[发明专利]哈希值计算方法及其数字签名方法

权利要求书

1.一种数字签名方法，其特征在于包括如下步骤：

1)将要签名的数据转换成二进制值x；

2)将步骤1)得到的二进制值x作为输入数据，输入到哈希值计算方法中，得到最终的哈希值计算结果；

3)将步骤2)得到的哈希值计算结果作为固定的数字签名，完成最终的数字签名；

其中，所述的哈希值计算方法，包括如下步骤：

S1.构建基于分组粗粒化玻色采样的哈希函数的模型，包括构建生成算法g、分组粗粒化玻色采样算法和洗牌算法G；

所述的分组粗粒化玻色采样算法，具体为求出最大概率标签，最大概率标签μ₁对应着一种连续粗粒化玻色采样方案，最大概率标签μ₂对应着一种间隔粗粒化玻色采样方案；其中，μ₁和μ₂中的一个被选中为单光子情况下的实际最大概率标签；对于多光子情况，其中最大概率标签v是多光子情况下出现的标签；求出最大概率标签包括如下步骤：

A.定义将N个不可区分的光子送入M个端口的输入配置和输出配置；具体为将N个不可区分的光子送入M个端口中，定义输入配置和输出配置为：

输入配置为，

输出配置为，

其中|S＝|s₁,s₂,...,s_M、|T＝|t₁,t₂,...,t_M并满足

其中s_m表示输入中占据第m个端口的光子数，t_m表示输出中占据第m个端口的光子数，N为光子的数量，M为端口的数量；

B.求测量线性光学网络输出状态的玻色采样概率分布集；具体为测量输出状态|ψ后得到采样概率分布，该采样概率分布如下所示：

其中

其中T是输出，Ψ是输出状态，U为均匀M×M线性光学网络酉矩阵，s_M表示输入中占据第m个端口的光子数，t_M表示输出中占据第M个端口的光子数，N为光子的数量，M为端口的数量，Per是矩阵积和式；

C.将玻色采样概率分布集分组为单光子分布集合和多光子分布集；具体方法为：

根据玻色采样是否在个N端口检测到光子，将玻色采样概率分布集分为单光子分布集和多光子分布集其中

D.对单光子分布集和多光子分布集分别进行粗粒化，得到单光子和多光子分布集的最大概率标签；具体方法为：

(1)对于单光子分布集，使用两种粗粒化方式计算单光子分布集的最大概率标签；第一种使用连续粗粒化玻色采样方案，将单光子分布集划分为d个不相交的子集其中，第j个标签对应的概率表示为对应的最大概率标签μ₁满足条件第二种使用间隔粗粒化玻色采样方案，将单光子分布集划分为d个不相交的子集其中，第j个标签对应的概率表示为对应的最大概率标签μ₂满足条件最终，两种方案得到的最大概率标签μ₁和μ₂中的一个作为单光子最大概率标签μ；

(2)对于多光子分布集，使用一种相交的粗粒化方式计算多光子分布集的最大概率标签；将多光子分布集划分为M个相交的子集其中，第j个标签对应的概率表示为对应的最大概率标签v满足条件

所述的生成算法g，具体为输入数据x到生成算法g中，生成算法g经过处理后输出若干个数据{x¹,x²,…,x^k}；玻色采样的输入x⁰＝x时，依次计算

其中x⁽⁰⁾＝x，0jk，k为算法g迭代次数，初始j＝1，N为光子的数量，M为端口的数量，为输入的配置，求出满足玻色采样的生成算法g，

S2.输入数据x到生成算法g中，生成算法g经过处理后输出若干个数据{x¹,x²,…,x^k}；

S3.将步骤S2产生的结果分别输入到分组粗粒化玻色采样算法中，得到一系列最大概率标签；具体为：给定固定值k，将步骤S2得到的输出x^(j)，作为分组粗粒化玻色采样算法的输入，将会得到这个输入对应的单光子的最大概率标签和以及多光子的最大概率标签v^j；重复步骤S3共L次，得到的最大概率标签处理方法如下：

a.若L次得到的都相同，此时

b.若L次得到的不完全相同且N次得到的都相同，此时

c.若L次得到的不完全相同且N次得到的也不完全相同，此时令j＝j-1，并重新步骤S2的计算；

d.若L次得到的v^j都相同，此时v＝v^j；

e.若L次得到的v^j不完全相同，此时v＝(μ×j)％M；

f.若j＝k，则输出{μ¹,μ²,...,μ^k}和{v¹,v²,...,v^k}，否则重复步骤S3；

S4.使用洗牌算法G对S3得到的结果进行打乱，得到哈希值；具体为洗牌算法G包括一个range串和若干个scratch串，range串为分组粗粒化玻色采样的单光子最大概率标签，scratch串为分组粗粒化玻色采样的多光子最大概率标签；步骤S4具体为，根据步骤S3得到的输出{μ¹,μ²,...,μ^k}和{v¹,v²,...,v^k}，令{μ¹,μ²,...,μ^k}为洗牌算法G的range串，{v¹,v²,...,v^k}为洗牌算法G的scratch串；将range串和scratch串进行打乱；最终得到打乱之后的数据作为哈希值。