原始来源日期:2026年9月3日。本文为研发价值回顾,不代表该资料于今日首次发布。
原文编译
本文为研发价值回顾。论文记录统一ML-KEM-768与ML-DSA-65 FPGA加速器从RTL、综合到PCIe板卡上线的全过程,重点不是宣称AI能独立造芯,而是讨论测试门槛怎样判断一件密码硬件是否可交付。
ML-DSA签名采用拒绝采样,不同消息可能走过不同重采样深度。作者的设计通过全部KAT,却有一处范数检查跑在块RAM读延迟之前,最后一到两个系数尚未到达就作出接受决定;缺陷首次在某类消息的第5次重采样出现。
团队把固定向量门扩展为字节完全一致的黄金参考加随机对抗浸泡,驱动执行路径超过固定种子能覆盖的深度。论文报告301343次数据相关签名零逃逸;部署基线还经历779945项检查。数字描述单一平台与论文方法,不构成通用认证结论。
加速器在Kintex-7 XC7K160T上以98.5% slice占用部署,并共享NTT/INTT与Keccak资源。作者同时报告智能体辅助任务总体成功率71.6%,文档研究为77%至85%,综合与上板为50%至53%,把差异归因于物理侧状态的不可观察性。
量仔观察
本站认为,对PQC硬件最直接的启示是KAT只能证明已覆盖输入的结果,不能证明数据相关控制流无缺口。ML-DSA验收应统计拒绝轮数覆盖、随机消息分布、异常路径与边界系数,并与参考实现逐字节比较。
AI参与设计不是安全依据,也不应自动否定成果;可信度来自可复现的验证产物。生产项目还应加入侧信道、故障注入、随机数健康检测、密钥清零和综合后网表检查,论文明确没有把所有这些性质都证明完毕。
