{
  "id": "shors-algorithm",
  "title": "肖尔算法",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "肖尔算法利用量子周期查找，在多项式时间内完成整数分解和离散对数计算，对广泛使用的公钥密码体系构成挑战。",
  "category": "computer-science",
  "subcategory": "algorithms-theory",
  "type": "concept",
  "aliases": [
    "秀尔算法",
    "肖尔量子算法",
    "肖尔整数分解算法"
  ],
  "generated_at": "2026-11-03",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/shors-algorithm/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/shors-algorithm/",
      "json": "https://aiwiki.page/en/shors-algorithm.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "肖尔算法是一种量子计算算法，能够在相对于输入长度的多项式时间内完成整数分解和离散对数计算。彼得·肖尔于1994年提出了这一算法，证明量子计算机能够高效求解一些尚无已知高效经典算法的重要数学问题。“肖尔算法”这一名称通常特指其中的整数分解算法，不过离散对数计算也是肖尔最初研究的一部分。\n\n该算法将经典数论与量子干涉相结合。对于整数分解，首先通过经典归约，将寻找因子的问题转化为求模幂运算周期的问题。随后，量子电路提取有关该周期的信息，再通过经典算术运算，将测量结果转化为候选因子。衡量其效率时，依据的是整数的二进制位数，而不是整数本身的数值大小。\n\n肖尔算法对密码学有着重大影响，因为一些广泛部署的公钥密码系统，其安全性依赖于这样一个前提：使用经典计算方法进行整数分解或离散对数计算似乎十分困难。然而，该算法在数学上的高效性并不意味着小规模或噪声较大的量子处理器能够破解实际使用的密码密钥。大规模运行该算法需要大量保持量子相干性的算术运算、可靠的逻辑量子比特以及纠错机制。"
    },
    {
      "heading": "发现与理论意义",
      "text": "肖尔在1994年的计算机科学基础研讨会（FOCS）上，提出了用于整数分解和离散对数计算的多项式时间量子算法。更完整的论述于1997年发表于《SIAM计算期刊》。在此之前，已有研究建立了量子计算的数学模型，并探索量子干涉能否带来超越经典计算机的计算优势；肖尔的成果正是在这些工作的基础上取得的。\n\n丹尼尔·西蒙的算法是一个重要先驱。该算法处理的是一类具有特殊结构、涉及隐藏二进制串的问题。西蒙证明，对这一问题，量子查询复杂度与经典查询复杂度之间存在指数级差距。肖尔将提取隐藏代数结构这一更具普遍性的思路，应用于本身就具有数学意义和实际价值的数论问题。与人为构造的预言机问题不同，整数分解早已在计算数论和公钥安全领域占据核心地位。\n\n这里所说的输入规模，是整数的二进制长度。除去二的整数次幂处的一些细微约定，表示整数 \\(N\\) 需要\n\n\\[n=\\lceil\\log_2 N\\rceil\\]\n\n个比特。因此，耗时与 \\(N\\) 成正比的过程，其时间开销相对于 \\(n\\) 而言是指数级的。肖尔的成就在于给出了一种算法，其运行时间以 \\(n\\) 的某个多项式为上界，而且这一时间包括量子计算和必要的经典处理。\n\n这一区别使该成果具有了计算复杂性意义。相关问题的判定版本可以在有界错误量子多项式时间内求解，这一复杂性类别通常称为BQP。整数分解本身则自然地表述为函数问题：要求输出的是因子列表，而不是“是”或“否”的答案。只要明确这一区别，人们也常在非正式表述中对这两类问题都使用“量子多项式时间”的说法。\n\n这一成果并未证明，在整数分解问题上，量子计算机比所有可能的经典计算机都快指数倍。目前尚无已知的经典多项式时间整数分解算法，但也没有证明这种算法不可能存在。肖尔算法确立了量子计算的多项式时间上界，并且相比已知最好的通用经典方法有了巨大改进。它也没有表明量子计算机能够高效求解所有NP完全问题。整数分解是否为NP完全问题尚无定论，而它的代数结构对该算法至关重要。\n\n因此，肖尔算法的历史意义有两个方面：它为潜在的量子加速提供了一个具体且影响重大的实例，也让可扩展量子计算与已投入使用的安全系统直接关联起来。由此兴起的研究将数论、量子信息、电路设计和密码工程联系在了一起。"
    },
    {
      "heading": "将因数分解归约为乘法阶求解",
      "text": "因数分解过程从经典预处理开始。偶数可以除以二，素性可以高效检验，完全幂也可以用经典算法识别。对于不是素数幂的奇合数 \\(N\\)，才需要核心的量子辅助步骤。随后，通过反复分解和素性检验，就能从非平凡因子得到完整的素因数分解。\n\n随机选取一个整数 \\(a\\)，使其满足 \\(1<a<N\\)，并计算它与 \\(N\\) 的最大公约数。如果\n\n\\[1<\\gcd(a,N)<N,\\]\n\n就已经找到了一个非平凡因子。否则，\\(a\\) 与 \\(N\\) 互素，此时的任务是求出 \\(a\\) 模 \\(N\\) 的乘法阶，即满足\n\n\\[a^r\\equiv 1\\pmod N.\\]\n\n的最小正整数 \\(r\\)。等价地，\\(r\\) 就是函数 \\(f(x)=a^x\\bmod N\\) 的周期。\n\n如果 \\(r\\) 为偶数，则有\n\n\\[(a^{r/2}-1)(a^{r/2}+1)\\equiv 0\\pmod N.\\]\n\n这一恒等式可以帮助找出因子，因为一个合数模数可能整除两个数的乘积，却不能分别整除其中任何一个数。如果 \\(a^{r/2}\\not\\equiv-1\\pmod N\\)，那么最大公约数\n\n\\[d_-=\\gcd(a^{r/2}-1,N),\\qquad d_+=\\gcd(a^{r/2}+1,N)\\]\n\n就给出了非平凡因子。阶的最小性排除了 \\(a^{r/2}\\equiv1\\pmod N\\) 的可能。\n\n例如，取 \\(N=15\\)、\\(a=2\\)。依次得到的余数为 \\(1,2,4,8,1,\\ldots\\)，因此阶为 \\(r=4\\)。于是\n\n\\[\\gcd(2^2-1,15)=3,\\qquad \\gcd(2^2+1,15)=5.\\]\n\n量子计算机的作用是高效求出这个阶；最后提取因子的步骤使用普通的整数运算即可完成。\n\n并非每个底数都能奏效。奇数阶无法折半，而当阶为偶数且满足 \\(a^{r/2}\\equiv-1\\pmod N\\) 时，求得的最大公约数也只是平凡因子。遇到这些情况，就重新选择底数。对于至少含有两个不同素因子的奇数，从可逆剩余类中均匀随机选取一个，其满足上述有效阶条件的概率至少为二分之一。这一概率下界针对的是数论上的归约；从量子采样结果中求出阶，还涉及额外的概率问题。\n\n这一归约说明，肖尔算法并不是直接搜索所有可能的因子，而是用恢复整体周期结构来取代因子搜索。相对于输入长度，周期的大小可能达到指数级，但其二进制表示仍然足够短，可以进行高效处理。"
    },
    {
      "heading": "周期态的量子构造",
      "text": "量子子程序使用一个指数寄存器和一个工作寄存器。令 \\(Q=2^m\\)，通常选择它使得\n\n\\[N^2\\le Q<2N^2.\\]\n\n此时，指数寄存器包含约 \\(2n\\) 个量子比特，而能够表示模 \\(N\\) 的余数的寄存器需要约 \\(n\\) 个量子比特。所需的额外工作空间取决于采用的算术电路。\n\n指数寄存器从 \\(|0\\rangle\\) 态出发，通过哈达玛门生成均匀叠加态：\n\n\\[\\frac{1}{\\sqrt Q}\\sum_{x=0}^{Q-1}|x\\rangle.\\]\n\n将工作寄存器适当初始化后，通过可逆模幂运算得到\n\n\\[\\frac{1}{\\sqrt Q}\\sum_{x=0}^{Q-1} |x\\rangle\\,|a^x\\bmod N\\rangle.\\]\n\n这个量子态将每个指数与其对应的模幂关联起来。但这并不意味着可以逐一读取所有模幂值：测量只能给出有限的经典信息。\n\n高效的模幂运算利用二进制展开式\n\n\\[x=\\sum_{j=0}^{m-1}x_j2^j.\\]\n\n常数 \\(a^{2^j}\\bmod N\\) 通过经典计算中的反复平方求得。随后，当相应的指数位为一时，受控模乘运算便应用对应的常数。由于只有 \\(m\\) 个二进制位，这个过程只需要多项式数量的算术运算，而不必为每个可能的指数各执行一次运算。\n\n这些运算必须是可逆的。当 \\(\\gcd(a,N)=1\\) 时，模 \\(N\\) 乘以 \\(a\\) 的运算构成余数集合上的一个置换。其作用可以扩展为整个寄存器上的酉变换，涵盖数值位于余数范围之外的计算基态。中间进位、比较标志和其他临时值，要么保留在明确计入资源需求的工作空间中，要么通过逆向执行产生它们的计算来清除。未受控制的残留信息可能破坏后续所需的干涉。\n\n如果测量工作寄存器，周期性就会格外明显。若测量结果为 \\(a^{x_0}\\bmod N\\)，指数寄存器便处于一个与下式成正比的叠加态：\n\n\\[|x_0\\rangle+|x_0+r\\rangle+|x_0+2r\\rangle+\\cdots,\\]\n\n其中各项的指数不超过 \\(Q-1\\)。剩下的指数构成公差为 \\(r\\) 的等差数列。工作寄存器的测量并非必需：即使不测量它，随后对指数寄存器进行测量时，也会得到相同的统计分布。\n\n关键资源在于这个具有特定结构的叠加态各分量之间的相干性。由随机数对 \\((x,a^x\\bmod N)\\) 组成的经典列表无法复现下一阶段的过程。量子干涉将这种重复的间隔转化为频率分布，从中便可推断出周期。"
    },
    {
      "heading": "傅里叶采样与相位估计",
      "text": "量子傅里叶变换将周期结构转化为集中的测量概率分布。对于具有 \\(Q\\) 个基态的寄存器，一种约定将其定义为\n\n\\[|x\\rangle\\longmapsto \\frac{1}{\\sqrt Q} \\sum_{c=0}^{Q-1}e^{2\\pi ixc/Q}|c\\rangle.\\]\n\n采用逆变换的约定会将指数中的符号反转，但得到的周期查找过程与之等价。\n\n对于周期性序列 \\(x_0,x_0+r,\\ldots\\)，输出 \\(c\\) 处的振幅包含一个等比数列之和：\n\n\\[\\sum_j e^{2\\pi i(x_0+jr)c/Q}.\\]\n\n由 \\(x_0\\) 引入的整体相位不影响测量概率。当 \\(rc/Q\\) 接近整数时，其余各项相互增强；否则，它们大多相互抵消。因此，测量值往往落在以下位置附近：\n\n\\[c\\approx \\frac{sQ}{r},\\]\n\n其中，\\(s\\) 是 \\(0\\) 到 \\(r-1\\) 之间的整数。\n\n如果 \\(r\\) 整除 \\(Q\\)，理想的峰恰好出现在 \\(Q/r\\) 的整数倍处。更一般地，由于等差数列受到寄存器边界的截断，这些峰具有有限的宽度。因此，测量通常得到的是 \\(s/r\\) 的近似值，而不是 \\(r\\) 本身的二进制编码。选择数量级为 \\(N^2\\) 的 \\(Q\\)，即可为有理数重构提供足够的精度。\n\n同一过程也可以通过量子相位估计来理解。在适当的剩余类子空间上，将模乘法定义为\n\n\\[U_a|y\\rangle=|ay\\bmod N\\rangle\\]\n\n在由 \\(1,a,a^2,\\ldots,a^{r-1}\\) 生成的轨道上，该算子的特征值为 \\(e^{2\\pi i s/r}\\)。采用适当的符号约定后，其特征向量就是这些轨道态的傅里叶叠加态。态 \\(|1\\rangle\\) 是这些特征向量的等权叠加，因此相位估计会采样得到相位 \\(s/r\\)。受控幂运算 \\(U_a^{2^j}\\) 恰好就是模幂运算中使用的模乘法运算。\n\n当 \\(Q=2^m\\) 时，利用阿达马门和受控相位旋转，可以将精确的傅里叶变换电路分解为 \\(O(m^2)\\) 个基本量子门。近似版本会省略足够小的旋转，同时将整体误差控制在允许范围内。半经典实现则可以用测量和由经典条件控制的操作，替代部分量子控制操作。\n\n傅里叶变换至关重要，但在大规模整数分解计算中，它通常并不是开销最大的部分。在许多资源估算中，模运算占据主要开销。这种加速也不能简单地解释为“同时尝试所有因子”。真正起作用的是精心组织的干涉，它使少量测量就能揭示原本难以求得的代数性质。"
    },
    {
      "heading": "经典重构与成功概率",
      "text": "傅里叶采样之后，将测得的整数 \\(c\\) 转换为有理数 \\(c/Q\\)。它以足够高的概率非常接近 \\(s/r\\)。通过连分数恢复最简分数的一个标准充分条件是\n\n\\[\\left|\\frac cQ-\\frac sr\\right|<\\frac{1}{2r^2}.\\]\n\n如果一个分数满足这个界限，那么它的最简形式就会出现在 \\(c/Q\\) 的连分数展开的渐近分数中。\n\n例如，设 \\(N=21\\)、\\(a=2\\)，此时 \\(a\\) 的阶为六。选择 \\(Q=512\\)，一个有用的测量结果是 \\(c=85\\)，因为\n\n\\[\\frac{85}{512}\\approx\\frac16, \\qquad \\left|\\frac{85}{512}-\\frac16\\right|=\\frac1{1536}.\\]\n\n连分数的渐近分数中包含 \\(1/6\\)，由此得到候选阶 \\(r=6\\)。验证可确认 \\(2^6\\equiv1\\pmod{21}\\)，随后可通过下式得到因子：\n\n\\[\\gcd(2^3-1,21)=7,\\qquad \\gcd(2^3+1,21)=3.\\]\n\n一次测量未必能揭示完整的阶。如果采样得到的分子 \\(s\\) 与 \\(r\\) 有大于一的公因子，分数 \\(s/r\\) 就会约分为分母更小的分数。当 \\(r=6\\) 时，对应于 \\(s=2\\) 的相位可约分为 \\(1/3\\)。恢复出分母三并不能证明阶就是三：在这个例子中，\\(2^3\\not\\equiv1\\pmod{21}\\)。\n\n因此，候选分母需要验证。重复采样可以补齐阶中缺失的因子，而对适当重构出的分母取最小公倍数，则可以综合不同次运行得到的信息。在基础介绍中，也可以采用另一种做法：不断重复，直到采样得到与 \\(r\\) 互素的分子。这一事件的概率为 \\(\\varphi(r)/r\\)，其中 \\(\\varphi\\) 是欧拉函数。该概率的倒数增长得足够缓慢，因此所需的重复次数仍可保证计算在多项式时间内完成。\n\n必须区分几种不同的失败情形：测量结果可能落在足够尖锐的峰之外；有理数重构可能只给出阶的一个真因子；或者，即使正确恢复了阶，它也可能不满足分解整数所需的偶数阶条件或非平凡平方根条件。每个阶段都有不同的补救办法，从增加采样次数到重新选择底数不等。\n\n这些经典计算都很高效：连分数计算使用欧几里得算法，模幂运算使用反复平方法，而因子提取则通过计算最大公因数完成。得到的候选因子可以用除法检验。这种易于验证的性质不仅在数学上很重要，在实验中也同样重要：不成功的运行结果不必被当作含糊不清的输出而接受；可以重复这一随机化过程，直到得到经过验证的非平凡因子。"
    },
    {
      "heading": "复杂度及与经典方法的比较",
      "text": "直接用量子电路实现肖尔整数分解算法时，所需门数是输入长度 \\(n\\) 的多项式。采用朴素的可逆算术运算时，模幂运算通常需要 \\(O(n^3)\\) 次基本逻辑操作。具体的界取决于所用门集、算术电路的构造、允许的近似程度，以及如何计入重复试验的成本。更快的乘法算法和专门设计的模运算可以改善渐近复杂度或实际成本。\n\n常见的三次复杂度估计来自大约 \\(O(n)\\) 次受控模乘运算，而在直接实现中，每次模乘大约需要 \\(O(n^2)\\) 次操作。傅里叶变换额外需要约 \\(O(n^2)\\) 个门，因此并不是这种构造中成本的主导部分。在逻辑层面，空间需求可以保持为 \\(n\\) 的线性量级，不过，不同设计在工作空间需求以及复用量子比特所需的额外时间上存在很大差异。\n\n对于一般的大整数，适合用作经典算法比较对象的是通用数域筛法。其启发式运行时间通常表示为\n\n\\[L_N\\!\\left[\\frac13,\\left(\\frac{64}{9}\\right)^{1/3}\\right],\\]\n\n其中\n\n\\[L_N[\\alpha,c] = \\exp\\!\\left((c+o(1))(\\ln N)^\\alpha (\\ln\\ln N)^{1-\\alpha}\\right).\\]\n\n这一运行时间关于 \\(N\\) 是次指数的，关于比特长度也同样是次指数的，但又是超多项式的。因此，肖尔算法的多项式增长率在渐近意义上远优于目前已知最好的通用经典整数分解方法。具有特殊结构的整数可能有更快的经典处理方法，因此比较时必须明确输入所属的类别。\n\n将这种优势描述为“指数级”时，需要谨慎。相对于简单的穷举搜索，两者的差距随输入长度呈指数级增长。相对于数域筛法，两者的渐近差距则具有另一种次指数形式。更根本的是，这种比较针对的是已知算法，而不是已经证明了适用于所有可能的经典算法的复杂度下界。\n\n逻辑门数也不能完整反映实际物理资源的需求。一个逻辑量子比特可能需要用许多物理量子比特来编码，而一次逻辑层面的非克利福德操作可能需要成本高昂的辅助态制备。电路深度、连通性、测量延迟、经典控制和并行执行都会影响实际耗时。如果并行程度较低，或需要成本更高的通信，那么门数较少的电路反而可能运行得更久。\n\n因此，肖尔算法有几个不同层面的复杂度描述：抽象的多项式运行时间、逻辑电路资源、容错物理资源，以及实际执行耗时。混淆这些层面，可能会让一个成立的理论结论看起来意味着某种工程能力已经唾手可得。反过来，巨大的工程开销也不会改变其底层的多项式时间结论。"
    },
    {
      "heading": "离散对数与隐藏子群结构",
      "text": "肖尔最初的贡献还包括一种求解离散对数的高效量子算法。在由 \\(g\\) 生成的循环群中，问题是根据\n\n\\[h=g^d.\\]\n\n求出整数 \\(d\\)。经典计算的难度取决于群的表示方式。对于有限域中的群，在一些重要情形下可以使用指标演算法；而对于适当选取的椭圆曲线群，目前尚无已知的、与之相当的通用经典捷径。\n\n量子方法构造一个以两个指数为自变量的函数。若群的阶 \\(q\\) 已知，定义\n\n\\[F(u,v)=g^u h^{-v}.\\]\n\n由于 \\(h=g^d\\)，有\n\n\\[F(u,v)=g^{u-dv}.\\]\n\n以有序对 \\((dt,t)\\) 为平移量时，该函数的值保持不变，其中运算均按模 \\(q\\) 进行。因此，函数的重复取值对应于 \\(\\mathbb Z_q\\times\\mathbb Z_q\\) 中某个隐藏子群的陪集。\n\n量子电路先制备指数对的叠加态，以可逆方式计算 \\(F\\)，再进行傅里叶采样。若傅里叶变换采用相位 \\(e^{2\\pi i(ku+\\ell v)/q}\\) 的约定，测量结果满足\n\n\\[kd+\\ell\\equiv0\\pmod q.\\]\n\n若 \\(q\\) 为素数且 \\(k\\ne0\\)，通过求模逆元可得\n\n\\[d\\equiv-\\ell k^{-1}\\pmod q.\\]\n\n重复采样可以处理例外结果。若群的阶为合数，则需要额外的算术运算，并且可能需要综合多次采样所得的信息。\n\n这一过程与阶查找都是阿贝尔隐藏子群问题的实例。函数通过在子群的每个陪集上取相同的值来隐藏该子群，而傅里叶采样则揭示出可用于确定子群的约束条件。这一框架解释了为何看似不同的数论问题能够采用共同的量子求解方法。它也揭示了一项局限：适用于有限阿贝尔群的高效方法，并不能自动解决任意的非阿贝尔隐藏子群问题。\n\n在椭圆曲线密码学中，群运算是点加法，而非乘法。公开点 \\(Q=dP\\) 隐藏了标量 \\(d\\)，量子电路则计算 \\(uP-vQ\\) 这样的组合。其隐藏的线性关系本质上相同，但可逆椭圆曲线运算的成本与模乘法不同。\n\n因此，整数分解算法并不是一种无需修改便可用于所有密码系统的通用实现。整数分解电路与离散对数电路采用相同的数学策略，但其算术运算、群的表示方式及资源需求各不相同。比较攻击方法时，必须考虑相关的安全参数，而不能只比较密钥长度本身。"
    },
    {
      "heading": "电路工程与实验演示",
      "text": "实际实现必须在一长串算术运算中维持所需的干涉。量子门、态制备、测量或空闲存储期间发生的错误，都可能破坏用于重构阶的相位信息。单纯增加未经保护的量子比特数量并不能解决这一问题；整个计算过程都需要足够的可靠性。\n\n量子纠错将逻辑信息编码到多个物理量子比特上，并在不直接测量所编码计算态的情况下，反复提取错误信息。容错电路设计可防止单个故障不受控制地传播。因此，资源估算必须涵盖编码后的数据、纠错综合征测量、辅助量子比特、路由，以及为所选编码中开销较大的操作制备所需量子态的资源。\n\n逻辑量子比特数与物理量子比特数可能相差数个数量级。克雷格·吉德尼（Craig Gidney）和马丁·埃克罗（Martin Ekerå）在2021年的研究中估计，在其指定的架构和错误假设下，使用约两千万个有噪声的物理量子比特，可在约八小时内分解一个2,048位的RSA整数。这是一项有条件的工程估算，并非实验成果，也不是固定的资源下限。不同的错误率、连接方式、纠错编码选择和算术电路设计，会带来不同的资源需求。\n\n小规模演示已在多种物理平台上检验了该算法的部分环节。2001年，利文·范德西彭（Lieven Vandersypen）及其同事报告称，利用一个含七个自旋的核磁共振系统完成了对15的因数分解。后续研究采用了光子、离子阱和超导等技术路线。这类实验可以展示态制备、受控算术运算、傅里叶采样和经典重构，但如何解读这些结果，在很大程度上取决于实际实现的电路。\n\n一个关键区别在于：电路是通用的模幂运算电路，还是针对某个特定小规模实例编译的电路。编译可以利用固定常数，省去部分运算和工作空间。这是合理的电路优化，但过度简化可能恰恰去掉了那些难以实现可扩展计算的算术运算。一些演示依赖于预先已知的阶，或依赖于专门挑选、周期结构异常简单的实例。\n\n因此，评估不能只看报告中被分解的整数。需要考察的问题包括：电路是否在非平凡的求阶计算全过程中保持了相干性，算术运算能否推广，答案是否通过针对特定实例的简化被预先编码进电路，以及是否主动纠正了错误。小规模因数分解实验能够验证各组成环节的能力，但其本身并不能展示分解密码学上具有实际意义的大整数所需的资源。\n\n算术电路设计仍是实现改进的重要途径。使用较少量子比特的电路可以通过增加测量和经典前馈来复用寄存器，而更宽的电路则可以实现更高程度的并行。这些方案是在存储需求、量子门数量、电路深度和控制复杂度之间作出权衡，并不改变底层的数论算法。"
    },
    {
      "heading": "对密码学与安全标准的影响",
      "text": "最直接受到威胁的是 RSA密码系统。RSA 公钥包含一个模数 \\(N=pq\\) 和一个公开指数 \\(e\\)，其中模数通常由两个大素数相乘得到。分解 \\(N\\) 后，就可以计算诸如下式所示的量：\n\n\\[\\lambda(N)=\\operatorname{lcm}(p-1,q-1),\\]\n\n进而通过求 \\(e\\) 在相应模数下的乘法逆元，恢复私钥指数。因此，高效的量子整数分解能够攻破传统 RSA 加密和签名所依赖的数学陷门。\n\n量子离散对数算法同样威胁着 Diffie–Hellman 密钥协商、DSA，以及 ECDH 和 ECDSA 等椭圆曲线密码系统。增加这些系统的密钥长度虽然会提高量子攻击的成本，却无法恢复其所依赖的渐近安全性假设。肖尔的方法能够在多项式时间内求解相关的各类问题。\n\n不同密码任务受到的影响并不相同。如果攻击者已经记录了必要的通信数据和公开协议信息，攻破密钥建立机制就可能使加密通信内容暴露。攻破数字签名方案，则可能在受影响的验证密钥仍被信任期间使伪造签名成为可能。记录下来的通信究竟意味着多大风险，还取决于所用协议：能够抵御长期密钥日后失窃的前向保密性，并不等于能够抵御未来直接求解已记录通信中公开数学问题的算法。\n\n由此产生了一种通常称为“现在收集，日后解密”的安全隐患。攻击者可以在尚未拥有足够强大的量子计算机时，就先保存加密材料。这些材料日后能否被解密，取决于其采用的密钥建立方式和加密构造；风险大小还取决于材料届时是否仍然敏感。肖尔算法不能直接攻破对称加密。高级加密标准和密码学哈希函数面临的是另一类量子安全问题，其中包括格罗弗算法所带来的、幅度较为有限的通用加速。\n\n后量子密码学致力于开发经典密码系统，其所依据的数学问题目前尚无已知的高效量子攻击方法。主要路线包括基于格的密钥建立与签名、基于编码的加密机制，以及基于哈希的签名。这些系统的安全性主张涵盖对经典攻击者和量子攻击者的抵抗能力；它们不需要量子通信或量子硬件。\n\n2024 年 8 月，美国国家标准与技术研究院发布了针对 ML-KEM 的 FIPS 203、针对 ML-DSA 的 FIPS 204，以及针对 SLH-DSA 的 FIPS 205。这些标准分别规定了一种基于模格的密钥封装机制、一种基于模格的签名方案，以及一种无状态的哈希签名方案。它们采用不同的数学基础，来实现此前由易受量子攻击的公钥系统承担的功能，而不是通过修改肖尔算法或简单增大 RSA 密钥来应对威胁。"
    }
  ],
  "links": [
    "quantum-computer",
    "cryptography",
    "algorithm",
    "computational-complexity",
    "np-completeness",
    "greatest-common-divisor",
    "qubit",
    "quantum-gate",
    "continued-fraction",
    "logical-qubit",
    "quantum-error-correction",
    "rsa-cryptosystem",
    "digital-signature",
    "advanced-encryption-standard",
    "grovers-algorithm",
    "post-quantum-cryptography"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}