提升NTRU算法效率：基于动态模型的优化方法

"基于动态模型的NTRU算法.pdf" 这篇论文关注的是提高NTRU算法的执行效率。NTRU（NTRUEncrypt）是一种公钥加密系统，它基于数论中的环上硬问题，相比于其他如RSA或ECC等加密算法，其具有更快的加密和解密速度。论文提出了一个新的方法，通过分析NTRU算法中多项式系数的分布特性，特别是寻找多项式系数可能重复出现的模式，如"11"和"101"等。 在NTRU算法中，多项式乘法是核心计算步骤，通常涉及到卷积操作。论文指出，多项式系数可能存在重复的模型，这些模型在卷积计算时可以被多次利用。为了利用这一特性，研究者采用了贪心算法，该算法能有效地找到能够重复使用最多次数的模型。贪心算法是一种在每一步选择中都采取在当前状态下最好或最优（即最有利）的选择，从而希望导致结果是全局最好或最优的算法。 通过贪心算法找出的模型可以过滤掉多项式系数对模型的干扰，使得在多项式中发现的模型数达到最大。这样，重复使用这些模型对应的卷积值，可以显著减少实际计算量，从而提升NTRU算法的密钥生成、加密和解密的速度。这种方法对于优化NTRU算法的性能，尤其是在资源受限的环境下，如嵌入式设备或物联网设备中，具有重要的实际应用价值。 论文的作者们进行了深入的研究，包括对NTRU算法的基础理论分析，以及对优化策略的实验验证。他们来自不同的研究机构，包括淮阴工学院计算机工程系和南京邮电大学计算机学院，表明了多学科合作在密码学研究中的重要性。 总结来说，这篇论文提供了一种创新的优化NTRU算法的方法，通过动态模型的识别和利用，提高了算法的运行效率，这对于密码学领域尤其是公开密钥体系的研究具有重要意义。关键词包括公开密钥体系、样本、NTRU加密和卷积，这四个关键词反映了研究的核心内容和领域。