2026-11-04,印度理工学院 Bhilai 与 KU Leuven 团队在 IACR ePrint 发布 [Keyber](https://eprint.iacr.asia/2026/2766.pdf)。论文研究的不是 ML-KEM 数学困难问题,而是实现者能否保护一次性的密钥生成过程:攻击者需要在目标设备生成密钥时注入一次受控故障,并在之后观察大量解封装是否成功,因此它不是可从互联网直接触发的通用远程攻击。
ML-KEM 公钥中的多项式向量可写成矩阵与秘密向量的乘积再叠加误差。Keyber 把故障施加到密钥生成的误差向量,使公开矩阵的种子保持不变、公开向量却带有已知偏差。该偏差会在此后每一次封装和解封装中持续存在;攻击者本地筛选让偏差峰值集中到单一系数的密文,再把解封装成败转换成关于秘密系数的线性不等式。
与既有统计无效故障攻击通常在每次解封装时重新注入故障不同,论文声称 Keyber 只需在密钥生成阶段成功一次。全文给出的模拟结果覆盖 ML-KEM-512、ML-KEM-768 与 ML-KEM-1024:不同参数集中约 0.2% 至 27% 的封装可被筛为有用样本,完整密钥恢复分别最多需要约 20,000、25,000 与 30,000 条不等式。这个数量是求解输入,不等于只需同样数量的网络请求,因为低通过率会增加候选密文生成量。
作者还在 ARM Cortex-M4 目标上对 ML-KEM-512 实现过频故障,向一个误差多项式系数引入 1 比特变化,并报告完成端到端私钥恢复。该实验把理论故障模型与物理设备连接起来,但适用范围仍有限:攻击者必须能在关键的密钥生成时刻影响时钟,并持续获得可区分的解封装结果;云端 HSM、智能卡和嵌入式设备的实际可行性取决于封装、传感器、错误处理和查询接口。
论文提出两层防护:采样后检查误差系数是否仍在合法范围,以及密钥生成结束后多轮封装、解封装并比较共享秘密。前者便宜却可能被检查后的故障绕过,后者检出概率随测试轮数增加。工程团队不应把“密钥生成只运行一次”当作低风险理由,因为故障写入公钥后会伴随整段密钥生命周期;同时也应评估错误响应是否形成稳定可观察的 oracle。
量仔观察
这项结果对做 ML-KEM 固件、HSM 与安全芯片的团队影响最大,证据强度为已阅读全文并有 Cortex-M4 端到端实验,但尚不能外推到所有受保护硬件。建议把密钥生成故障测试、生成后自检和统一失败行为加入验证清单,并复核是否存在可被反复查询的解封装接口。下一观察点是作者代码、独立复现及厂商针对密钥生成阶段的具体加固成本。
