fuzzy extractor 模糊提取器的代码解读和实现

Posted 2021-09-10 MrCharles

模糊提取器 的原理可以参看博客文章：https://blog.csdn.net/MrCharles/article/details/108734526

密码机制中的秘密值通常是随机串，要求是均匀分布，而且需要时可以 精确再生。而在现实世界中秘密值很难满足这一点，例如，对于类似指纹等的生物特征，并不是均匀分布的随机值，而且每次需要时，也无法精确的再现（指纹都存在一定误差）。用户进行认证最常见的方式是基于Password，短的Password用户容易记忆，但是熵值很低，安全性差；而一些长的密码短语，用户不容易记忆，而且也无法使用均匀分布的随机数。要跨越这种障碍，需要一种方法能将现实中的这些秘密值转换为真正密码系统需要的均匀分布的随机数。这篇介绍的模糊提取器可以达到这一点要求。

模糊提取器Fuzzy Extractor（FE），允许输入拥有一定的噪声（或者错误），只要输入相近能提取出相同的一个均匀的随机字符串，大体构造如下：

Gen过程：输入w，输出辅助数据P（公开）和均匀随机值R（l比特）。

Rep过程：给定P，输入w’，重新生成均匀随机值R 。

正确性：如果dis(w,w’)<=t，可以重构出精确的R；如果dis(w,w’)>t，对Rec的输出不提供任何保证

安全性：辅助数据P不会泄露R的太多信息；R的分布接