy/đánh giá cổ phiếu là "sự thay đổi cơ sở" và
  2. giảm từ một mức độ $2t$ đa thức có bậc $t$ đa thức thông qua chiếu lên đầu tiên $t$ tọa độ (trong cơ sở thích hợp).

Nếu bạn cảm thấy thoải mái hơn với đại số tuyến tính, điều này sẽ cho bạn một bức tranh "hình học" rõ ràng về những gì đang xảy ra. Tất nhiên, điều này phụ thuộc vào nền tảng của bạn.

Đăng câu trả lời

Hầu hết mọi người không hiểu rằng việc đặt nhiều câu hỏi sẽ mở ra cơ hội học hỏi và cải thiện mối quan hệ giữa các cá nhân. Ví dụ, trong các nghiên cứu của Alison, mặc dù mọi người có thể nhớ chính xác có bao nhiêu câu hỏi đã được đặt ra trong các cuộc trò chuyện của họ, nhưng họ không trực giác nhận ra mối liên hệ giữa câu hỏi và sự yêu thích. Qua bốn nghiên cứu, trong đó những người tham gia tự tham gia vào các cuộc trò chuyện hoặc đọc bản ghi lại các cuộc trò chuyện của người khác, mọi người có xu hướng không nhận ra rằng việc đặt câu hỏi sẽ ảnh hưởng—hoặc đã ảnh hưởng—mức độ thân thiện giữa những người đối thoại.