摘要

相比椭圆曲线密码学，格基密码方案的主要缺陷在于其公钥和密文的较大尺寸。常见的压缩方法本质上是丢弃这些对象的最低有效位。虽然压缩有效，但在解密失败率（DFR）显著上升前可丢弃的比特数存在限制，这构成安全隐患。为解决该问题，本文提出一种纠错码家族，通过允许丢弃更多比特同时保持可忽略的DFR，可同时应用于现代格基方案的密文和公钥压缩。

为展示方案的实用价值，我们以NIST最新标准化的后量子格基方案ML-KEM为例，详细说明如何针对ML-KEM特定噪声分布定制编码，并提出无需假设噪声系数独立性的DFR分析方法。实验结果表明：在ML-KEM中实现4%-8%的密文压缩率，或获得比现行标准短8%的公钥。我们还提供了解码程序的等时实现，在AVX2、Cortex-M4和Cortex-A53等优化平台上，对完整ML-KEM解封装过程的性能影响可忽略不计。

技术实现

可定制编码架构

1. 噪声分布适配：通过分析ML-KEM的离散高斯噪声特性，构建参数化编码矩阵
2. DFR精确建模：采用蒙特卡洛模拟与解析边界相结合的方法，规避传统独立噪声假设
3. 位丢弃优化：开发动态阈值算法，确定各系数位段的最大可丢弃比特数

性能优化

• 指令集加速：针对AVX2设计并行化编解码内核
• 内存约束优化：Cortex-M4上的寄存器级调度方案
• 能耗平衡：Cortex-A53的等时实现确保侧信道防护

实验结果

该方案已集成至ML-KEM参考实现，代码发布于IACR开源库。