격자 희소화와 근접 벡터 문제의 근사 해법

초록

본 논문은 임의의 n 차원 격자와 任의 노름에 대해 (1+ε)-근사 최근접 벡터 문제(CVP)를 2^{O(n)}·(1+1/ε)^n 시간과 2^n·poly(n) 공간으로 해결하는 결정적 알고리즘을 제시한다. 핵심은 격자를 “희소화”하면서 거리 구조를 근사적으로 보존하는 새로운 기법이며, 기존 AKS 체법을 대체한다. 또한 l₂ 노름에 대한 정확 CVP의 2^{O(n)}·poly(n) 시간·poly(n) 공간 알고리즘이 존재한다면, 제안된 알고리즘의 공간을 다항식 수준으로 낮출 수 있다.

상세 분석

이 논문은 격자 이론과 근사 알고리즘 분야에서 오랫동안 남아 있던 두 가지 난제를 동시에 해결한다. 첫 번째는 (1+ε)-근사 CVP를 모든 노름에 대해 결정적으로 해결하는 방법을 제공한다는 점이다. 기존에는 확률적 AKS 체법이 주류였으며, 그 구현은 복잡하고 높은 확률적 오류를 내포했다. 저자들은 Micciancio‑Voulgaris와 Dadush‑Peikert‑Vempala가 제시한 격자 열거 기법을 기반으로, 격자를 “희소화”하는 새로운 전처리 단계—즉, 입력 격자의 서브라티스를 무작위로 선택해 원래 격자의 거리 구조를 근사적으로 유지하도록 만든다—를 도입한다. 이 과정은 Khot가 SVP 난이도 증명에 활용한 “랜덤 서브라티스 제한” 아이디어를 차용했으며, 격자 점들의 밀도를 크게 낮추면서도 최단·근접 벡터의 길이 비율을 (1+O(ε)) 수준으로 보존한다는 수학적 증명을 제공한다.

두 번째 핵심 기여는 시간 복잡도와 공간 복잡도 사이의 트레이드오프를 명확히 제시한다는 점이다. 알고리즘은 기본적으로 2^{O(n)}·(1+1/ε)^n의 지수적 시간 복잡도를 갖지만, 이는 기존 AKS 기반 알고리즘과 동일하거나 더 나은 수준이며, 결정적이라는 큰 장점을 가진다. 공간 측면에서는 초기 설계가 2^n·poly(n)이라는 비교적 큰 메모리를 요구하지만, l₂ 노름에 대해 정확 CVP를 2^{O(n)}·poly(n) 시간·poly(n) 공간으로 해결할 수 있는 가정 하에, 이 메모리 요구량을 다항식 수준으로 감소시킬 수 있음을 보인다. 이는 실용적인 구현 가능성을 크게 높인다.

기술적인 세부 사항으로는, 격자 희소화 단계에서 서브라티스의 코시-베이시스(Cauchy basis)를 이용해 베이시스 변환을 수행하고, 변환 후에는 기존 열거 알고리즘을 그대로 적용한다. 이때 발생하는 근사 오차는 서브라티스 선택 확률을 조절함으로써 (1+ε) 수준으로 제한된다. 또한, 알고리즘 전체 흐름은 다음과 같다: (1) 입력 격자의 베이시스를 정규화하고, (2) 적절한 파라미터 ε에 따라 무작위 서브라티스를 선택해 희소화, (3) 희소화된 격자에 대해 Micciancio‑Voulgaris의 “시뮬레이션 기반 열거” 기법을 적용해 후보 근접 벡터를 찾고, (4) 원래 격자 좌표계로 역변환하여 최종 (1+ε)-근사 해를 반환한다.

이러한 설계는 기존 확률적 체법이 갖는 “반복 실행 → 성공 확률 증가” 구조를 없애고, 한 번의 실행으로 정확히 (1+ε) 근사 해를 보장한다는 점에서 이론적·실용적 의미가 크다. 또한, “희소화”라는 개념 자체가 격자 기반 암호학, 고차원 데이터 분석 등 다양한 응용 분야에 새로운 도구로 활용될 가능성을 열어준다.