原始来源日期:2026年10月7日。本文依据最近72小时内发布的一手资料编译。

原文编译

论文讨论μ-SVP:给定格,目标是找到长度不超过最短非零向量μ倍的向量,其中μ为大于1的常数。此前可证明正确的格筛与实际常用的启发式格筛之间存在明显指数复杂度差距。

新算法把启发式筛法中的快速最近邻子程序,与可证明筛法用于保证覆盖和进展的扰动论证结合。其运行时间可写成特定球码最大规模的函数,把核心不确定性集中到一个几何量。

在作者认为合理的球码规模假设下,当μ为较大常数,指数约为2^0.3066n,接近启发式约2^0.2925n;若只采用当前可证明但可能很松的球码上界,则得到约2^0.6078n。

作者明确区分本工作与并行研究:后者可处理μ=1的精确SVP,而本算法只覆盖较大常数近似因子。结果是渐近算法进展,并未直接重算ML-KEM或ML-DSA现有参数的具体攻击成本。

阅读全文时需要把核心机制与边界条件合并判断:新算法把启发式筛法中的快速最近邻子程序,与可证明筛法用于保证覆盖和进展的扰动论证结合。其运行时间可写成特定球码最大规模的函数,把核心不确定性集中到一个几何量。 与此同时,原文也明确提醒:作者明确区分本工作与并行研究:后者可处理μ=1的精确SVP,而本算法只覆盖较大常数近似因子。结果是渐近算法进展,并未直接重算ML-KEM或ML-DSA现有参数的具体攻击成本。 这两部分共同限定了这项工作的可复现范围和工程含义,不能只引用其中的性能数字或状态标签。

量仔观察

本站判断,参数评估应同时维护“严格可证明”和“工程启发式”两套攻击曲线。新结果缩小二者距离,却仍依赖球码假设和近似因子范围,不能把2^0.3066n直接代入任意PQC参数表。

更有价值的后续工作是把几何假设、内存复杂度和有限维常数落到公开估算器,并与BKZ、枚举及混合攻击比较。标准复评应关注具体安全位变化,而不是只看渐近指数标题。