并行LLL算法研究综述

doi:10.3778/j.issn.1002-8331.1903-0355

计算机工程与应用 ›› 2019, Vol. 55 ›› Issue (16): 36-41.DOI: 10.3778/j.issn.1002-8331.1903-0355

并行LLL算法研究综述

刘洋，陈经纬，冯勇，吴文渊

1.重庆交通大学信息科学与工程学院，重庆 400074
2.中国科学院重庆绿色智能技术研究院自动推理与认知重庆市重点实验室，重庆 400714

出版日期:2019-08-15 发布日期:2019-08-13

Survey on Parallel LLL Algorithms

LIU Yang, CHEN Jingwei, FENG Yong, WU Wenyuan

1.School of Information Science and Engineering, Chongqing Jiaotong University, Chongqing 400074, China
2.Chongqing Key Lab of Automated Reasoning & Cognition, Chongqing Institute of Green and Intelligent Technology, Chinese Academy of Sciences, Chongqing 400714, China

Online:2019-08-15 Published:2019-08-13

摘要/Abstract

摘要： Lenstra-Lenstra-Lovasz（LLL）格基约化算法自1982年被提出以来，已被成功应用于计算机代数、编码理论、密码分析、算法数论、整数规划等众多领域。经过三十多年的发展，串行LLL算法的理论分析和实际效率都已得到显著改进，但仍不能满足密码分析等领域处理较大规模问题的需要。因此，并行LLL算法研究被寄予厚望。对并行LLL算法的研究现状进行了综述，总结了当前并行LLL算法设计与分析中存在的问题和难点，并对其未来发展趋势进行了展望。

关键词: 格, 格基约化, LLL算法, 并行计算

Abstract: Since 1982, the Lenstra-Lenstra-Lovasz（LLL） algorithm has been successfully applied in computer algebra, coding theory, cryptanalysis, algorithmic number theory, integer programming, etc. After over 30 years, both of theoretical and practical aspects of the sequential LLL algorithm have been significantly improved. However, it still does not satisfy the need of problems with large size, especially in cryptanalysis. Therefore, parallel LLL algorithms have its own importance. This paper surveys the state-of-the-art of parallel LLL algorithms, summarizes and analyzes the existing problems and difficulties for the current parallel LLL algorithms, and proposes the future directions for further study.

Key words: lattice, lattice basis reduction, LLL algorithm, parallel computing

刘洋，陈经纬，冯勇，吴文渊. 并行LLL算法研究综述[J]. 计算机工程与应用, 2019, 55(16): 36-41.

LIU Yang, CHEN Jingwei, FENG Yong, WU Wenyuan. Survey on Parallel LLL Algorithms[J]. Computer Engineering and Applications, 2019, 55(16): 36-41.

[1]	张旭，袁旭梅，袁继革. 中介视角下供需匹配决策方法研究[J]. 计算机工程与应用, 2021, 57(9): 240-246.
[2]	李晖，张天垣，金纾羽. 古代中国格律诗中的社会情感挖掘[J]. 计算机工程与应用, 2021, 57(7): 171-177.
[3]	朱佳莹，高茂庭. 融合粒子群与改进蚁群算法的AUV路径规划算法[J]. 计算机工程与应用, 2021, 57(6): 267-273.
[4]	姚远，张朝阳. 基于HP-LSTM模型的股指价格预测方法[J]. 计算机工程与应用, 2021, 57(24): 296-304.
[5]	夏丹，周睿. 视差图像配准技术研究综述[J]. 计算机工程与应用, 2021, 57(2): 18-27.
[6]	左阔，李宁，田英爱，侯霞. 流式文档排版效果自动化测试方法[J]. 计算机工程与应用, 2021, 57(2): 273-278.
[7]	唐稔为，刘启和，谭浩. 神经风格迁移模型综述[J]. 计算机工程与应用, 2021, 57(19): 32-43.
[8]	张芳，武杰，杨悦. 考虑政府补贴和社会责任的绿色供应链决策[J]. 计算机工程与应用, 2021, 57(17): 237-245.
[9]	冯凯，李婧. k元n方体网络的子网络可靠性[J]. 计算机工程与应用, 2021, 57(16): 83-89.
[10]	张呈玲，李进金，林艺东. 基于OE-概念格的形式背景属性约简[J]. 计算机工程与应用, 2021, 57(15): 82-89.
[11]	李健，张大伟，姜晓明，向立云. 并行化洪水演进模拟研究综述[J]. 计算机工程与应用, 2021, 57(13): 1-7.
[12]	孙明，陈昕. 面向卷积神经网络的硬件加速器设计方法[J]. 计算机工程与应用, 2021, 57(13): 77-84.
[13]	朱佳宝，张建勋，陈虹伶. 一种单模型多风格快速风格迁移方法[J]. 计算机工程与应用, 2021, 57(12): 201-206.
[14]	王杨，郁振鑫，卢嘉，向秀梅. 多区域差异化的图像风格迁移算法[J]. 计算机工程与应用, 2021, 57(12): 211-215.
[15]	李雨鑫，李悦悦. 面向JIT采购的多目标车辆调度[J]. 计算机工程与应用, 2021, 57(12): 263-272.

并行LLL算法研究综述

Survey on Parallel LLL Algorithms

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics