Skip to content

模型Model

伪随机函数

Pseudorandom function · PRF

由短密钥索引且对高效查询者不可与真随机函数区分的函数族。

形式陈述 ​

本页取有限、可高效识别编码的域 Dn 与值域 Rn,输入输出长度均受 n 的多项式控制,并要求能高效均匀采样 Rn。伪随机函数族 F={Fk:Dn→Rn}k∈{0,1}n 的计算安全要求存在统一高效求值算法,并且对任意 uniform PPT、可自适应查询的预言机区分器 A,

|Pr[AFUn(1n)=1]−Pr[AR(1n)=1]|

可忽略,其中 R 从全部函数 Dn→Rn 中均匀选择并对重复查询保持一致。有限性使这个均匀理想对象有定义;实际模拟可对新输入独立采样一次 Rn 中的值,再保存回答。攻击者知道族和算法,只不知道均匀密钥。若研究每个 Fk 都是置换的族,则 PRP 安全还要把理想对象改成均匀随机置换,不能仅凭可逆性宣布得到 PRP 安全。

直觉

PRF 是由短密钥索引且可快速计算的函数族,从黑盒交互看,对高效、可自适应查询的观察者就像一张真正随机、按需生成又始终一致的巨大输入输出表。真正随机函数会为每个新输入独立抽取输出,并对重复输入保持一致,PRF 必须同时模拟这两点。它不是“输出统计上均匀”这么简单,攻击者能选择输入、比较相关输出并进行多次查询。

例子与边界

攻击者可以根据先前回答选择下一次查询,因此只验证固定非自适应样本不足。真正随机函数在同一输入上必须返回同一输出,而“每次调用独立随机返回”是另一种对象。

固定常数函数或简单线性函数即使单点输出均匀,也可通过两次查询识别关系。PRF 与 PRP 不同:随机函数可碰撞,分组密码模型中的随机置换不能;在查询远低于生日界时可通过 switching lemma 联系。

推论与应用

PRF 用于消息认证码、对称加密、密钥派生和协议会话标签。例如,tag=Fk(m) 可形成固定长度 MAC 的基础;可变长度消息还需明确编码,不同用途需作域分离。安全证明常通过把真实 PRF 逐步替换为随机函数来简化协议分析。

伪随机生成器经GGM 树构造得到长输入 PRF:每个输入位选择生成器输出的一半,沿树走到一个叶子。面对自适应查询,证明只替换首次访问的节点;q 次长度为 d 的查询至多触及 qd 个相关节点,因而不必生成整棵指数大树。不可区分性给出相应 oracle 游戏。

参考资料
  • Oded Goldreich, Foundations of Cryptography, Vol. 1, Cambridge University Press, 2001,Ch. 3, pseudorandom functions and oracle indistinguishability。
  • Dan Boneh and Victor Shoup, A Graduate Course in Applied Cryptography, version 0.6, 2023,Chs. 3–4, PRFs, PRPs, and applications。
关系图谱16 个相邻概念 · 4 类关系

拖动节点调整位置。

显示关系

显示:依赖

  1. 前置三跳
  2. 前置二跳
  3. 前置一跳
  4. 当前条目
  5. 后续一跳
  6. 后续二跳
  7. 后续三跳
文字版关系按与当前条目的最短距离分组
类型化关系