Multi-Scalar Multiplication算法优化

avatar
Sin7y
2年前
本文约325字,阅读全文需要约1分钟
本文详细介绍了一些针对MSM算法的优化方法。

Multi-Scalar Multiplication算法优化

1、基于窗口方法的优化

Multi-Scalar Multiplication算法优化

Multi-Scalar Multiplication算法优化

Multi-Scalar Multiplication算法优化

2、基于群自同态的优化

对于有限域 Fp 上的椭圆曲线 y² = x³ + ax + b 上的循环群 G,如果能找到这样的群自同态 φ:存在 α, β ∈ Fp,使得 φ(x, y) = (αx, βy) 对 G 上的所有点成立。容易证明这样的自同态是一个乘法映射,即能找到一个 λ 使得 φ(P) = λP 对所有 G 上的点 P 成立,这意味着当我们知道了一个点的坐标后,只需对横纵坐标乘上一个 Fp 中的数就能变成另一个点的坐标,这个重要的性质可以对算法进行进一步的优化。

Multi-Scalar Multiplication算法优化

Multi-Scalar Multiplication算法优化

参考文献

[1] Francesco Sica, Mathieu Ciet, and Jean-Jacques Quisquater. Analysis of the gallant-lambert-vanstone method based on efficient endomorphisms: Elliptic and hyperelliptic curves. In International Workshop on Selected Areas in Cryptography, pages 21–36. Springer, 2002.

关于我们

Sin7y成立于2021年,由顶尖的区块链开发者组成。我们既是项目孵化器也是区块链技术研究团队,探索EVM、Layer2跨链隐私计算、自主支付解决方案等最重要和最前沿的技术。

微信公众号:Sin7Y

GitHub | Twitter | Telegram | MediumMirror | HackMD | HackerNoon

本文来自投稿,不代表Odaily立场。如若转载请注明出处。

ODAILY提醒,请广大读者树立正确的货币观念和投资理念,理性看待区块链,切实提高风险意识;对发现的违法犯罪线索,可积极向有关部门举报反映。

推荐阅读
星球精选