SlideShare a Scribd company logo
等分多項式 楕円曲線における座標環と有理関数体
実験数学 3
(大阪大学理学部数学科 3 年・4 年)
第 8 回: 有限体上の楕円曲線の位数計算
鈴木 譲
大阪大学
2013 年 6 月 27 日
1 / 7
実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 8 回: 有限体上の楕円曲線の位数計算
等分多項式 楕円曲線における座標環と有理関数体
n 等分点
E[n] := {P ∈ E|[n]P = O} (E の部分群)
[n] : E → E, P → [n]P
P ̸∈ E[n] のとき、(gn(P), hn(P)) := (x([n]P), y([n]P))
P ∈ E[n] のとき、(gn(P), hn(P)) := (∞, ∞)
< E[n] >:=
∑
P∈E[n] < P >
E[n] は、n2 個の要素をもち、div(ψn) =< E[n] > −n2 < O > で、
最高次の係数が n のものを ψn とおくと、
gn(P) = x(P) −
ψn+1(P)ψn−1(P)
ψn(P)2
hn(P) =
ψn+2(P)ψn−1(P)2 − ψn−2(P)ψn+1(P)2
4yψn(P)3
2 / 7
実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 8 回: 有限体上の楕円曲線の位数計算
等分多項式 楕円曲線における座標環と有理関数体
等分多項式
P ∈ E[n] ⇐⇒ ψn(P) = 0
ψ0 = 0
ψ1 = 1
ψ2(P) = 2y
ψ3(P) = 3x4
+ 6ax2
+ 12bx − a2
ψ4(P) = 4y(x6
+ 5ax4
+ 20bx3
− 5a2
x2
− 8b2
− a3
)
m > n > 0 のとき
ψ2
nψm+1ψm−1 − ψ2
mψn+1ψn−1 = ψm+nψm−n
3 / 7
実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 8 回: 有限体上の楕円曲線の位数計算
等分多項式 楕円曲線における座標環と有理関数体
Frobenius 写像
a, b ∈ Fp =⇒ ap = a, bp = b
(yp
)2
= (x3
+ ax + b)p
= (xp
)3
+ ap
xp
+ bp
= (xp
)3
+ a(xp
) + b
(x, y) ∈ E =⇒ (xp
, yp
) ∈ E
φ : E → E, P(x, y) → (xp, yp) (P ̸= O), O → O
(x, y) ∈ E[m] ⇐⇒ ψm(x, y) = 0 ⇐⇒ {ψm(x, y)}p
= 0
⇐⇒ ψm(xp
, yp
) = 0 ⇐⇒ (xp
, yp
) ∈ E[m]
φm : E[m] → E[m], P(x, y) → (xp, yp) (P ̸= O), O → O
4 / 7
実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 8 回: 有限体上の楕円曲線の位数計算
等分多項式 楕円曲線における座標環と有理関数体
Hasse 1931
t := p + 1 − |E(Fp)| として、
.
1 φ ◦ φ(P) − [t] ◦ φ(P) + [p]P = O, P ∈ E
(x, y) ∈ E{O} =⇒ (xp2
, yp2
) − [t](xp
, yp
) + [p](x, y) = O
.
2 |t| ≤ 2
√
p
5 / 7
実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 8 回: 有限体上の楕円曲線の位数計算
等分多項式 楕円曲線における座標環と有理関数体
Schoof の方法
(xp2
, yp2
) + [p](x, y) と (xp, yp) を計算して、(x, y) ∈ E{O} で
(xp2
, yp2
) + [p](x, y) = [t](xp
, yp
) (1)
なる −2
√
p ≤ t ≤ 2
√
p を見出すのではなく、
∏
m:prime,2≤m≤M
m > 4
√
p
なる M 以下の各素数 m について、(x, y) ∈ E[m]{O} で
(xp2
, yp2
)m + [pm](x, y) = [tm](xp
, yp
)m (2)
(u, v)m = (u mod ψm, v mod ψm), pm := p mod m, tm := t mod
m なる 0 ≤ tm ≤ m − 1 を求める。
6 / 7
実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 8 回: 有限体上の楕円曲線の位数計算
等分多項式 楕円曲線における座標環と有理関数体
イデアルと剰余環
I が可換環 R のイデアル
.
.
.
I が R の (+ に関する) 部分群で、a ∈ I, r ∈ R =⇒ ar ∈ I,
例: I = {(x2 + x + 1)f |f ∈ K[x]} は、K[x] のイデアルをなす。
I が R の単項イデアル
.
.
I = aR なる a ∈ R が存在
Z, K[x] のイデアルは、単項イデアルである (単項イデアル整域)。
M = R/I が可換環 R のイデアル I による剰余環
a, b ∈ R で a − b ∈ I のとき、M の元として a = b
I = a1R + a2R + · · · を、I = (a1, a2, · · · ) と書くと、
剰余環 K[E] := K[x, y]/I で、
(1) は、I = (y2
− x3
− ax − b)
(2) は、I = (y2
− x3
− ax − b, ψm(x, y))
7 / 7
実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 8 回: 有限体上の楕円曲線の位数計算
公開鍵暗号8: 有限体上の楕円曲線の位数計算

More Related Content

What's hot

素数の分解法則(フロベニウスやばい) #math_cafe
素数の分解法則(フロベニウスやばい) #math_cafe 素数の分解法則(フロベニウスやばい) #math_cafe
素数の分解法則(フロベニウスやばい) #math_cafe
Junpei Tsuji
 
BLS署名の実装とその応用
BLS署名の実装とその応用BLS署名の実装とその応用
BLS署名の実装とその応用
MITSUNARI Shigeo
 
範囲証明つき準同型暗号とその対話的プロトコル
範囲証明つき準同型暗号とその対話的プロトコル範囲証明つき準同型暗号とその対話的プロトコル
範囲証明つき準同型暗号とその対話的プロトコル
MITSUNARI Shigeo
 
楕円曲線と暗号
楕円曲線と暗号楕円曲線と暗号
楕円曲線と暗号
MITSUNARI Shigeo
 
暗号技術の実装と数学
暗号技術の実装と数学暗号技術の実装と数学
暗号技術の実装と数学
MITSUNARI Shigeo
 
暗認本読書会12
暗認本読書会12暗認本読書会12
暗認本読書会12
MITSUNARI Shigeo
 
秘密分散法の数理
秘密分散法の数理秘密分散法の数理
秘密分散法の数理
Akito Tabira
 
RSA暗号運用でやってはいけない n のこと #ssmjp
RSA暗号運用でやってはいけない n のこと #ssmjpRSA暗号運用でやってはいけない n のこと #ssmjp
RSA暗号運用でやってはいけない n のこと #ssmjp
sonickun
 
汎用性と高速性を目指したペアリング暗号ライブラリ mcl
汎用性と高速性を目指したペアリング暗号ライブラリ mcl汎用性と高速性を目指したペアリング暗号ライブラリ mcl
汎用性と高速性を目指したペアリング暗号ライブラリ mcl
MITSUNARI Shigeo
 
集約署名
集約署名集約署名
集約署名
MITSUNARI Shigeo
 
最近傍探索と直積量子化(Nearest neighbor search and Product Quantization)
最近傍探索と直積量子化(Nearest neighbor search and Product Quantization)最近傍探索と直積量子化(Nearest neighbor search and Product Quantization)
最近傍探索と直積量子化(Nearest neighbor search and Product Quantization)
Nguyen Tuan
 
SSII2021 [TS2] 深層強化学習 〜 強化学習の基礎から応用まで 〜
SSII2021 [TS2] 深層強化学習 〜 強化学習の基礎から応用まで 〜SSII2021 [TS2] 深層強化学習 〜 強化学習の基礎から応用まで 〜
SSII2021 [TS2] 深層強化学習 〜 強化学習の基礎から応用まで 〜
SSII
 
ElGamal型暗号文に対する任意関数演算・再暗号化の二者間秘密計算プロトコルとその応用
ElGamal型暗号文に対する任意関数演算・再暗号化の二者間秘密計算プロトコルとその応用ElGamal型暗号文に対する任意関数演算・再暗号化の二者間秘密計算プロトコルとその応用
ElGamal型暗号文に対する任意関数演算・再暗号化の二者間秘密計算プロトコルとその応用
MITSUNARI Shigeo
 
高速な暗号実装のためにしてきたこと
高速な暗号実装のためにしてきたこと高速な暗号実装のためにしてきたこと
高速な暗号実装のためにしてきたこと
MITSUNARI Shigeo
 
公開鍵暗号6: 楕円曲線における離散対数問題
公開鍵暗号6: 楕円曲線における離散対数問題公開鍵暗号6: 楕円曲線における離散対数問題
公開鍵暗号6: 楕円曲線における離散対数問題Joe Suzuki
 
Bitcoinを技術的に理解する
Bitcoinを技術的に理解するBitcoinを技術的に理解する
Bitcoinを技術的に理解する
Kenji Urushima
 
オセロの終盤ソルバーを100倍以上高速化した話
オセロの終盤ソルバーを100倍以上高速化した話オセロの終盤ソルバーを100倍以上高速化した話
オセロの終盤ソルバーを100倍以上高速化した話
京大 マイコンクラブ
 
はじめてのパターン認識 第5章 k最近傍法(k_nn法)
はじめてのパターン認識 第5章 k最近傍法(k_nn法)はじめてのパターン認識 第5章 k最近傍法(k_nn法)
はじめてのパターン認識 第5章 k最近傍法(k_nn法)Motoya Wakiyama
 
技術勉強会(楕円曲線暗号)資料
技術勉強会(楕円曲線暗号)資料技術勉強会(楕円曲線暗号)資料
技術勉強会(楕円曲線暗号)資料
Tetsuyuki Oishi
 

What's hot (20)

素数の分解法則(フロベニウスやばい) #math_cafe
素数の分解法則(フロベニウスやばい) #math_cafe 素数の分解法則(フロベニウスやばい) #math_cafe
素数の分解法則(フロベニウスやばい) #math_cafe
 
BLS署名の実装とその応用
BLS署名の実装とその応用BLS署名の実装とその応用
BLS署名の実装とその応用
 
範囲証明つき準同型暗号とその対話的プロトコル
範囲証明つき準同型暗号とその対話的プロトコル範囲証明つき準同型暗号とその対話的プロトコル
範囲証明つき準同型暗号とその対話的プロトコル
 
楕円曲線と暗号
楕円曲線と暗号楕円曲線と暗号
楕円曲線と暗号
 
暗号技術の実装と数学
暗号技術の実装と数学暗号技術の実装と数学
暗号技術の実装と数学
 
暗認本読書会12
暗認本読書会12暗認本読書会12
暗認本読書会12
 
秘密分散法の数理
秘密分散法の数理秘密分散法の数理
秘密分散法の数理
 
RSA暗号運用でやってはいけない n のこと #ssmjp
RSA暗号運用でやってはいけない n のこと #ssmjpRSA暗号運用でやってはいけない n のこと #ssmjp
RSA暗号運用でやってはいけない n のこと #ssmjp
 
汎用性と高速性を目指したペアリング暗号ライブラリ mcl
汎用性と高速性を目指したペアリング暗号ライブラリ mcl汎用性と高速性を目指したペアリング暗号ライブラリ mcl
汎用性と高速性を目指したペアリング暗号ライブラリ mcl
 
集約署名
集約署名集約署名
集約署名
 
最近傍探索と直積量子化(Nearest neighbor search and Product Quantization)
最近傍探索と直積量子化(Nearest neighbor search and Product Quantization)最近傍探索と直積量子化(Nearest neighbor search and Product Quantization)
最近傍探索と直積量子化(Nearest neighbor search and Product Quantization)
 
SSII2021 [TS2] 深層強化学習 〜 強化学習の基礎から応用まで 〜
SSII2021 [TS2] 深層強化学習 〜 強化学習の基礎から応用まで 〜SSII2021 [TS2] 深層強化学習 〜 強化学習の基礎から応用まで 〜
SSII2021 [TS2] 深層強化学習 〜 強化学習の基礎から応用まで 〜
 
ElGamal型暗号文に対する任意関数演算・再暗号化の二者間秘密計算プロトコルとその応用
ElGamal型暗号文に対する任意関数演算・再暗号化の二者間秘密計算プロトコルとその応用ElGamal型暗号文に対する任意関数演算・再暗号化の二者間秘密計算プロトコルとその応用
ElGamal型暗号文に対する任意関数演算・再暗号化の二者間秘密計算プロトコルとその応用
 
高速な暗号実装のためにしてきたこと
高速な暗号実装のためにしてきたこと高速な暗号実装のためにしてきたこと
高速な暗号実装のためにしてきたこと
 
公開鍵暗号6: 楕円曲線における離散対数問題
公開鍵暗号6: 楕円曲線における離散対数問題公開鍵暗号6: 楕円曲線における離散対数問題
公開鍵暗号6: 楕円曲線における離散対数問題
 
Bitcoinを技術的に理解する
Bitcoinを技術的に理解するBitcoinを技術的に理解する
Bitcoinを技術的に理解する
 
オセロの終盤ソルバーを100倍以上高速化した話
オセロの終盤ソルバーを100倍以上高速化した話オセロの終盤ソルバーを100倍以上高速化した話
オセロの終盤ソルバーを100倍以上高速化した話
 
はじめてのパターン認識 第5章 k最近傍法(k_nn法)
はじめてのパターン認識 第5章 k最近傍法(k_nn法)はじめてのパターン認識 第5章 k最近傍法(k_nn法)
はじめてのパターン認識 第5章 k最近傍法(k_nn法)
 
技術勉強会(楕円曲線暗号)資料
技術勉強会(楕円曲線暗号)資料技術勉強会(楕円曲線暗号)資料
技術勉強会(楕円曲線暗号)資料
 
Chokudai search
Chokudai searchChokudai search
Chokudai search
 

Similar to 公開鍵暗号8: 有限体上の楕円曲線の位数計算

公開鍵暗号7: 楕円曲線の数理
公開鍵暗号7: 楕円曲線の数理公開鍵暗号7: 楕円曲線の数理
公開鍵暗号7: 楕円曲線の数理Joe Suzuki
 
公開鍵暗号(4): 楕円曲線における離散対数問題
公開鍵暗号(4): 楕円曲線における離散対数問題公開鍵暗号(4): 楕円曲線における離散対数問題
公開鍵暗号(4): 楕円曲線における離散対数問題
Joe Suzuki
 
公開鍵暗号4: 有限体
公開鍵暗号4: 有限体公開鍵暗号4: 有限体
公開鍵暗号4: 有限体Joe Suzuki
 
公開鍵暗号(2): 有限体
公開鍵暗号(2): 有限体公開鍵暗号(2): 有限体
公開鍵暗号(2): 有限体
Joe Suzuki
 
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
 
公開鍵暗号5: 離散対数問題
公開鍵暗号5: 離散対数問題公開鍵暗号5: 離散対数問題
公開鍵暗号5: 離散対数問題Joe Suzuki
 
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
Yasu Math
 
公開鍵暗号(3): 離散対数問題
公開鍵暗号(3): 離散対数問題公開鍵暗号(3): 離散対数問題
公開鍵暗号(3): 離散対数問題
Joe Suzuki
 
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
 
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
 
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
 
Estimating Mutual Information for Discrete‐Continuous Mixtures 離散・連続混合の相互情報量の推定
Estimating Mutual Information for Discrete‐Continuous Mixtures 離散・連続混合の相互情報量の推定Estimating Mutual Information for Discrete‐Continuous Mixtures 離散・連続混合の相互情報量の推定
Estimating Mutual Information for Discrete‐Continuous Mixtures 離散・連続混合の相互情報量の推定
Yuya Takashina
 
070 統計的推測 母集団と推定
070 統計的推測 母集団と推定070 統計的推測 母集団と推定
070 統計的推測 母集団と推定t2tarumi
 
機械学習モデルの列挙
機械学習モデルの列挙機械学習モデルの列挙
機械学習モデルの列挙
Satoshi Hara
 
場の量子論
場の量子論場の量子論
場の量子論
M M
 
ベイズ推論による機械学習入門 第4章
ベイズ推論による機械学習入門 第4章ベイズ推論による機械学習入門 第4章
ベイズ推論による機械学習入門 第4章
YosukeAkasaka
 
複素数・四元数と図形の回転
複素数・四元数と図形の回転複素数・四元数と図形の回転
複素数・四元数と図形の回転
Yoshihiro Mizoguchi
 
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
 
続・わかりやすいパターン認識第5章
続・わかりやすいパターン認識第5章続・わかりやすいパターン認識第5章
続・わかりやすいパターン認識第5章
Roy Ray
 
SIRM(Subset Infinite Relational Models)の式導出の解説
SIRM(Subset Infinite Relational Models)の式導出の解説SIRM(Subset Infinite Relational Models)の式導出の解説
SIRM(Subset Infinite Relational Models)の式導出の解説Tomonari Masada
 

Similar to 公開鍵暗号8: 有限体上の楕円曲線の位数計算 (20)

公開鍵暗号7: 楕円曲線の数理
公開鍵暗号7: 楕円曲線の数理公開鍵暗号7: 楕円曲線の数理
公開鍵暗号7: 楕円曲線の数理
 
公開鍵暗号(4): 楕円曲線における離散対数問題
公開鍵暗号(4): 楕円曲線における離散対数問題公開鍵暗号(4): 楕円曲線における離散対数問題
公開鍵暗号(4): 楕円曲線における離散対数問題
 
公開鍵暗号4: 有限体
公開鍵暗号4: 有限体公開鍵暗号4: 有限体
公開鍵暗号4: 有限体
 
公開鍵暗号(2): 有限体
公開鍵暗号(2): 有限体公開鍵暗号(2): 有限体
公開鍵暗号(2): 有限体
 
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
 
公開鍵暗号5: 離散対数問題
公開鍵暗号5: 離散対数問題公開鍵暗号5: 離散対数問題
公開鍵暗号5: 離散対数問題
 
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
 
公開鍵暗号(3): 離散対数問題
公開鍵暗号(3): 離散対数問題公開鍵暗号(3): 離散対数問題
公開鍵暗号(3): 離散対数問題
 
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)
 
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)
 
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
 
Estimating Mutual Information for Discrete‐Continuous Mixtures 離散・連続混合の相互情報量の推定
Estimating Mutual Information for Discrete‐Continuous Mixtures 離散・連続混合の相互情報量の推定Estimating Mutual Information for Discrete‐Continuous Mixtures 離散・連続混合の相互情報量の推定
Estimating Mutual Information for Discrete‐Continuous Mixtures 離散・連続混合の相互情報量の推定
 
070 統計的推測 母集団と推定
070 統計的推測 母集団と推定070 統計的推測 母集団と推定
070 統計的推測 母集団と推定
 
機械学習モデルの列挙
機械学習モデルの列挙機械学習モデルの列挙
機械学習モデルの列挙
 
場の量子論
場の量子論場の量子論
場の量子論
 
ベイズ推論による機械学習入門 第4章
ベイズ推論による機械学習入門 第4章ベイズ推論による機械学習入門 第4章
ベイズ推論による機械学習入門 第4章
 
複素数・四元数と図形の回転
複素数・四元数と図形の回転複素数・四元数と図形の回転
複素数・四元数と図形の回転
 
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)
 
続・わかりやすいパターン認識第5章
続・わかりやすいパターン認識第5章続・わかりやすいパターン認識第5章
続・わかりやすいパターン認識第5章
 
SIRM(Subset Infinite Relational Models)の式導出の解説
SIRM(Subset Infinite Relational Models)の式導出の解説SIRM(Subset Infinite Relational Models)の式導出の解説
SIRM(Subset Infinite Relational Models)の式導出の解説
 

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 University
Joe Suzuki
 
UAI 2017
UAI 2017UAI 2017
UAI 2017
Joe 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 Data
Joe Suzuki
 
A Bayesian Approach to Data Compression
A Bayesian Approach to Data CompressionA Bayesian Approach to Data Compression
A Bayesian Approach to Data Compression
Joe Suzuki
 
A Conjecture on Strongly Consistent Learning
A Conjecture on Strongly Consistent LearningA Conjecture on Strongly Consistent Learning
A Conjecture on Strongly Consistent Learning
Joe 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 Measures
Joe 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/Measure
Joe 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 Continuous
Joe 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8: 有限体上の楕円曲線の位数計算

  • 1. 等分多項式 楕円曲線における座標環と有理関数体 実験数学 3 (大阪大学理学部数学科 3 年・4 年) 第 8 回: 有限体上の楕円曲線の位数計算 鈴木 譲 大阪大学 2013 年 6 月 27 日 1 / 7 実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 8 回: 有限体上の楕円曲線の位数計算
  • 2. 等分多項式 楕円曲線における座標環と有理関数体 n 等分点 E[n] := {P ∈ E|[n]P = O} (E の部分群) [n] : E → E, P → [n]P P ̸∈ E[n] のとき、(gn(P), hn(P)) := (x([n]P), y([n]P)) P ∈ E[n] のとき、(gn(P), hn(P)) := (∞, ∞) < E[n] >:= ∑ P∈E[n] < P > E[n] は、n2 個の要素をもち、div(ψn) =< E[n] > −n2 < O > で、 最高次の係数が n のものを ψn とおくと、 gn(P) = x(P) − ψn+1(P)ψn−1(P) ψn(P)2 hn(P) = ψn+2(P)ψn−1(P)2 − ψn−2(P)ψn+1(P)2 4yψn(P)3 2 / 7 実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 8 回: 有限体上の楕円曲線の位数計算
  • 3. 等分多項式 楕円曲線における座標環と有理関数体 等分多項式 P ∈ E[n] ⇐⇒ ψn(P) = 0 ψ0 = 0 ψ1 = 1 ψ2(P) = 2y ψ3(P) = 3x4 + 6ax2 + 12bx − a2 ψ4(P) = 4y(x6 + 5ax4 + 20bx3 − 5a2 x2 − 8b2 − a3 ) m > n > 0 のとき ψ2 nψm+1ψm−1 − ψ2 mψn+1ψn−1 = ψm+nψm−n 3 / 7 実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 8 回: 有限体上の楕円曲線の位数計算
  • 4. 等分多項式 楕円曲線における座標環と有理関数体 Frobenius 写像 a, b ∈ Fp =⇒ ap = a, bp = b (yp )2 = (x3 + ax + b)p = (xp )3 + ap xp + bp = (xp )3 + a(xp ) + b (x, y) ∈ E =⇒ (xp , yp ) ∈ E φ : E → E, P(x, y) → (xp, yp) (P ̸= O), O → O (x, y) ∈ E[m] ⇐⇒ ψm(x, y) = 0 ⇐⇒ {ψm(x, y)}p = 0 ⇐⇒ ψm(xp , yp ) = 0 ⇐⇒ (xp , yp ) ∈ E[m] φm : E[m] → E[m], P(x, y) → (xp, yp) (P ̸= O), O → O 4 / 7 実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 8 回: 有限体上の楕円曲線の位数計算
  • 5. 等分多項式 楕円曲線における座標環と有理関数体 Hasse 1931 t := p + 1 − |E(Fp)| として、 . 1 φ ◦ φ(P) − [t] ◦ φ(P) + [p]P = O, P ∈ E (x, y) ∈ E{O} =⇒ (xp2 , yp2 ) − [t](xp , yp ) + [p](x, y) = O . 2 |t| ≤ 2 √ p 5 / 7 実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 8 回: 有限体上の楕円曲線の位数計算
  • 6. 等分多項式 楕円曲線における座標環と有理関数体 Schoof の方法 (xp2 , yp2 ) + [p](x, y) と (xp, yp) を計算して、(x, y) ∈ E{O} で (xp2 , yp2 ) + [p](x, y) = [t](xp , yp ) (1) なる −2 √ p ≤ t ≤ 2 √ p を見出すのではなく、 ∏ m:prime,2≤m≤M m > 4 √ p なる M 以下の各素数 m について、(x, y) ∈ E[m]{O} で (xp2 , yp2 )m + [pm](x, y) = [tm](xp , yp )m (2) (u, v)m = (u mod ψm, v mod ψm), pm := p mod m, tm := t mod m なる 0 ≤ tm ≤ m − 1 を求める。 6 / 7 実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 8 回: 有限体上の楕円曲線の位数計算
  • 7. 等分多項式 楕円曲線における座標環と有理関数体 イデアルと剰余環 I が可換環 R のイデアル . . . I が R の (+ に関する) 部分群で、a ∈ I, r ∈ R =⇒ ar ∈ I, 例: I = {(x2 + x + 1)f |f ∈ K[x]} は、K[x] のイデアルをなす。 I が R の単項イデアル . . I = aR なる a ∈ R が存在 Z, K[x] のイデアルは、単項イデアルである (単項イデアル整域)。 M = R/I が可換環 R のイデアル I による剰余環 a, b ∈ R で a − b ∈ I のとき、M の元として a = b I = a1R + a2R + · · · を、I = (a1, a2, · · · ) と書くと、 剰余環 K[E] := K[x, y]/I で、 (1) は、I = (y2 − x3 − ax − b) (2) は、I = (y2 − x3 − ax − b, ψm(x, y)) 7 / 7 実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 8 回: 有限体上の楕円曲線の位数計算