SlideShare a Scribd company logo
1 of 9
Download to read offline
楕円曲線
実験数学 3
(大阪大学理学部数学科 3 年・4 年)
第 4 回: 楕円曲線における離散対数問題
鈴木 譲
大阪大学
2014 年 5 月 15 日
1 / 9
実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 4 回: 楕円曲線における離散対数問題
楕円曲線
楕円曲線
K: 体
a, b ∈ K (4a2 + 27b3 ̸= 0 ⇐⇒ x3 + ax + b = 0 が重解なし)
E0(K) := {(x, y) ∈ K2
|y2
= x3
+ ax + b}
例: K = Q, a = 1, b = 2 (4 · 23 + 27 · 22 ̸= 0)
x = 1 =⇒ y = ±2 ∈ Q =⇒ (1, ±2) ∈ E0(Q)
x = 0 =⇒ y = ±
√
2 ̸∈ Q =⇒ (0, ±
√
2) ̸∈ E0(Q)
K = F11, a = 1, b = 6 (4 · 13 + 27 · 62 = 8 ̸= 0)
x = 2 =⇒ y2
= 5 =⇒ (2, 4), (2, 7) ∈ E0(F11)
x = 3 =⇒ y2
= 3 =⇒ (3, 5), (3, 6) ∈ E0(F11)
x = 0, 1, 4, 6, 9 では、F11 で、y の値 (平方根) が存在しない
2 / 9
実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 4 回: 楕円曲線における離散対数問題
楕円曲線
P(xP, yP), Q(xQ, yQ) ∈ E0(K) の演算を以下で定義:
.
1 xP ̸= xQ のとき、P, Q を結ぶ直線と y2
= x3
+ ax + b との交点が
R(xR , yR ) であれば、P + Q = (xR , −yR )
.
2 P = Q のとき、直線を接線と考えて、
P + Q = (xP+Q, yP+Q) = (xR , −yR ) を計算
.
3 xP = xQ, yP ̸= yQ(⇐⇒ xP = xQ, yP = −yQ) のとき (P = −Q とか
く)、xP ∈ K によらず O ̸∈ E0(K) (無限遠点)
3 / 9
実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 4 回: 楕円曲線における離散対数問題
楕円曲線
xP, yP, xQ, yQ ∈ K =⇒ xP+Q, yP+Q ∈ K
P ̸= ±Q のとき、
k =
yQ − yP
xQ − xP
Y = yP + k(X − xP)
(yP + k(X − xP))2
= X3
+ aX + b
X3
− k2
X2
+ · · · = 0
xP + xQ + xR = k2
{
xP+Q = xR = k2 − xP − xQ ∈ K
yP+Q = −yR = −{k(xR − xP) + yP} ∈ K
P = Q のとき、xP = xQ
2YY ′
= 3X2
+ a , k =
3x2
P + a
2yP
2yP = 0 ⇐⇒ yP = −yP ⇐⇒ P = −Q
4 / 9
実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 4 回: 楕円曲線における離散対数問題
楕円曲線
例: K = F11, a = 1, b = 6
E0(K) = {(2, 4), (2, 7), (3, 5), (3, 6), (5, 2), (5, 9), (7, 2), (7, 9),
(8, 3), (8, 8), (10, 2), (10, 9)}
(2, 4) + (2, 7) = O
(2, 4) + (3, 5) = (7, 2)
(2, 4) + (2, 4) = (5, 9)
5 / 9
実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 4 回: 楕円曲線における離散対数問題
楕円曲線
E(K) := E0(K) ∪ {O} は可換群
O + O = O , P ∈ E0(K) =⇒ P + O = O + P = P
(結合法則の証明は、計算が膨大のため省略)
6 / 9
実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 4 回: 楕円曲線における離散対数問題
楕円曲線
有限巡回群 < P >, P ∈ E(Fp)
m ∈ N+ として、
[m]P := P + · · · + P
m
[0]P := O
[−m]P := −(P + · · · + P
m
)
E(Fp) は一般には巡回群ではないが、有限群なので、各
P ∈ E(Fp) で [m]P = O なる m ∈ Z が存在 (正の最小の m が位数)
例: K = F11, a = 1, b = 6
[3](2, 4) = [2](2, 4) + (2, 4) = (5, 9) + (2, 4) = (8, 8)
E(K) = E0(K) ∪ {O} が 13 個の元をもつので、巡回群
[13](2, 4) = O
7 / 9
実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 4 回: 楕円曲線における離散対数問題
楕円曲線
離散対数問題
β ∈< α >= G について、αx = β なる 1 ≤ x ≤ |G| を見出す
.
1 G = F∗
p = {1, · · · , p − 1} (mod p での乗算)
.
2 P ∈ E(Fp) として、G =< P >
楕円曲線の離散対数問題
.
Index Calculus が適用できないため、計算量の多い方法を使わな
いと、解読できないので安全
8 / 9
実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 4 回: 楕円曲線における離散対数問題
楕円曲線
参考: E(Fp) の群としての性質
E(Fp) は階数が 1 または 2
.
.
E(Fp) ∼= Z/mZ ⊕ Z/nZ
n|m, n|p − 1
例: K = F11, a = 1, b = 6 は、巡回群 (階数 1)。
Hasse-Weil
.
.
p + 1 − 2
√
p ≤ |E(Fp)| ≤ p + 1 + 2
√
p
例: K = F11, a = 1, b = 6 のとき、p = 11, |E(Fp)| = 13
< P > の位数を大きくするために、E(Fp) が巡回群となるような
楕円曲線を選ぶ
< P > の位数を計算して、大きな素因数を含んでいることを確認。
9 / 9
実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 4 回: 楕円曲線における離散対数問題

More Related Content

What's hot

2016年度秋学期 応用数学(解析) 第5回 微分方程式とは,変数分離形 (2016. 10. 27)
2016年度秋学期 応用数学(解析) 第5回 微分方程式とは,変数分離形 (2016. 10. 27)2016年度秋学期 応用数学(解析) 第5回 微分方程式とは,変数分離形 (2016. 10. 27)
2016年度秋学期 応用数学(解析) 第5回 微分方程式とは,変数分離形 (2016. 10. 27)Akira Asano
 
スペクトラルグラフ理論入門
スペクトラルグラフ理論入門スペクトラルグラフ理論入門
スペクトラルグラフ理論入門irrrrr
 
Indeedなう B日程 解説
Indeedなう B日程 解説Indeedなう B日程 解説
Indeedなう B日程 解説AtCoder Inc.
 
公開鍵暗号(5): NP困難性
公開鍵暗号(5): NP困難性公開鍵暗号(5): NP困難性
公開鍵暗号(5): NP困難性Joe Suzuki
 
Grcosmo 44 slide
Grcosmo 44 slideGrcosmo 44 slide
Grcosmo 44 slideKENTAROHARA
 
公開鍵暗号2: NP困難性
公開鍵暗号2: NP困難性公開鍵暗号2: NP困難性
公開鍵暗号2: NP困難性Joe Suzuki
 
2018年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 第6回 変数分離形の変形 (2018. 10. 30)
2018年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 第6回 変数分離形の変形 (2018. 10. 30)2018年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 第6回 変数分離形の変形 (2018. 10. 30)
2018年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 第6回 変数分離形の変形 (2018. 10. 30)Akira Asano
 
2018年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 第7回 2階線形微分方程式(1) (2018. 11. 6)
2018年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 第7回 2階線形微分方程式(1) (2018. 11. 6)2018年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 第7回 2階線形微分方程式(1) (2018. 11. 6)
2018年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 第7回 2階線形微分方程式(1) (2018. 11. 6)Akira Asano
 
2018年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 第5回 微分方程式とは・変数分離形 (2018. 10. 23)
2018年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 第5回 微分方程式とは・変数分離形 (2018. 10. 23)2018年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 第5回 微分方程式とは・変数分離形 (2018. 10. 23)
2018年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 第5回 微分方程式とは・変数分離形 (2018. 10. 23)Akira Asano
 
【第34回数学カフェの予習会#1】微分と代数学のつながり
【第34回数学カフェの予習会#1】微分と代数学のつながり【第34回数学カフェの予習会#1】微分と代数学のつながり
【第34回数学カフェの予習会#1】微分と代数学のつながりMathCafe
 
2018年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 第8回 2階線形微分方程式(2) (2018. 11. 13)
2018年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 第8回 2階線形微分方程式(2) (2018. 11. 13)2018年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 第8回 2階線形微分方程式(2) (2018. 11. 13)
2018年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 第8回 2階線形微分方程式(2) (2018. 11. 13)Akira Asano
 
2016年度秋学期 応用数学(解析) 第8回 2階線形微分方程式(2) (2016. 11. 24)
2016年度秋学期 応用数学(解析) 第8回 2階線形微分方程式(2) (2016. 11. 24)2016年度秋学期 応用数学(解析) 第8回 2階線形微分方程式(2) (2016. 11. 24)
2016年度秋学期 応用数学(解析) 第8回 2階線形微分方程式(2) (2016. 11. 24)Akira Asano
 
2016年度秋学期 応用数学(解析) 第7回 2階線形微分方程式(1) (2016. 11. 17)
2016年度秋学期 応用数学(解析) 第7回 2階線形微分方程式(1) (2016. 11. 17)2016年度秋学期 応用数学(解析) 第7回 2階線形微分方程式(1) (2016. 11. 17)
2016年度秋学期 応用数学(解析) 第7回 2階線形微分方程式(1) (2016. 11. 17)Akira Asano
 
2016年度秋学期 応用数学(解析) 第10回 生存時間分布と半減期 (2016. 12. 1)
2016年度秋学期 応用数学(解析) 第10回 生存時間分布と半減期 (2016. 12. 1)2016年度秋学期 応用数学(解析) 第10回 生存時間分布と半減期 (2016. 12. 1)
2016年度秋学期 応用数学(解析) 第10回 生存時間分布と半減期 (2016. 12. 1)Akira Asano
 
2018年度秋学期 応用数学(解析) 第4部・「その先の解析学」への導入 第12回 複素関数論(1) 複素関数・正則関数 (2018. 12. 11)
2018年度秋学期 応用数学(解析) 第4部・「その先の解析学」への導入 第12回 複素関数論(1) 複素関数・正則関数 (2018. 12. 11)2018年度秋学期 応用数学(解析) 第4部・「その先の解析学」への導入 第12回 複素関数論(1) 複素関数・正則関数 (2018. 12. 11)
2018年度秋学期 応用数学(解析) 第4部・「その先の解析学」への導入 第12回 複素関数論(1) 複素関数・正則関数 (2018. 12. 11)Akira Asano
 
2014年度秋学期 応用数学(解析) 第4部・複素関数論ダイジェスト / 第12回 複素関数・正則関数 (2014. 12. 18)
2014年度秋学期 応用数学(解析) 第4部・複素関数論ダイジェスト / 第12回 複素関数・正則関数 (2014. 12. 18)2014年度秋学期 応用数学(解析) 第4部・複素関数論ダイジェスト / 第12回 複素関数・正則関数 (2014. 12. 18)
2014年度秋学期 応用数学(解析) 第4部・複素関数論ダイジェスト / 第12回 複素関数・正則関数 (2014. 12. 18)Akira Asano
 

What's hot (20)

Moig 05
Moig 05Moig 05
Moig 05
 
2016年度秋学期 応用数学(解析) 第5回 微分方程式とは,変数分離形 (2016. 10. 27)
2016年度秋学期 応用数学(解析) 第5回 微分方程式とは,変数分離形 (2016. 10. 27)2016年度秋学期 応用数学(解析) 第5回 微分方程式とは,変数分離形 (2016. 10. 27)
2016年度秋学期 応用数学(解析) 第5回 微分方程式とは,変数分離形 (2016. 10. 27)
 
スペクトラルグラフ理論入門
スペクトラルグラフ理論入門スペクトラルグラフ理論入門
スペクトラルグラフ理論入門
 
Indeedなう B日程 解説
Indeedなう B日程 解説Indeedなう B日程 解説
Indeedなう B日程 解説
 
公開鍵暗号(5): NP困難性
公開鍵暗号(5): NP困難性公開鍵暗号(5): NP困難性
公開鍵暗号(5): NP困難性
 
2013 03 25
2013 03 252013 03 25
2013 03 25
 
Grcosmo 44 slide
Grcosmo 44 slideGrcosmo 44 slide
Grcosmo 44 slide
 
公開鍵暗号2: NP困難性
公開鍵暗号2: NP困難性公開鍵暗号2: NP困難性
公開鍵暗号2: NP困難性
 
2018年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 第6回 変数分離形の変形 (2018. 10. 30)
2018年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 第6回 変数分離形の変形 (2018. 10. 30)2018年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 第6回 変数分離形の変形 (2018. 10. 30)
2018年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 第6回 変数分離形の変形 (2018. 10. 30)
 
2018年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 第7回 2階線形微分方程式(1) (2018. 11. 6)
2018年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 第7回 2階線形微分方程式(1) (2018. 11. 6)2018年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 第7回 2階線形微分方程式(1) (2018. 11. 6)
2018年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 第7回 2階線形微分方程式(1) (2018. 11. 6)
 
2018年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 第5回 微分方程式とは・変数分離形 (2018. 10. 23)
2018年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 第5回 微分方程式とは・変数分離形 (2018. 10. 23)2018年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 第5回 微分方程式とは・変数分離形 (2018. 10. 23)
2018年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 第5回 微分方程式とは・変数分離形 (2018. 10. 23)
 
相対位相
相対位相相対位相
相対位相
 
【第34回数学カフェの予習会#1】微分と代数学のつながり
【第34回数学カフェの予習会#1】微分と代数学のつながり【第34回数学カフェの予習会#1】微分と代数学のつながり
【第34回数学カフェの予習会#1】微分と代数学のつながり
 
Sinsa1234
Sinsa1234Sinsa1234
Sinsa1234
 
2018年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 第8回 2階線形微分方程式(2) (2018. 11. 13)
2018年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 第8回 2階線形微分方程式(2) (2018. 11. 13)2018年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 第8回 2階線形微分方程式(2) (2018. 11. 13)
2018年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 第8回 2階線形微分方程式(2) (2018. 11. 13)
 
2016年度秋学期 応用数学(解析) 第8回 2階線形微分方程式(2) (2016. 11. 24)
2016年度秋学期 応用数学(解析) 第8回 2階線形微分方程式(2) (2016. 11. 24)2016年度秋学期 応用数学(解析) 第8回 2階線形微分方程式(2) (2016. 11. 24)
2016年度秋学期 応用数学(解析) 第8回 2階線形微分方程式(2) (2016. 11. 24)
 
2016年度秋学期 応用数学(解析) 第7回 2階線形微分方程式(1) (2016. 11. 17)
2016年度秋学期 応用数学(解析) 第7回 2階線形微分方程式(1) (2016. 11. 17)2016年度秋学期 応用数学(解析) 第7回 2階線形微分方程式(1) (2016. 11. 17)
2016年度秋学期 応用数学(解析) 第7回 2階線形微分方程式(1) (2016. 11. 17)
 
2016年度秋学期 応用数学(解析) 第10回 生存時間分布と半減期 (2016. 12. 1)
2016年度秋学期 応用数学(解析) 第10回 生存時間分布と半減期 (2016. 12. 1)2016年度秋学期 応用数学(解析) 第10回 生存時間分布と半減期 (2016. 12. 1)
2016年度秋学期 応用数学(解析) 第10回 生存時間分布と半減期 (2016. 12. 1)
 
2018年度秋学期 応用数学(解析) 第4部・「その先の解析学」への導入 第12回 複素関数論(1) 複素関数・正則関数 (2018. 12. 11)
2018年度秋学期 応用数学(解析) 第4部・「その先の解析学」への導入 第12回 複素関数論(1) 複素関数・正則関数 (2018. 12. 11)2018年度秋学期 応用数学(解析) 第4部・「その先の解析学」への導入 第12回 複素関数論(1) 複素関数・正則関数 (2018. 12. 11)
2018年度秋学期 応用数学(解析) 第4部・「その先の解析学」への導入 第12回 複素関数論(1) 複素関数・正則関数 (2018. 12. 11)
 
2014年度秋学期 応用数学(解析) 第4部・複素関数論ダイジェスト / 第12回 複素関数・正則関数 (2014. 12. 18)
2014年度秋学期 応用数学(解析) 第4部・複素関数論ダイジェスト / 第12回 複素関数・正則関数 (2014. 12. 18)2014年度秋学期 応用数学(解析) 第4部・複素関数論ダイジェスト / 第12回 複素関数・正則関数 (2014. 12. 18)
2014年度秋学期 応用数学(解析) 第4部・複素関数論ダイジェスト / 第12回 複素関数・正則関数 (2014. 12. 18)
 

Viewers also liked

公開鍵暗号(6): ナップザック暗号
公開鍵暗号(6): ナップザック暗号公開鍵暗号(6): ナップザック暗号
公開鍵暗号(6): ナップザック暗号Joe Suzuki
 
MaCaulay2 Miuraパッケージの開発と今後
MaCaulay2 Miuraパッケージの開発と今後MaCaulay2 Miuraパッケージの開発と今後
MaCaulay2 Miuraパッケージの開発と今後Joe Suzuki
 
相互情報量を用いた独立性の検定
相互情報量を用いた独立性の検定相互情報量を用いた独立性の検定
相互情報量を用いた独立性の検定Joe Suzuki
 
公開鍵暗号(7): データ圧縮
公開鍵暗号(7): データ圧縮公開鍵暗号(7): データ圧縮
公開鍵暗号(7): データ圧縮Joe Suzuki
 
Jeffreysの事前確率とBDeuの一致性に関する比較
Jeffreysの事前確率とBDeuの一致性に関する比較Jeffreysの事前確率とBDeuの一致性に関する比較
Jeffreysの事前確率とBDeuの一致性に関する比較Joe Suzuki
 
Experimental mathematics 2
Experimental mathematics 2Experimental mathematics 2
Experimental mathematics 2Joe Suzuki
 
離散と連続の入り混じった相互情報量を推定して、 SNP と遺伝子発現量の因果関係をさぐる
離散と連続の入り混じった相互情報量を推定して、SNP と遺伝子発現量の因果関係をさぐる離散と連続の入り混じった相互情報量を推定して、SNP と遺伝子発現量の因果関係をさぐる
離散と連続の入り混じった相互情報量を推定して、 SNP と遺伝子発現量の因果関係をさぐるJoe Suzuki
 
公開鍵暗号(1): RSA暗号
公開鍵暗号(1): RSA暗号公開鍵暗号(1): RSA暗号
公開鍵暗号(1): RSA暗号Joe Suzuki
 
Bayes Independence Test - HSIC と性能を比較する-
Bayes Independence Test - HSIC と性能を比較する-Bayes Independence Test - HSIC と性能を比較する-
Bayes Independence Test - HSIC と性能を比較する-Joe Suzuki
 
Grammatical inference メモ 1
Grammatical inference メモ 1Grammatical inference メモ 1
Grammatical inference メモ 1Keisuke OTAKI
 
Reading Seminar (140515) Spectral Learning of L-PCFGs
Reading Seminar (140515) Spectral Learning of L-PCFGsReading Seminar (140515) Spectral Learning of L-PCFGs
Reading Seminar (140515) Spectral Learning of L-PCFGsKeisuke OTAKI
 
一階述語論理のメモ
一階述語論理のメモ一階述語論理のメモ
一階述語論理のメモKeisuke OTAKI
 
KDD読み会(図なし版)
KDD読み会(図なし版)KDD読み会(図なし版)
KDD読み会(図なし版)Keisuke OTAKI
 
ベイズ Chow-Liu アルゴリズム
ベイズ Chow-Liu アルゴリズムベイズ Chow-Liu アルゴリズム
ベイズ Chow-Liu アルゴリズムJoe Suzuki
 
Jeffreys' and BDeu Priors for Model Selection
Jeffreys' and BDeu Priors for Model SelectionJeffreys' and BDeu Priors for Model Selection
Jeffreys' and BDeu Priors for Model SelectionJoe Suzuki
 

Viewers also liked (20)

2014 9-26
2014 9-262014 9-26
2014 9-26
 
基本概念
基本概念基本概念
基本概念
 
2014 12-9
2014 12-92014 12-9
2014 12-9
 
公開鍵暗号(6): ナップザック暗号
公開鍵暗号(6): ナップザック暗号公開鍵暗号(6): ナップザック暗号
公開鍵暗号(6): ナップザック暗号
 
2014 9-22
2014 9-222014 9-22
2014 9-22
 
MaCaulay2 Miuraパッケージの開発と今後
MaCaulay2 Miuraパッケージの開発と今後MaCaulay2 Miuraパッケージの開発と今後
MaCaulay2 Miuraパッケージの開発と今後
 
相互情報量を用いた独立性の検定
相互情報量を用いた独立性の検定相互情報量を用いた独立性の検定
相互情報量を用いた独立性の検定
 
公開鍵暗号(7): データ圧縮
公開鍵暗号(7): データ圧縮公開鍵暗号(7): データ圧縮
公開鍵暗号(7): データ圧縮
 
Jeffreysの事前確率とBDeuの一致性に関する比較
Jeffreysの事前確率とBDeuの一致性に関する比較Jeffreysの事前確率とBDeuの一致性に関する比較
Jeffreysの事前確率とBDeuの一致性に関する比較
 
Experimental mathematics 2
Experimental mathematics 2Experimental mathematics 2
Experimental mathematics 2
 
離散と連続の入り混じった相互情報量を推定して、 SNP と遺伝子発現量の因果関係をさぐる
離散と連続の入り混じった相互情報量を推定して、SNP と遺伝子発現量の因果関係をさぐる離散と連続の入り混じった相互情報量を推定して、SNP と遺伝子発現量の因果関係をさぐる
離散と連続の入り混じった相互情報量を推定して、 SNP と遺伝子発現量の因果関係をさぐる
 
公開鍵暗号(1): RSA暗号
公開鍵暗号(1): RSA暗号公開鍵暗号(1): RSA暗号
公開鍵暗号(1): RSA暗号
 
Bayes Independence Test - HSIC と性能を比較する-
Bayes Independence Test - HSIC と性能を比較する-Bayes Independence Test - HSIC と性能を比較する-
Bayes Independence Test - HSIC と性能を比較する-
 
Grammatical inference メモ 1
Grammatical inference メモ 1Grammatical inference メモ 1
Grammatical inference メモ 1
 
Hash Table
Hash TableHash Table
Hash Table
 
Reading Seminar (140515) Spectral Learning of L-PCFGs
Reading Seminar (140515) Spectral Learning of L-PCFGsReading Seminar (140515) Spectral Learning of L-PCFGs
Reading Seminar (140515) Spectral Learning of L-PCFGs
 
一階述語論理のメモ
一階述語論理のメモ一階述語論理のメモ
一階述語論理のメモ
 
KDD読み会(図なし版)
KDD読み会(図なし版)KDD読み会(図なし版)
KDD読み会(図なし版)
 
ベイズ Chow-Liu アルゴリズム
ベイズ Chow-Liu アルゴリズムベイズ Chow-Liu アルゴリズム
ベイズ Chow-Liu アルゴリズム
 
Jeffreys' and BDeu Priors for Model Selection
Jeffreys' and BDeu Priors for Model SelectionJeffreys' and BDeu Priors for Model Selection
Jeffreys' and BDeu Priors for Model Selection
 

Similar to 公開鍵暗号(4): 楕円曲線における離散対数問題

20150922_楕円関数とおもしろい応用
20150922_楕円関数とおもしろい応用20150922_楕円関数とおもしろい応用
20150922_楕円関数とおもしろい応用matsumoring
 
何もないところから数を作る
何もないところから数を作る何もないところから数を作る
何もないところから数を作るTaketo Sano
 
JOIss2020 発表資料
JOIss2020 発表資料JOIss2020 発表資料
JOIss2020 発表資料mdkcpp 1015
 
アルゴリズムイントロダクション15章 動的計画法
アルゴリズムイントロダクション15章 動的計画法アルゴリズムイントロダクション15章 動的計画法
アルゴリズムイントロダクション15章 動的計画法nitoyon
 
代数的実数とCADの実装紹介
代数的実数とCADの実装紹介代数的実数とCADの実装紹介
代数的実数とCADの実装紹介Masahiro Sakai
 
20170327_レムニスケートにまつわる色々な計算
20170327_レムニスケートにまつわる色々な計算20170327_レムニスケートにまつわる色々な計算
20170327_レムニスケートにまつわる色々な計算matsumoring
 
x^2+ny^2の形で表せる素数の法則と類体論
x^2+ny^2の形で表せる素数の法則と類体論x^2+ny^2の形で表せる素数の法則と類体論
x^2+ny^2の形で表せる素数の法則と類体論Junpei Tsuji
 
2016年度秋学期 応用数学(解析) 第6回 変数分離形の変形 (2016. 11. 10)
2016年度秋学期 応用数学(解析) 第6回 変数分離形の変形 (2016. 11. 10)2016年度秋学期 応用数学(解析) 第6回 変数分離形の変形 (2016. 11. 10)
2016年度秋学期 応用数学(解析) 第6回 変数分離形の変形 (2016. 11. 10)Akira Asano
 
第8回 配信講義 計算科学技術特論A(2021)
第8回 配信講義 計算科学技術特論A(2021)第8回 配信講義 計算科学技術特論A(2021)
第8回 配信講義 計算科学技術特論A(2021)RCCSRENKEI
 
210603 yamamoto
210603 yamamoto210603 yamamoto
210603 yamamotoRCCSRENKEI
 
量子アニーリングを用いたクラスタ分析
量子アニーリングを用いたクラスタ分析量子アニーリングを用いたクラスタ分析
量子アニーリングを用いたクラスタ分析Shu Tanaka
 
Computing for Isogeny Kernel Problem by Groebner Basis
Computing for Isogeny Kernel Problem by Groebner BasisComputing for Isogeny Kernel Problem by Groebner Basis
Computing for Isogeny Kernel Problem by Groebner BasisYasu Math
 
PRML 6.1章 カーネル法と双対表現
PRML 6.1章 カーネル法と双対表現PRML 6.1章 カーネル法と双対表現
PRML 6.1章 カーネル法と双対表現hagino 3000
 
公開鍵暗号3: ナップザック暗号
公開鍵暗号3: ナップザック暗号公開鍵暗号3: ナップザック暗号
公開鍵暗号3: ナップザック暗号Joe Suzuki
 
半正定値計画問題と最大カット Sedemifinite Programming and Approximation Algorithm for Maxcu...
半正定値計画問題と最大カット Sedemifinite Programming and Approximation Algorithm for Maxcu...半正定値計画問題と最大カット Sedemifinite Programming and Approximation Algorithm for Maxcu...
半正定値計画問題と最大カット Sedemifinite Programming and Approximation Algorithm for Maxcu...Yuya Masumura
 
第9回スキル養成講座講義資料
第9回スキル養成講座講義資料第9回スキル養成講座講義資料
第9回スキル養成講座講義資料keiodig
 

Similar to 公開鍵暗号(4): 楕円曲線における離散対数問題 (20)

20150922_楕円関数とおもしろい応用
20150922_楕円関数とおもしろい応用20150922_楕円関数とおもしろい応用
20150922_楕円関数とおもしろい応用
 
ndwave3.pdf
ndwave3.pdfndwave3.pdf
ndwave3.pdf
 
何もないところから数を作る
何もないところから数を作る何もないところから数を作る
何もないところから数を作る
 
JOIss2020 発表資料
JOIss2020 発表資料JOIss2020 発表資料
JOIss2020 発表資料
 
アルゴリズムイントロダクション15章 動的計画法
アルゴリズムイントロダクション15章 動的計画法アルゴリズムイントロダクション15章 動的計画法
アルゴリズムイントロダクション15章 動的計画法
 
代数的実数とCADの実装紹介
代数的実数とCADの実装紹介代数的実数とCADの実装紹介
代数的実数とCADの実装紹介
 
20170327_レムニスケートにまつわる色々な計算
20170327_レムニスケートにまつわる色々な計算20170327_レムニスケートにまつわる色々な計算
20170327_レムニスケートにまつわる色々な計算
 
回帰
回帰回帰
回帰
 
分布 isseing333
分布 isseing333分布 isseing333
分布 isseing333
 
x^2+ny^2の形で表せる素数の法則と類体論
x^2+ny^2の形で表せる素数の法則と類体論x^2+ny^2の形で表せる素数の法則と類体論
x^2+ny^2の形で表せる素数の法則と類体論
 
統計概論 isseing333
統計概論 isseing333統計概論 isseing333
統計概論 isseing333
 
2016年度秋学期 応用数学(解析) 第6回 変数分離形の変形 (2016. 11. 10)
2016年度秋学期 応用数学(解析) 第6回 変数分離形の変形 (2016. 11. 10)2016年度秋学期 応用数学(解析) 第6回 変数分離形の変形 (2016. 11. 10)
2016年度秋学期 応用数学(解析) 第6回 変数分離形の変形 (2016. 11. 10)
 
第8回 配信講義 計算科学技術特論A(2021)
第8回 配信講義 計算科学技術特論A(2021)第8回 配信講義 計算科学技術特論A(2021)
第8回 配信講義 計算科学技術特論A(2021)
 
210603 yamamoto
210603 yamamoto210603 yamamoto
210603 yamamoto
 
量子アニーリングを用いたクラスタ分析
量子アニーリングを用いたクラスタ分析量子アニーリングを用いたクラスタ分析
量子アニーリングを用いたクラスタ分析
 
Computing for Isogeny Kernel Problem by Groebner Basis
Computing for Isogeny Kernel Problem by Groebner BasisComputing for Isogeny Kernel Problem by Groebner Basis
Computing for Isogeny Kernel Problem by Groebner Basis
 
PRML 6.1章 カーネル法と双対表現
PRML 6.1章 カーネル法と双対表現PRML 6.1章 カーネル法と双対表現
PRML 6.1章 カーネル法と双対表現
 
公開鍵暗号3: ナップザック暗号
公開鍵暗号3: ナップザック暗号公開鍵暗号3: ナップザック暗号
公開鍵暗号3: ナップザック暗号
 
半正定値計画問題と最大カット Sedemifinite Programming and Approximation Algorithm for Maxcu...
半正定値計画問題と最大カット Sedemifinite Programming and Approximation Algorithm for Maxcu...半正定値計画問題と最大カット Sedemifinite Programming and Approximation Algorithm for Maxcu...
半正定値計画問題と最大カット Sedemifinite Programming and Approximation Algorithm for Maxcu...
 
第9回スキル養成講座講義資料
第9回スキル養成講座講義資料第9回スキル養成講座講義資料
第9回スキル養成講座講義資料
 

More from Joe Suzuki

RとPythonを比較する
RとPythonを比較するRとPythonを比較する
RとPythonを比較するJoe Suzuki
 
R集会@統数研
R集会@統数研R集会@統数研
R集会@統数研Joe Suzuki
 
E-learning Development of Statistics and in Duex: Practical Approaches and Th...
E-learning Development of Statistics and in Duex: Practical Approaches and Th...E-learning Development of Statistics and in Duex: Practical Approaches and Th...
E-learning Development of Statistics and in Duex: Practical Approaches and Th...Joe Suzuki
 
分枝限定法でモデル選択の計算量を低減する
分枝限定法でモデル選択の計算量を低減する分枝限定法でモデル選択の計算量を低減する
分枝限定法でモデル選択の計算量を低減するJoe Suzuki
 
連続変量を含む条件付相互情報量の推定
連続変量を含む条件付相互情報量の推定連続変量を含む条件付相互情報量の推定
連続変量を含む条件付相互情報量の推定Joe Suzuki
 
E-learning Design and Development for Data Science in Osaka University
E-learning Design and Development for Data Science in Osaka UniversityE-learning Design and Development for Data Science in Osaka University
E-learning Design and Development for Data Science in Osaka UniversityJoe Suzuki
 
AMBN2017 サテライトワークショップ
AMBN2017 サテライトワークショップAMBN2017 サテライトワークショップ
AMBN2017 サテライトワークショップJoe Suzuki
 
CRAN Rパッケージ BNSLの概要
CRAN Rパッケージ BNSLの概要CRAN Rパッケージ BNSLの概要
CRAN Rパッケージ BNSLの概要Joe Suzuki
 
Forest Learning from Data
Forest Learning from DataForest Learning from Data
Forest Learning from DataJoe Suzuki
 
A Bayesian Approach to Data Compression
A Bayesian Approach to Data CompressionA Bayesian Approach to Data Compression
A Bayesian Approach to Data CompressionJoe Suzuki
 
A Conjecture on Strongly Consistent Learning
A Conjecture on Strongly Consistent LearningA Conjecture on Strongly Consistent Learning
A Conjecture on Strongly Consistent LearningJoe Suzuki
 
A Generalization of the Chow-Liu Algorithm and its Applications to Artificial...
A Generalization of the Chow-Liu Algorithm and its Applications to Artificial...A Generalization of the Chow-Liu Algorithm and its Applications to Artificial...
A Generalization of the Chow-Liu Algorithm and its Applications to Artificial...Joe Suzuki
 
A Generalization of Nonparametric Estimation and On-Line Prediction for Stati...
A Generalization of Nonparametric Estimation and On-Line Prediction for Stati...A Generalization of Nonparametric Estimation and On-Line Prediction for Stati...
A Generalization of Nonparametric Estimation and On-Line Prediction for Stati...Joe Suzuki
 
研究紹介(学生向け)
研究紹介(学生向け)研究紹介(学生向け)
研究紹介(学生向け)Joe Suzuki
 
Bayesian Criteria based on Universal Measures
Bayesian Criteria based on Universal MeasuresBayesian Criteria based on Universal Measures
Bayesian Criteria based on Universal MeasuresJoe Suzuki
 
MDL/Bayesian Criteria based on Universal Coding/Measure
MDL/Bayesian Criteria based on Universal Coding/MeasureMDL/Bayesian Criteria based on Universal Coding/Measure
MDL/Bayesian Criteria based on Universal Coding/MeasureJoe Suzuki
 
The Universal Measure for General Sources and its Application to MDL/Bayesian...
The Universal Measure for General Sources and its Application to MDL/Bayesian...The Universal Measure for General Sources and its Application to MDL/Bayesian...
The Universal Measure for General Sources and its Application to MDL/Bayesian...Joe Suzuki
 
Universal Prediction without assuming either Discrete or Continuous
Universal Prediction without assuming either Discrete or ContinuousUniversal Prediction without assuming either Discrete or Continuous
Universal Prediction without assuming either Discrete or ContinuousJoe Suzuki
 
Bayesian network structure estimation based on the Bayesian/MDL criteria when...
Bayesian network structure estimation based on the Bayesian/MDL criteria when...Bayesian network structure estimation based on the Bayesian/MDL criteria when...
Bayesian network structure estimation based on the Bayesian/MDL criteria when...Joe Suzuki
 

More from Joe Suzuki (20)

RとPythonを比較する
RとPythonを比較するRとPythonを比較する
RとPythonを比較する
 
R集会@統数研
R集会@統数研R集会@統数研
R集会@統数研
 
E-learning Development of Statistics and in Duex: Practical Approaches and Th...
E-learning Development of Statistics and in Duex: Practical Approaches and Th...E-learning Development of Statistics and in Duex: Practical Approaches and Th...
E-learning Development of Statistics and in Duex: Practical Approaches and Th...
 
分枝限定法でモデル選択の計算量を低減する
分枝限定法でモデル選択の計算量を低減する分枝限定法でモデル選択の計算量を低減する
分枝限定法でモデル選択の計算量を低減する
 
連続変量を含む条件付相互情報量の推定
連続変量を含む条件付相互情報量の推定連続変量を含む条件付相互情報量の推定
連続変量を含む条件付相互情報量の推定
 
E-learning Design and Development for Data Science in Osaka University
E-learning Design and Development for Data Science in Osaka UniversityE-learning Design and Development for Data Science in Osaka University
E-learning Design and Development for Data Science in Osaka University
 
UAI 2017
UAI 2017UAI 2017
UAI 2017
 
AMBN2017 サテライトワークショップ
AMBN2017 サテライトワークショップAMBN2017 サテライトワークショップ
AMBN2017 サテライトワークショップ
 
CRAN Rパッケージ BNSLの概要
CRAN Rパッケージ BNSLの概要CRAN Rパッケージ BNSLの概要
CRAN Rパッケージ BNSLの概要
 
Forest Learning from Data
Forest Learning from DataForest Learning from Data
Forest Learning from Data
 
A Bayesian Approach to Data Compression
A Bayesian Approach to Data CompressionA Bayesian Approach to Data Compression
A Bayesian Approach to Data Compression
 
A Conjecture on Strongly Consistent Learning
A Conjecture on Strongly Consistent LearningA Conjecture on Strongly Consistent Learning
A Conjecture on Strongly Consistent Learning
 
A Generalization of the Chow-Liu Algorithm and its Applications to Artificial...
A Generalization of the Chow-Liu Algorithm and its Applications to Artificial...A Generalization of the Chow-Liu Algorithm and its Applications to Artificial...
A Generalization of the Chow-Liu Algorithm and its Applications to Artificial...
 
A Generalization of Nonparametric Estimation and On-Line Prediction for Stati...
A Generalization of Nonparametric Estimation and On-Line Prediction for Stati...A Generalization of Nonparametric Estimation and On-Line Prediction for Stati...
A Generalization of Nonparametric Estimation and On-Line Prediction for Stati...
 
研究紹介(学生向け)
研究紹介(学生向け)研究紹介(学生向け)
研究紹介(学生向け)
 
Bayesian Criteria based on Universal Measures
Bayesian Criteria based on Universal MeasuresBayesian Criteria based on Universal Measures
Bayesian Criteria based on Universal Measures
 
MDL/Bayesian Criteria based on Universal Coding/Measure
MDL/Bayesian Criteria based on Universal Coding/MeasureMDL/Bayesian Criteria based on Universal Coding/Measure
MDL/Bayesian Criteria based on Universal Coding/Measure
 
The Universal Measure for General Sources and its Application to MDL/Bayesian...
The Universal Measure for General Sources and its Application to MDL/Bayesian...The Universal Measure for General Sources and its Application to MDL/Bayesian...
The Universal Measure for General Sources and its Application to MDL/Bayesian...
 
Universal Prediction without assuming either Discrete or Continuous
Universal Prediction without assuming either Discrete or ContinuousUniversal Prediction without assuming either Discrete or Continuous
Universal Prediction without assuming either Discrete or Continuous
 
Bayesian network structure estimation based on the Bayesian/MDL criteria when...
Bayesian network structure estimation based on the Bayesian/MDL criteria when...Bayesian network structure estimation based on the Bayesian/MDL criteria when...
Bayesian network structure estimation based on the Bayesian/MDL criteria when...
 

公開鍵暗号(4): 楕円曲線における離散対数問題

  • 1. 楕円曲線 実験数学 3 (大阪大学理学部数学科 3 年・4 年) 第 4 回: 楕円曲線における離散対数問題 鈴木 譲 大阪大学 2014 年 5 月 15 日 1 / 9 実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 4 回: 楕円曲線における離散対数問題
  • 2. 楕円曲線 楕円曲線 K: 体 a, b ∈ K (4a2 + 27b3 ̸= 0 ⇐⇒ x3 + ax + b = 0 が重解なし) E0(K) := {(x, y) ∈ K2 |y2 = x3 + ax + b} 例: K = Q, a = 1, b = 2 (4 · 23 + 27 · 22 ̸= 0) x = 1 =⇒ y = ±2 ∈ Q =⇒ (1, ±2) ∈ E0(Q) x = 0 =⇒ y = ± √ 2 ̸∈ Q =⇒ (0, ± √ 2) ̸∈ E0(Q) K = F11, a = 1, b = 6 (4 · 13 + 27 · 62 = 8 ̸= 0) x = 2 =⇒ y2 = 5 =⇒ (2, 4), (2, 7) ∈ E0(F11) x = 3 =⇒ y2 = 3 =⇒ (3, 5), (3, 6) ∈ E0(F11) x = 0, 1, 4, 6, 9 では、F11 で、y の値 (平方根) が存在しない 2 / 9 実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 4 回: 楕円曲線における離散対数問題
  • 3. 楕円曲線 P(xP, yP), Q(xQ, yQ) ∈ E0(K) の演算を以下で定義: . 1 xP ̸= xQ のとき、P, Q を結ぶ直線と y2 = x3 + ax + b との交点が R(xR , yR ) であれば、P + Q = (xR , −yR ) . 2 P = Q のとき、直線を接線と考えて、 P + Q = (xP+Q, yP+Q) = (xR , −yR ) を計算 . 3 xP = xQ, yP ̸= yQ(⇐⇒ xP = xQ, yP = −yQ) のとき (P = −Q とか く)、xP ∈ K によらず O ̸∈ E0(K) (無限遠点) 3 / 9 実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 4 回: 楕円曲線における離散対数問題
  • 4. 楕円曲線 xP, yP, xQ, yQ ∈ K =⇒ xP+Q, yP+Q ∈ K P ̸= ±Q のとき、 k = yQ − yP xQ − xP Y = yP + k(X − xP) (yP + k(X − xP))2 = X3 + aX + b X3 − k2 X2 + · · · = 0 xP + xQ + xR = k2 { xP+Q = xR = k2 − xP − xQ ∈ K yP+Q = −yR = −{k(xR − xP) + yP} ∈ K P = Q のとき、xP = xQ 2YY ′ = 3X2 + a , k = 3x2 P + a 2yP 2yP = 0 ⇐⇒ yP = −yP ⇐⇒ P = −Q 4 / 9 実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 4 回: 楕円曲線における離散対数問題
  • 5. 楕円曲線 例: K = F11, a = 1, b = 6 E0(K) = {(2, 4), (2, 7), (3, 5), (3, 6), (5, 2), (5, 9), (7, 2), (7, 9), (8, 3), (8, 8), (10, 2), (10, 9)} (2, 4) + (2, 7) = O (2, 4) + (3, 5) = (7, 2) (2, 4) + (2, 4) = (5, 9) 5 / 9 実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 4 回: 楕円曲線における離散対数問題
  • 6. 楕円曲線 E(K) := E0(K) ∪ {O} は可換群 O + O = O , P ∈ E0(K) =⇒ P + O = O + P = P (結合法則の証明は、計算が膨大のため省略) 6 / 9 実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 4 回: 楕円曲線における離散対数問題
  • 7. 楕円曲線 有限巡回群 < P >, P ∈ E(Fp) m ∈ N+ として、 [m]P := P + · · · + P m [0]P := O [−m]P := −(P + · · · + P m ) E(Fp) は一般には巡回群ではないが、有限群なので、各 P ∈ E(Fp) で [m]P = O なる m ∈ Z が存在 (正の最小の m が位数) 例: K = F11, a = 1, b = 6 [3](2, 4) = [2](2, 4) + (2, 4) = (5, 9) + (2, 4) = (8, 8) E(K) = E0(K) ∪ {O} が 13 個の元をもつので、巡回群 [13](2, 4) = O 7 / 9 実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 4 回: 楕円曲線における離散対数問題
  • 8. 楕円曲線 離散対数問題 β ∈< α >= G について、αx = β なる 1 ≤ x ≤ |G| を見出す . 1 G = F∗ p = {1, · · · , p − 1} (mod p での乗算) . 2 P ∈ E(Fp) として、G =< P > 楕円曲線の離散対数問題 . Index Calculus が適用できないため、計算量の多い方法を使わな いと、解読できないので安全 8 / 9 実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 4 回: 楕円曲線における離散対数問題
  • 9. 楕円曲線 参考: E(Fp) の群としての性質 E(Fp) は階数が 1 または 2 . . E(Fp) ∼= Z/mZ ⊕ Z/nZ n|m, n|p − 1 例: K = F11, a = 1, b = 6 は、巡回群 (階数 1)。 Hasse-Weil . . p + 1 − 2 √ p ≤ |E(Fp)| ≤ p + 1 + 2 √ p 例: K = F11, a = 1, b = 6 のとき、p = 11, |E(Fp)| = 13 < P > の位数を大きくするために、E(Fp) が巡回群となるような 楕円曲線を選ぶ < P > の位数を計算して、大きな素因数を含んでいることを確認。 9 / 9 実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 4 回: 楕円曲線における離散対数問題