대규모 짝수 변수에서 거의 최적의 회복성 함수 설계

초록

이 논문은 소수의 변수에 대해 서로 스펙트럼이 겹치지 않는 함수 집합을 이용해, 변수 수가 큰 짝수인 경우에도 비선형도 $>2^{n-1}-2^{n/2}$ 를 만족하는 $m$‑회복성 Boolean 함수를 무한히 생성할 수 있는 새로운 구성 방법을 제시한다. 또한 구성된 함수들의 대수 차수를 최적화하는 기법과, 기존 구성을 개선한 변형을 제시한다.

상세 분석

본 연구는 회복성 $m$‑resilient Boolean 함수의 비선형도와 대수 차수 사이의 트레이드오프를 개선하는 데 초점을 맞춘다. 기존 문헌에서는 $n$이 짝수일 때 비선형도가 $2^{n-1}-2^{n/2-1}$ 이하인 것이 일반적인 한계였으며, 특히 $m$이 커질수록 비선형도는 급격히 감소하는 경향을 보였다. 저자들은 ‘disjoint spectra functions’라는 개념을 도입한다. 이는 작은 변수 집합 $k$에 대해 서로 푸리에 스펙트럼이 겹치지 않는 $2^{k}$개의 함수 집합을 의미한다. 이러한 집합을 $n/2$개의 블록으로 나누어 각각에 대해 서로 다른 스펙트럼을 부여하고, 블록 간에 XOR 연산을 통해 전체 $n$‑변수 함수를 구성한다. 핵심 정리는 “주어진 $m$에 대해, $k$를 충분히 크게 잡으면 $n$이 짝수인 모든 충분히 큰 $n$에 대해 $m$‑회복성을 유지하면서 비선형도가 $2^{n-1}-2^{n/2}$보다 크게 되는 함수를 무한히 만들 수 있다”는 것이다.

구성 과정에서 사용되는 작은 블록 함수는 기존에 알려진 높은 비선형도와 높은 차수를 동시에 만족하는 함수(예: Maiorana‑McFarland 클래스) 중에서 선택된다. 이때 블록 간 스펙트럼이 겹치지 않도록 설계함으로써 전체 함수의 푸리에 계수 절댓값을 $2^{n/2}$ 이하로 제한한다. 이는 비선형도 하한을 $2^{n-1}-2^{n/2}$ 로 보장하는 핵심 메커니즘이다.

또한 저자는 대수 차수를 최적화하기 위해 각 블록에 적용되는 선형 변환을 조정한다. 구체적으로, 블록별로 차수‑보존 선형 변환을 적용한 뒤, 전체 함수에 추가적인 비선형 조합을 삽입함으로써 차수를 $n-m-1$에 가깝게 끌어올릴 수 있음을 증명한다. 이는 기존에 차수가 $n-m-2$ 이하였던 많은 회복성 함수와 비교해 의미 있는 향상이다.

마지막으로, 기존 구성에서 발생하는 ‘경계 효과’를 완화하기 위해 블록 수를 $n/2$ 대신 $n/2-1$ 로 조정하고, 남은 변수들을 보조 함수에 할당하는 개선된 버전을 제시한다. 이 변형은 비선형도 하한을 동일하게 유지하면서 차수를 한 단계 더 높일 수 있는 여지를 제공한다. 전체적으로, 이 논문은 스펙트럼 분리와 블록 결합이라는 두 축을 통해 대규모 짝수 변수 환경에서도 거의 최적에 가까운 회복성 함수를 체계적으로 생성할 수 있는 새로운 설계 프레임워크를 제공한다.