格密码学是密码学的一个分支,利用涉及高维空间中离散点集的计算问题来构建安全机制。其主要应用包括公钥加密、密钥建立、数字签名和加密数据上的计算。与基于整数分解或离散对数的系统不同,对于格密码学中的主流构造,目前尚无已知的高效攻击方法,无论使用经典计算机还是量子计算机都是如此。因此,格方法成为后量子密码学的重要组成部分。
这一领域将几何问题与支持高效计算的代数表示相结合。其安全性基础包括将某些随机生成的密码学问题与最坏情况下的困难格问题联系起来的归约。这类归约提供了重要的理论依据,但并不能证明所有格密码构造都是安全的,也不能证明实际采用的参数能够抵御所有攻击。安全性还取决于具体采用的假设、所用的分布、密码学变换以及实现方式。
格密码学从数学算法和理论构造逐步发展为面向通用部署的标准化系统。2024 年 8 月,美国国家标准与技术研究院(NIST)发布了基于格的密钥封装机制 ML-KEM 和签名方案 ML-DSA 的标准。除这些可直接部署的应用外,格技术也是现代全同态加密中许多方案以及多种高级密码学访问控制机制的基础。
格与计算几何
格是一组线性无关向量的所有整数线性组合所构成的集合。若实矩阵 的各列为基向量 ,则它们生成的格为
数值 称为格的秩;这些向量所在的环境空间,其维数可以大于或等于 。密码学中使用的格,其秩通常为数百乃至数千。二维格可以直观地看作规则排列的点阵,但在满足安全要求的高维空间中,视觉直觉就不再可靠。
一个格可以有许多不同的基。如果 是行列式为 或 的整数矩阵,那么 与 生成的格完全相同。一组基可能由较短且近乎相互垂直的向量组成,另一组基却可能包含方向几乎相同的长向量。这种差异说明,知道一组基并不意味着几何问题就会变得容易求解。有些密码构造刻意利用公开描述与秘密信息之间的差异,后者能够实现高效的解码或采样。
对于 中的满秩格,行列式的绝对值 是一个基本平行多面体的体积。它衡量的是格点之间的平均疏密程度,而非某个特定向量的长度。另一个重要的量是第一逐次极小值:
这里必须明确采用哪种范数:理论论述通常使用欧几里得范数,而密码算法也可能对各个坐标分别施加界限。改变范数,既可能改变参数的含义,也可能改变归约的具体细节。
一类重要的格是通过模线性方程定义的 元格。对于模 下的整数矩阵 ,其中一个例子是
这将格的几何性质与有限环上的线性代数联系起来。公开矩阵可以用紧凑的形式表示,检验一个向量是否满足相应的模关系也很直接;但即便如此,寻找一个足够短的非零向量仍被认为是困难的。
这里的“格”并非格论意义上的一种有序集。格密码系统的安全性也并非仅仅来自将数据排列成网格。其关键要素是高维空间、精心选择的分布、长度约束,以及从公开信息中恢复特殊短向量或隐藏的邻近点这一任务所呈现出的困难性。
困难问题与安全性归约
两个核心的几何问题是最短向量问题和最近向量问题。最短向量问题(SVP)要求在由一组基给定的格中,找到一个最短的非零向量。最近向量问题(CVP)则要求找到距离给定目标最近的格点。密码学中的论证往往涉及这些问题的近似版本或承诺版本,而非求精确解。求解 -近似 SVP 的算法可以输出一个长度不超过 的非零向量,其中近似因子 可以随维数变化。
还有一些问题形式与密码学尤为相关。有界距离解码要求在承诺目标位于足够小的解码半径内的前提下,找到目标附近的格点。GapSVP 要求算法区分两类实例:它们的最短向量长度分别位于某个给定乘法间隙的两侧。问题的具体形式至关重要:某个变体的困难性,并不能自动确立所有被称为“基于格”的系统的具体安全性。
格密码学一项独具特色的理论贡献,是从最坏情况到平均情况的归约。密码学要求通常生成的密钥和挑战实例都难以破解,而最坏情况困难性结论仅说明某些实例很难。适当的归约可以弥合这一差距:如果某个算法能够高效求解服从指定分布的平均情况实例,就可以利用它构造出求解某些最坏情况格问题的算法。米克洛什·阿伊陶伊在 1996 年的工作中确立了这类基础性联系,使格密码学有别于此前主要依靠抵御已知攻击来支撑安全性的方案。
理解这些归约时,必须完整考虑其适用条件。它们可能对维数、模数、噪声大小、近似因子或代数族有特定要求。其中一些是量子归约,即归约所构造的假想最坏情况求解算法会使用量子计算。另一些则是经典归约,有时适用条件也有所不同。结构化格假设通常与相应结构化格族中的最坏情况问题建立联系,并不会自动关联到任意格上的问题。
精确格问题的计算复杂性提供了有用的背景,但有关NP难性的结论并不是直接的安全保障。实际密码系统通常依赖近似问题、平均情况问题或具有特殊结构的问题。即使证明某个精确问题在特定归约下是困难的,也不能据此确定攻击已部署参数集所需的具体工作量。
同样,渐近归约本身并不能直接导出“128 位安全性”这样的结论。具体安全性估计需要综合理论分析、当前已知的最佳算法、估算的资源需求,以及对未来算法改进的假设。证明阐明了哪些数学和密码学结论为方案提供支撑;密码分析则评估在方案的实际参数下,已知攻击策略需要付出多少代价。
带误差学习与短整数解
带误差学习问题通常缩写为 LWE,由奥德·雷格夫于 2005 年提出。其基本形式是一组带噪声的模线性方程。设 为模数, 为秘密向量, 为公开矩阵,其元素从模 的剩余类中均匀采样。一组样本可写为
其中, 是由小误差组成的向量。搜索型 LWE 要求求出秘密向量;判定型 LWE 则要求攻击者将这类样本与均匀随机数据区分开来。
如果没有误差项,只要有足够多的独立方程,通常就能通过线性代数方法求出秘密向量。噪声使这种直接方法难以奏效,但噪声仍须受到控制:加密方案需要让合法接收者能够消除或容忍噪声。隐藏信息与保持可解码性之间的这种矛盾,是基于 LWE 的方案设计的核心。安全性取决于维数、模数、误差分布、秘密向量的分布以及可用样本的数量,而非仅由维数决定。
“学习”一词指的是从带噪声的样本中恢复隐藏的线性函数。尽管它与学习理论有所关联,密码学中的 LWE 并不是现代机器学习所用的训练过程。其目标通常是阻止计算上可行的恢复或区分,而非生成预测模型。理论研究通常采用类似高斯分布的误差;实际系统则可能采用其他经过仔细分析的小值分布。
短整数解问题,简称 SIS,具有一种与之互补的形式。给定均匀采样得到的矩阵 ,任务是找到一个非零整数向量 ,使其满足
界限 至关重要。如果不对向量的长度施加有意义的限制,寻找模意义下的线性相关关系就很容易。参数还必须保证足够短的解确实存在,同时在适用时排除平凡解,例如将坐标单位向量乘以 得到的向量。
SIS 很自然地可用于构造抗碰撞散列,并为签名方案提供安全性论证。例如,考虑一个将长度受到适当限制的短向量 映射到 的映射。如果两个不同的合法输入发生碰撞,它们的差就是模核中的一个非零短向量。因此,寻找碰撞的算法可以给出一个 SIS 解。SHA-3 等实际使用的密码散列函数采用了不同的构造,但这个例子说明了格上的困难性假设如何支撑某种密码学性质。
LWE 和 SIS 构成了这一领域许多研究的基础,但二者并不是可以互换的假设。LWE 在加密和密钥建立中尤为突出;SIS 及相关的短关系问题则在签名和承诺中占有重要地位。许多高级协议会结合二者的变体,并通过不同的归约来支撑不同的安全性质。
环与模结构
不具备特定结构的公钥矩阵可能非常庞大。减少存储需求并加快运算的一种常见方法,是将向量编码为多项式,并用具有代数结构的矩阵替代任意矩阵。在环上带误差学习(Ring-LWE)中,运算在多项式环内进行;实际应用中,通常用如下形式的商环来表示:
其中 和 需适当选取。一个环元素表示 个系数。乘以该元素,就相当于对系数向量施加一个具有特定结构的线性变换。
这种表示方式能显著压缩数据。一般的 矩阵需要 个元素,而一个多项式所定义的乘法运算只需用 个系数即可描述。多项式乘积也能高效计算。因此,这种结构化运算并非只是对同一份公开数据换一种记法:它改变了数据的表示方式、实现方法以及所采用的数学假设。
模上带误差学习(Module-LWE)介于普通 LWE 与秩为一的环构造之间。秘密值和误差都是由环元素组成的向量,而公开数据则包含环上的矩阵。当环的次数为 、模的秩为 时,秘密值的系数表示包含 个分量,但仅凭这一维数并不能完整刻画安全性。代数结构和所有分布参数仍然至关重要。
模的秩是一个实用的设计参数。方案可以保留固定的多项式运算引擎,同时通过改变多项式分量的数量,获得不同的安全性与性能配置。ML-KEM 和 ML-DSA 都采用基于模的构造,但二者的数学任务、模数、编码方式和安全性论证各不相同。使用相同的结构术语,并不意味着其内部对象可以互换。
高效乘法通常采用数论变换(NTT),它是离散傅里叶变换在模运算中的对应形式。当模数和多项式支持所需的单位根或相关因式分解时,该变换会将乘法分解为规模更小的运算,从而使运算成本由朴素卷积的平方复杂度降至接近线性复杂度。变换的具体细节各有不同:ML-KEM 中使用的 NTT 与 ML-DSA 中使用的 NTT,其分解方式并不完全相同。
引入结构也缩小了底层格的范围。Ring-LWE 的归约针对适当的理想格情形,而模变体则涉及模格。因此,安全性分析除了考虑通用格算法,还必须考虑潜在的代数攻击。结构带来的好处是实实在在的——密钥更小、计算更快——但相应的安全性声明必须针对实际采用的结构化假设来表述。
加密与密钥封装
基于 LWE 的加密方案可以通过近似抵消来理解。一个简化的构造选取秘密向量 ,并公开 以及
为了加密消息 ,发送方重新采样小向量 和小标量 ,然后构造
接收方计算 。双方共有的较大代数项相互抵消,剩下编码后的消息与残余噪声之和。
正确性要求这些残余噪声处于解码区域内。消息符号用间隔足够大的剩余类表示,因此可以通过舍入消除小幅扰动。这类似于纠错码中码字之间的间隔,不过密码学构造还需要论证其面对攻击者时的安全性。压缩和舍入可以减小密文大小,但也会引入额外失真,必须将其纳入正确性分析。
现代实际部署通常采用密钥封装机制(KEM),而不是用公钥加密直接加密任意应用消息。KEM 包括密钥生成、封装和解封装三个过程。封装产生一份密文和一个共享秘密;解封装则使用私钥和密文恢复相应的秘密。上层协议据此派生实际使用的密钥,并利用对称密钥密码学保护应用数据,例如采用基于高级加密标准的认证加密构造。
对于许多网络环境,仅能抵抗选择明文攻击是不够的。攻击者可能提交经过修改的密文,并从系统对这些密文的处理方式中获取信息。因此,强安全性的 KEM 设计以抵抗自适应选择密文攻击为目标。与 Fujisaki–Okamoto 技术相关的变换通过哈希派生随机性,并在解封装过程中检查密文的一致性,从而将加密方案转化为具有更强安全性的封装机制。
无效密文的处理尤其需要谨慎。在隐式拒绝设计中,一致性检查失败后,系统会返回一个依赖于秘密的备用值,而不是通过返回的密钥暴露内部检查失败这一情况。这并不意味着所有外部行为都无关紧要:如果实现或集成不够谨慎,运行时间、功耗、错误消息以及上层协议的响应仍可能造成信息泄露。
解密失败是另一个显著特点。在某些格加密系统中,即使密文生成无误,其噪声仍有非零概率超出容许范围。必须针对指定参数给出这类概率的上界,并考虑其在系统整个生命周期内的影响。如果失败能够被观察到,有时就可能泄露秘密信息。因此,正确性分析与选择密文安全性密切相关,而非彼此独立的工程问题。
数字签名与格陷门
基于格的数字签名旨在提供可公开验证的证据,证明消息经过授权,同时不泄露可重复使用的秘密信息。两种具有重要影响的方法是利用格陷门的“先哈希后签名”方法,以及采用拒绝采样的 Fiat–Shamir 型构造。它们的公开输出通常都包含满足模关系的短向量,但生成这些向量的方法有很大差异。
格陷门是一种辅助秘密信息,能够使原本困难的任务变得可行,例如在一个公开的模映射下采样短原像。陷门函数可供任何人轻松求值,而掌握秘密信息的人则能获得额外的能力。在格签名中,这种能力通常涉及求解一个非齐次关系:
其中, 由消息导出,而 必须足够短。验证者既要检查该等式是否成立,也要检查向量是否满足长度界限。
早期的格签名方案表明,仅仅输出短解并不足以保证安全。多次签名可能泄露秘密基或其他陷门数据的统计信息。克雷格·金特里(Craig Gentry)、克里斯·佩克特(Chris Peikert)和维诺德·瓦伊昆塔纳坦(Vinod Vaikuntanathan)于 2008 年提出的框架展示了如何通过精心设计的高斯采样,使生成的签名服从能够隐藏陷门的分布。采样分布的选择是一项安全机制,而不是可有可无的实现细节。
另一条路线通过 Fiat–Shamir 变换从身份识别协议导出签名。在一个示意性构造中,签名者先采样一个短掩蔽向量 ,计算承诺,再对承诺和消息进行哈希以得到挑战 ,最后生成如下形式的响应:
直接公开这一响应可能会泄露秘密 的信息。拒绝采样会丢弃不合适的输出,使被接受的响应所服从的分布满足安全性论证的要求。
由 CRYSTALS-Dilithium 衍生而来的 ML-DSA 采用了上述拒绝采样思路。其设计结合了模格关系、高低位分解、称为“提示”的紧凑纠正信息,以及严格规定的界限。Falcon 则采用陷门采样方法,将 NTRU 格与快速傅里叶技术结合使用。它的签名虽然紧凑,却对采样精度和数值实现的安全性提出了很高的要求。
签名的不可伪造性与消息的保密性是不同的概念。验证密钥和签名都是公开的,而且即使签署大量消息,也不能泄露私钥。即便底层格假设仍然可信,故障、有偏随机性、重复的内部值或采样过程中的信息泄露,也可能使预期的保护失效。因此,签名的安全性既依赖于数学构造,也依赖于实现是否严格遵守其分布要求。
同态加密与高级构造
格方法是全同态加密的核心。全同态加密允许一方在不持有解密密钥的情况下,对加密数据执行计算。克雷格·金特里于 2009 年提出的构造利用理想格,确立了全同态加密的可行性。后续系统发展出了效率更高的方法,其中许多基于 Ring-LWE 或相关假设。其目标不只是传输加密消息,而是对密文进行变换,使解密后的结果对应于所选计算的结果。
在许多此类系统中,密文既包含消息,也包含噪声分量。加法和乘法运算会保持密文与明文之间适当的代数关系,但也会增加噪声,或以其他方式消耗有限的正确性预算。一旦这一预算耗尽,解密便无法再得到预期结果。分层同态加密方案通过针对计算任务选择参数,支持乘法深度不超过预设值的计算。
自举通过同态执行适当的解密过程来刷新密文。它可以恢复密文继续参与运算的能力,是实现不限深度计算的全同态求值的核心技术。实际的自举需要求值密钥以及相应的假设,其具体形式取决于所用方案。自举远比普通解密复杂,因为执行刷新的参与方并不持有用于解密的明文私钥。
不同系统面向不同的算术语义。BGV 和 BFV 支持在指定的有限明文空间上进行精确算术运算。CKKS 则支持适合数值计算的近似算术,以受控的近似方式表示数值,并跟踪缩放因子和精度。因此,CKKS 的结果并不是任意实数计算结果的精确加密形式:舍入、重缩放、编码方式的选择以及累积的近似误差,都会影响对结果的解释。
多项式环还支持批处理,即在一个密文中容纳多个逻辑数据槽。适当的运算可以并行作用于这些槽,而专门的变换则可对它们进行重排。对于适合的计算任务,这能大幅提高吞吐量;但在与普通计算进行比较时,必须计入密文大小、密钥材料、旋转操作、乘法深度以及任何自举操作的开销。基本密钥封装机制(KEM)的性能并不能预测同态加密的性能。
格陷门和含噪线性关系还可用于构造基于身份的加密和基于属性的加密。在前者中,身份字符串可以充当公钥标识符,由可信机构签发对应的私钥。在后者中,能否解密取决于属性和访问策略。格构造也应用于承诺、零知识协议和函数加密。这些应用使用相关的数学工具,但需要各自不同的安全性定义;存在高效的格 KEM,并不意味着所有高级格密码协议都会同样实用。
密码分析与参数选择
攻击格密码系统的主要通用工具是格基约化算法。1982年提出的LLL算法能在多项式时间内计算出约化基,但其近似保证通常较弱,不足以直接攻破采用现代密码参数的系统。它仍是预处理、数学分析以及攻击参数选择不当的实例的基础工具。该算法的成功也说明,低维几何问题的困难性不足以作为密码安全性的基础。
更强的实际攻击通常采用分块 Korkine–Zolotarev 约化,简称 BKZ。BKZ 按选定的块大小,在投影子格中反复求解短向量问题。块越大,通常得到的约化基质量越高,但所需的计算量和内存也越多。因此,评估攻击时,既要考虑攻击成功所需的基质量,也要考虑达到这一质量的成本。
对于 LWE,原始攻击会构造一个格,使攻击者能够通过译码或嵌入方法恢复隐藏的误差或与之相关的短向量。对偶攻击则寻找一个短关系,利用它构造统计检验,将 LWE 样本与均匀随机数据区分开来。混合策略将格基约化与猜测、枚举或对小秘密分布的利用相结合。对于某些特定参数,代数攻击和组合攻击也可能发挥作用,尤其是在样本数量或误差结构与假定模型不一致时。
格基约化中最困难的内部步骤,通常采用枚举或筛法来建模。枚举会搜索候选组合,而筛法则维护向量集合,并通过组合已有向量来获得更短的向量。二者在时间和内存需求上差异显著。量子算法可能加速这些攻击中的部分步骤,但对于主流方案所依赖的格问题,目前尚无已知的通用多项式时间量子算法。肖尔算法能够攻破基于整数分解和离散对数的标准公钥系统,但不能直接求解 LWE 或 SIS。
具体安全性估计仍然依赖所采用的模型。预计的运算次数无法完整反映内存容量、通信量、电路深度、实际运行时间或成本。NIST 安全类别提供的是用于比较的参考目标,而不是无条件断言每种攻击都恰好需要某个数量的比特运算。随着算法、成本模型或实现技术的改进,已发表的估计也可能发生变化。
参数选择还涉及正确性和性能方面的约束。增大噪声可以阻碍恢复攻击,但也会增加解密难度。提高维数可以增强抵抗攻击的能力,同时也会增大密钥、密文或签名。改变模数则会影响算术运算成本、编码选择及攻击行为。必须结合精确的秘密分布、误差分布以及完整的方案定义,综合考虑这些量,而不能仅依据简化的几何类比。
历史发展与标准化
格密码学的发展融合了算法发现、安全性归约和工程实践。1982 年提出的 LLL 算法使格基约化成为一种强大的计算工具,其用途包括对若干已提出的密码系统进行密码分析。随后,Ajtai 于 1996 年提出的从最坏情况到平均情况的归约结果,为密码构造奠定了新的基础。1997 年发表的 Ajtai–Dwork 公钥构造展示了如何以最坏情况格假设为基础实现加密,但其开销远不能满足现代部署的要求。
Jeffrey Hoffstein、Jill Pipher 和 Joseph Silverman 于 1996 年提出 NTRU,并在 1998 年发表的论文中加以阐述,着重追求高效的多项式环运算。其紧凑的表示方式和快速运算,预示了后来格密码系统在实用化方面的主要方向。NTRU 最初的安全性依据不同于后来为 LWE 建立的归约,这也说明该领域并非源自单一构造或单一证明技术。
Regev 于 2005 年开展的 LWE 研究,为加密及后续协议提供了影响尤为深远的基础。Gentry、Peikert 和 Vaikuntanathan 于 2008 年开展的陷门采样研究,拓展了可用的构造方法。Gentry 于 2009 年取得的全同态加密成果,则开辟了另一个重要应用方向。Vadim Lyubashevsky、Chris Peikert 和 Oded Regev 在 2010 年公布的研究中提出 Ring-LWE,将丰富的代数结构引入基于归约的框架。后来,基于模的设计在一般格与环结构两种设定之间提供了更多灵活性。
美国国家标准与技术研究院(NIST)于 2016 年启动了公开的后量子密码标准化进程。2022 年,NIST 选定 CRYSTALS-Kyber 用于密钥建立,并选定 CRYSTALS-Dilithium、Falcon 以及基于哈希的 SPHINCS+ 用于签名。2024 年 8 月 13 日,NIST 发布了规定 ML-KEM 的 FIPS 203 和规定 ML-DSA 的 FIPS 204,二者分别基于 Kyber 和 Dilithium。同日发布的 FIPS 205 规定了 SLH-DSA;这是一项基于哈希的签名标准,而非格密码构造。
标准化的 ML-KEM 参数集具有以下字节大小:
| 参数集 | NIST 安全类别 | 封装密钥 | 密文 |
|---|---|---|---|
| ML-KEM-512 | 1 | 800 | 768 |
| ML-KEM-768 | 3 | 1,184 | 1,088 |
| ML-KEM-1024 | 5 | 1,568 | 1,568 |
每个参数集均生成一个 32 字节的共享秘密。名称中的数字是参数集标识,并不表示具有 512 位、768 位或 1,024 位的安全强度。
ML-DSA-44、ML-DSA-65 和 ML-DSA-87 分别以 NIST 安全类别 2、3 和 5 为目标。其公钥大小分别为 1,312、1,952 和 2,592 字节,签名大小分别为 2,420、3,309 和 4,627 字节。与许多成熟的椭圆曲线系统相比,这些公开数据的体积更大,会显著影响证书大小和协议通信量。标准化算法在规定的细节上也与其研究阶段的前身有所不同;“Kyber”与“ML-KEM”,或“Dilithium”与“ML-DSA”这些名称,并不意味着二者在字节层面完全兼容。
实现、协议集成与尚存的局限
高效的格密码实现依赖于多项式运算、模约减、采样、散列、编码和内存管理。数论变换(NTT)往往是算术运算设计的核心,而向量指令和专用硬件则可以提高吞吐量。公用矩阵可以由短种子确定性地展开生成,从而在减少传输数据量的同时,保持生成过程的精确定义。这类设计选择必须复现标准规定的分布,而不只是生成看起来随机的数据。
抵御侧信道攻击与抵御数学密码分析是两项独立的要求。依赖秘密信息的分支、查表访问、除法行为、拒绝采样循环以及功耗,都可能泄露私密信息。恒定时间编程能够应对重要的计时和缓存侧信道,但并不能自动防止物理泄漏。高斯采样器、解封装检查和签名生成过程尤其需要仔细分析,因为其中间值可能与秘密信息相关。
故障攻击通过电压或时钟扰动等手段,蓄意干扰程序执行。格式异常的签名或遭到篡改的解封装执行路径,可能暴露正确算法绝不会泄露的信息。测试、冗余检查、内存保护和形式验证可以应对此类风险的不同方面,但各自的保障都有特定的适用范围。对源代码层面算术运算的证明,本身并不能确立每个编译后的二进制程序或物理设备都会表现一致。
在协议层面,密钥封装机制(KEM)并不会仅凭生成共享秘密就完成对通信对端的身份认证。网络协议必须将身份、协商选项、密文和会话交互记录与其认证机制绑定。在传输层安全协议及相关场景中,混合密钥建立将传统方法与后量子 KEM 相结合。其安全保障取决于具体的组合机制和协议设计,而不是简单地把两个密钥放在一起。
向后量子密码迁移还受到“现在收集,以后解密”这一威胁的推动:攻击者可能在今天记录加密流量,待未来密码分析或量子技术取得进展后,再尝试恢复其中的内容。当信息需要保密多年时,这一问题尤其值得关注。基于格的密钥建立能够应对此类风险中涉及公钥密码的部分,但无法弥补终端失陷、随机数生成薄弱、签名密钥被盗或应用逻辑不安全等问题。
更大的密钥、密文和签名会影响分组传输、握手时延、证书链、内存受限设备以及硬件接口。实现必须严格按照规范区分不合规编码与可接受编码,在散列处理中保持域分离,并安全地处理随机性。如果标准允许采用确定性签名模式或对冲签名模式,其规定的输入和处理流程仍然是算法的一部分。因此,格密码部署的运行安全取决于从数学参数、二进制编码到协议行为的完整链路,而不仅仅取决于底层格问题的困难性。