Διαλογικά Συσ τήματα Αποδείξεων Διαλογικά Συστήματα Αποδείξεων Αντώνης Αντωνόπουλος Κρυπτογραφία & Πολυπλοκότητα 17/2/2012

Σχετικά έγγραφα
PSEUDORANDOM GENERATORS- PREDICATES & ZK PROOFS

Στοιχεία Θεωρίας Υπολογισμού

ιαλογικά συστήµατα αποδείξεων (Interactive proof systems) Κρυπτογραφία & Πολυπλοκότητα καθ. Στάθης Ζάχος παρουσίαση: Νίκος Λεονάρδος

Υπολογισιμότητα και Πολυπλοκότητα Computability and Complexity

Αποδείξεις Μηδενικής Γνώσης

Κεφάλαιο 8. NP και Υπολογιστική Δυσεπιλυσιμότητα. Χρησιμοποιήθηκε υλικό από τις αγγλικές διαφάνειες του Kevin Wayne.

Κεφάλαιο 8. NP και Υπολογιστική Δυσεπιλυσιµότητα. Χρησιµοποιήθηκε υλικό από τις αγγλικές διαφάνειες του Kevin Wayne.

Pseudorandomness. Pseudorandom Generators - Derandomisation. Παναγιώτης Γροντάς ,

Διάλεξη 18: Πρόβλημα Βυζαντινών Στρατηγών. ΕΠΛ 432: Κατανεμημένοι Αλγόριθμοι

Κεφάλαιο 8. NP και Υπολογιστική Δυσεπιλυσιμότητα. Παύλος Εφραιμίδης V1.1,

Αποδείξεις Μηδενικής Γνώσης

Αλγόριθμοι και Πολυπλοκότητα

Chapter 7, 8 : Time, Space Complexity

Κρυπτογραφία. Κρυπτοσυστήματα ροής. Πέτρος Ποτίκας. Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών

Αλγόριθμοι και Πολυπλοκότητα

ΔΥΣΚΟΛΙΑ ΣΤΗΝ ΠΡΟΣΕΓΓΙΣΙΜΟΤΗΤΑ

Αλγόριθμοι και Πολυπλοκότητα

Αλγόριθμοι και Πολυπλοκότητα

Κρυπτοσύστημα RSA (Rivest, Shamir, Adlemann, 1977) Υπολογιστική Θεωρία Αριθμών και Κρυπτογραφία

Τυχαιότητα (Randomness) I

6. Kerenidis I., de Wolf R., Exponential lower bound for 2-query locally decodable codes via a quantum argument, 2004.

Κλάσεις Πολυπλοκότητας

Υποθέσεις - - Θεωρήματα Υποθέσεις - Θεωρήματα Στα μαθηματικά και στις άλλες επιστήμες κάνουμε συχνά υποθέσεις. Οταν δείξουμε ότι μια υπόθεση είναι αλη

Λύσεις 4ης Σειράς Ασκήσεων

Τεχνικές Αποδείξεις Κάτω Φραγμάτων

Κρυπτογραφία. MAC - Γνησιότητα/Ακεραιότητα μηνύματος. Πέτρος Ποτίκας

Στοιχεία Θεωρίας Αριθμών & Εφαρμογές στην Κρυπτογραφία

Σειρά Προβλημάτων 5 Λύσεις

Σειρά Προβλημάτων 5 Λύσεις

Chapter 12 Cryptography

Κρυπτογραφία Δημοσίου Κλειδιού

Αποδείξεις Μηδενικής Γνώσης

Θεωρία Υπολογισμού και Πολυπλοκότητα

Υπολογιστική Πολυπλοκότητα Εξέταση Ιουνίου 2017 Σελ. 1 από 5

ILP-Feasibility conp

Φροντιστήριο 11 Λύσεις

num(m(w 1 ;... ; w k )) = f(num(w 1 ),..., num(w k ))

Παύλος Εφραιμίδης. προηγμένα κρυπτογραφικά πρωτόκολλα. Ασφ Υπολ Συστ

ΕΠΛ 211: Θεωρία Υπολογισμού και Πολυπλοκότητας. Διάλεξη 18: Χρονική και Χωρική Πολυπλοκότητα

Μη Ντετερμινισμός και NP-Πληρότητα

Εισαγωγή Ορισμός Frequency moments

Θεωρία Υπολογισμού και Πολυπλοκότητα

Στοιχεία Θεωρίας Αριθμών & Εφαρμογές στην Κρυπτογραφία

Μη Ντετερμινισμός και NP-Πληρότητα

Αλγόριθµοι και Πολυπλοκότητα

Στοιχεία Θεωρίας Αριθμών & Εφαρμογές στην Κρυπτογραφία

Σειρά Προβλημάτων 5 Λύσεις

Σειρά Προβλημάτων 5 Λύσεις

Υποθέσεις - Θεωρήματα. Μαθηματικά Πληροφορικής 1ο Μάθημα. Η χρυσή τομή. Υποθέσεις - Εικασίες

Θεωρία Υπολογισμού Άρτιοι ΑΜ. Διδάσκων: Σταύρος Κολλιόπουλος. eclass.di.uoa.gr. Περιγραφή μαθήματος

Θεωρία Υπολογισμού Αρτιοι ΑΜ Διδάσκων: Σταύρος Κολλιόπουλος eclass.di.uoa.gr

Αλγόριθμοι και Πολυπλοκότητα

Σειρά Προβλημάτων 5 Λύσεις

Αποδείξεις Μηδενικής Γνώσης

ΕΠΛ 211: Θεωρία Υπολογισμού και Πολυπλοκότητας. Διάλεξη 13: Παραλλαγές Μηχανών Turing και Περιγραφή Αλγορίθμων

L A P. w L A f(w) L B (10.1) u := f(w)

CSC 314: Switching Theory

Chapter 7, 8 : Time, Space Complexity

Κυκλώματα και βασικές Ιδιότητες

Υπολογιστική Πολυπλοκότητα

Αλγόριθμοι και Πολυπλοκότητα

Εθνικό Μετσόβιο Πολυτεχνείο

Σειρά Προβλημάτων 5 Λύσεις

Pseudorandomness = Μη αληθής + Τυχαιότητα. Combinatorial Constructions = Κατασκευές Συνδυαστικής

Κρυπτογραφία. Εργαστηριακό μάθημα 9 (Πρωτόκολλα πιστοποίησης ταυτότητας μηδενικής γνώσης Fiat-Shamir)

u v 4 w G 2 G 1 u v w x y z 4

Blum Complexity. Αλγόριθμοι και Πολυπλοκότητα ΙΙ. Παναγιώτης Γροντάς. Δεκέμβριος

Υπολογισιμότητα και Πολυπλοκότητα Computability and Complexity

Αριθμοθεωρητικοί Αλγόριθμοι

Κρυπτογραφία. Κεφάλαιο 4 Αλγόριθμοι Δημοσίου Κλειδιού (ή ασύμμετροι αλγόριθμοι)

Recursive and Recursively Enumerable sets I

Οικονομικό Πανεπιστήμιο Αθηνών. Διπλωματική Εργασία Μεταπτυχιακού Διπλώματος Ειδίκευσης. Άρης Κοσμόπουλος

Blum Blum Shub Generator

Κατανεμημένα Συστήματα Ι

Υπολογιστική Πολυπλοκότητα

Στοιχεία Θεωρίας Αριθμών & Εφαρμογές στην Κρυπτογραφία

Κρυπτογραφία. MAC - Γνησιότητα/Ακεραιότητα μηνύματος. Πέτρος Ποτίκας

Ασκήσεις Επανάληψης. Επανάληψη Εαρινό Εξάμηνο 2019 Σελίδα 1

Κατανεμημένα Συστήματα Ι

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ

ΠΕΡΙΕΧΟΜΕΝΑ. Πρόλογος στη δεύτερη έκδοση

Σειρά Προβλημάτων 5 Λύσεις

Πιθανοτικοί Αλγόριθμοι

Κρυπτογραφία. MAC - Γνησιότητα/Ακεραιότητα μηνύματος. Πέτρος Ποτίκας

t M (w) T ( w ) O( n) = O(n 2 )

1η Σειρά Γραπτών Ασκήσεων

ΣΥΝΔΥΑΣΤΙΚΗ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ

Κατανεμημένα Συστήματα Ι

Αλγόριθμοι και Πολυπλοκότητα

Μοντέλα και Αποδείξεις Ασφάλειας στην Κρυπτογραφία

Βασικά Στοιχεία Πολυπλοκότητας

Κρυπτογραφία. Έλεγχος πρώτων αριθών-παραγοντοποίηση. Διαφάνειες: Άρης Παγουρτζής Πέτρος Ποτίκας

Ενδεικτικές Λύσεις 1ου Σετ Ασκήσεων

1 Diffie-Hellman Key Exchange Protocol

Εισαγωγή στην Επιστήμη των Υπολογιστών 4ο εξάμηνο ΣHMΜY

q(g \ S ) = q(g \ S) S + d = S.

HMY 795: Αναγνώριση Προτύπων

Εισαγωγή στην Επιστήμη των Υπολογιστών

HY118-Διακριτά Μαθηματικά

Εισαγωγή στην Επιστήμη των Υπολογιστών

Transcript:

Αντώνης Αντωνόπουλος Κρυπτογραφία & Πολυπλοκότητα 17/2/2012

Εισαγωγή Ορισμός Επέκταση του NP συστήματος αποδείξεων εισάγωντας αλληλεπίδραση! Ενα άτομο προσπαθεί να πείσει ένα άλλο για το ότι μία συμβολοσειρά ανήκει σε μία γλώσσα. Μία γλώσσα L {0, 1} ανήκει στην κλάση IP[k] αν υπάρχει k (το οποίο μπορεί να εξαρτάται από το μήκος της εισόδου), και μία Πιθανοτική Μηχανή Turing V που μπορεί να έχει μία διαλογική διαδικασία k γύρων με κάποια NP-Μηχανή Turing P, που να ικανοποιεί τις εξής συνθήκες: (Completeness) Αν x L: υπάρχει P τέτοιος ώστε Pr [ P, V (x) = 1] 2 3 (Soundness) Αν x / L: για κάθε P ισχύει ότι Pr [ P, V (x) = 1] 1 3

Βασικές Ιδιότητες Αν ο verifier είναι μία ντετερμινιστική μηχανή Turing, τότε έχουμε ακριβώς την περιγραφή της κλάσης NP, που είδαμε παραπάνω. Αν όμως επιτρέψουμε στον verifier την χρήση τυχαιότητας, μπορούμε να υπολογίσουμε πολύ περισσότερες γλώσσες. NP IP BPP IP Οι πιθανότητες αποδοχής και απόρριψης βασίζονται μόνο στα τυχαία bits που χρησιμοποιεί ο Verifier και δεν μπορεί να τις επηρεάσει ο Prover. Τα bits του Verifier κρατώνται μυστικά από τον Prover.

Βασικές Ιδιότητες Ορισμός Δύο γράφοι G 1 και G 2 είναι ισομορφικοί, αν υπάρχει μια μετάθεση π των ονομάτων των κόμβων του G 1, τέτοιος ώστε π(g 1 ) = G 2. Αν G 1 και G 2 είναι ισομορφικοί, το συμβολίζουμε με G 1 = G2. Με βάση τα παραπάνω, ορίζουμε τα προβλήματα: GI (Graph Isomorphism): Δίνονται δύο γράφοι G 1, G 2, είναι ισομορφικοί; GNI (Graph Non-Isomorphism):: Δίνονται δύο γράφοι G 1, G 2, είναι μη-ισομορφικοί; GI NP, αφού ένα συνοπτικό πιστοποιητικό για τον ισομορφισμό είναι η μετάθεση π. Ομοίως, GNI ανήκει στο conp, ως το συμπλήρωμα του GI.

Βασικές Ιδιότητες Verifier: Διαλέγει τυχαία ένα i {1, 2}, και μεταθέτει τυχαία τις κορυφές του G i και παίρνει έναν νέο γράφο H. Στέλνει τον H στον Prover. Prover: Διακρίνει ποιός από τους G 1, G 2 χρησιμοποιήθηκε για να παράγει τον H. Εστω G j αυτός ο γράφος. Στέλνει το j στον V. Verifier: Αποδέχεται αν i = j. Απορρίπτει αλλιώς. Αν G 1 G 2, τότε ο Prover μπορεί να μαντέψει ποιός από τους δύο γράφους είναι ισομορφικός με τον H, και έτσι ο Verifier αποδέχεται με πιθανότητα 1. Αν G 1 = G2, ο Prover δεν μπορεί να ξεχωρίσει τους δύο γράφους. Ετσι, το καλύτερο που μπορεί να κάνει είναι να διαλέξει στην τύχη έναν γράφο, και ο Verifier αποδέχεται με πιθανότητα 1/2.

Βασικές Ιδιότητες Στην παραλλαγή των Διαλογικών Αποδείξεων που ονομάζεται παιχνίδια Arthur-Merlin τα τυχαία bits αποκαλύπτονται στον Prover. Ο Merlin δεν μπορεί να προβλέψει τα μελλοντικά τυχαία bits του Βασιλιά Αρθούρου, και ο Αρθούρος δεν έχει τρόπο να κρύψει από τον Merlin τα προηγούμενα τυχαία bits του. Ο Merlin παίζει τον ρόλο του Prover,και ο Αρθούρος τον ρόλο του Verifier, αλλά σε αυτή την περίπτωση, ο Merlin έχει περισσότερη δύναμη από τον κανονικό Prover. Η κλάση ΑΜ είναι η κλάση των γλωσσών L με ένα Διαλογικό Σύστημα Αποδείξεων, στο οποίο ο Verifier στέλνει μια τυχαία συμβολοσειρά, και ο Prover απαντάει με ένα μήνυμα. Επίσης, η κλάση ΜΑ αποτελείται από όλες τις γλώσσες L, για τις οποίες υπάρχει ένα Διαλογικό Σύστημα Αποδείξεων στο οποίο ο Prover στέλνει πρώτος ένα μήνυμα.

Βασικές Ιδιότητες Η έξοδος V, P (x) είναι τυχαία μεταβλητή. Κάθε γλώσσα στο PSPACE έχει Διαλογικό Σύστημα Αποδείξης. Μπορούμε να αντικαταστήσουμε την πιθανότητα 2/3 με 1 2 ns και την πιθανότητα (της ορθότητας) 1/3 με 2 ns, χωρίς να αλλάζει η κλάση, για κάθε σταθερά s > 0. Μπορούμε επίσης να αλλάξουμε την πιθανότητα (της πληρότητας) 2/3 με 1 χωρίς να αλλάζει η κλάση, αλλά το να αλλάξουμε την πιθανότητα (της ορθότητας) 1/3 με 0, ισοδυναμεί με έναν μη-πιθανοτικό Verifier, και η κλάση IP καταρρέει στην NP. MA[1] = NP, AM[1] = BPP, και ότι η κλάση AM AM = BP NP Για σταθερές k 2, AM[k] = AM[2]. IP[k] ΑΜ[k + 2] GNI AM

Αποδείξεις Μηδενικής Γνώσης Μια απόδειξη μηδενικής γνώσης δεν συνεπάγει τίποτα άλλο πέρα από την εγκυρότητά της. Ο όρος μηδενική γνώση οφείλεται στο ότι το παραπάνω μπορεί να μεταφραστεί ως την σωστή επιλογή του prover έναντι στις προσπάθειες του verifier να αποκτήσει πληροφορίες μέσω της αλληλεπίδρασης. Πολυωνυμικά μη-διακρίσιμα σύνολα μπορούν να θεωρούνται ίσα για όλους τους πρακτικούς σκοπούς, αφού κάθε πολυωνυμική διαδικασία που χρησιμοποιεί ένα από τα δύο σύνολα παρουσιάζει την ίδια συμπεριφορά.

Αποδείξεις Μηδενικής Γνώσης Ορισμός Εστω L {0, 1}. Οι οικογένειες Π 1 = {π 1 (x)} x L και Π 2 = {π 2 (x)} x L λέγονται οικογένειες κατανομών πιθανότητας αν κάθε π i (x) για i {1, 2} και x L αποτελεί τυχαία μεταβλητή. Για κάθε αλγόριθμο A, έστω pi A η πιθανότητα ο A να βγάζει έξοδο 1 με είσοδο x και ένα στοιχείο επιλεγμένο σύμφωνα με την κατανομή π i (x): p A i = α Pr [A(x, α) = 1] Pr [π i (x) = α] Τα σύνολα Π 1 και Π 2 λέγονται πολυωνυμικά ή υπολογιστικά μη-διακρίσιμα, αν για κάθε πιθανοτικό αλγόριθμο A και c > 0 και για κάθε (αρκετά μεγάλο) n = x, x L: p A 1 (x) p A 2 (x) x c

Αποδείξεις Μηδενικής Γνώσης Δίνονται δύο γράφοι G 1, G 2 (κοινή είσοδος): ( Εστω φ ο ισομορφισμός μεταξύ των γράφων (G 2 = φ(g 1 )) ) Prover: Παράγει ένα γράφο H, ο οποίος είναι τυχαίος ισομορφισμός του G 1. Αυτό γίνεται ως εξής: Επιλέγει μία μετάθεση π, και υπολογίζει τον H = π(g 1 ). Στέλνει τον H στον verifier. Verifier: Διαλέγει τυχαία ένα α {1, 2}, και το στέλνει στον Prover. (Διαισθητικά, ο Verifier ζητάει από τον Prover να του αποδείξει ότι οι H και G α είναι όντως ισομορφικοί.) Prover: Αν α = 2, τότε ο Prover στέλνει το π στον Verifier, αλλιώς του στέλνει την μετάθεση π φ. Verifier: Αν η μετάθεση ψ που έστειλε ο Prover δεν είναι ισομορφισμός μεταξύ των G α και H (δηλ. H ψ(g α )), τότε ο Verifier σταματάει και απορρίπτει. Αλλιώς, συνεχίζει. Αν ο Verifier έχει ολοκληρώσει m επαναλήψεις των παραπάνω βημάτων, τότε αποδέχεται. Το πρωτόκολλο αυτό συνιστά ένα Διαλογικό Σύστημα Μηδενικής Γνώσης για το GI.

Αποδείξεις Μηδενικής Γνώσης Άλλα Είδη Μηδενικής Γνώσης Ορισμός view P,V : εικόνα που έχει ο Verifier κατά την εκτέλεση του πρωτοκόλλου. Τα σύνολα Π 1 και Π 2 λέγονται στατιστικά μη-διακρίσιμα, αν για κάθε c > 0 και n = x, x L αρκετά μεγάλα: Pr[π 1 (x) = α] Pr[π 2 (x) = α] x c Ορισμός Τα σύνολα Π 1 και Π 2 λέγονται τέλεια μη-διακρίσιμα, αν για κάθε x L οι κατανομές π 1 (x) και π 2 (x) ταυτίζονται.

Αποδείξεις Μηδενικής Γνώσης Άλλα Είδη Μηδενικής Γνώσης Ορισμός Ενα Διαλογικό Πρωτόκολλο είναι πρωτόκολλο: τέλειας μηδενικής γνώσης για μια γλώσσα L, αν για κάθε «ανέντιμο» Verifier V υπάρχει πιθανοτικός αλγόριθμος A πολυωνυμικού χρόνου, τέτοιος ώστε τα σύνολα {view P,V (x)} x L και {A(x)} x L να είναι τέλεια μη-διακρίσιμα. στατιστικής μηδενικής γνώσης, αν είναι στατιστικά μη-διακρίσιμα. υπολογιστικής μηδενικής γνώσης, αν είναι υπολογιστικά/πολυωνυμικά μη-διακρίσιμα. PZK SZK CZK IP

Αποδείξεις Μηδενικής Γνώσης Άλλα Είδη Μηδενικής Γνώσης Περαιτέρω Μελέτη Sanjeev Arora and Boaz Barak. Computational Complexity: A Modern Approach. Cambridge University Press, 1st edition, April 2009 Oded Goldreich, Silvio Micali, Avi Wigderson: Proofs that Yield Nothing But Their Validity or All Languages in NP Have Zero-Knowledge Proof Systems. J. ACM 38(3): 691-729 (1991) Shafi Goldwasser, Silvio Micali, Charles Rackoff: The Knowledge Complexity of Interactive Proof Systems. SIAM J. Comput. 18(1): 186-208 (1989) Στάθης Ζάχος, Κρυπτογραφία και Πολυπλοκότητα, Ε.Μ.Π., Αθήνα 2007 Thank You!