基于大模型训练的新型抗量子加密范式研究
Abstract
当前基于大质数分解原理的传统RSA加密安全性面临量子计算于Shor算法的严重威胁,已然成为悬在RSA算法乃至整个现代信息安全体系之上的的达摩克利斯之剑,在后量子密码和安全需求日益迫切与人工智能大模型快速发展的背景下,本文提出一种全新的大模型加密理论体系,将大模型训练与推理过程映射为完整的加解密机制。本文将训练数据和信息定义为明文,训练的过程是加密,训练的参数是密钥(包括训练的各种初始参数,过程参数,为引导数据定义的训练数据格式都是密钥而且是私钥),大模型的参数是密文,prompt是公钥,大模型的生成是解密,通过特定的公钥就得到了特定的明文(具备概率正确性)。该加密体系的安全性主要来源于自目前transfomer注意力机制(QKV)背后的信息论原理本质未被破解、神经网络高维空间分布式存储(藏叶于林)的结构性安全、以及概率解密带来的抗逆向攻击特性。分析表明,改加密方式不依赖于传统数学难题,能够抵御量子计算攻击,可为后量子密码提供全新的研究方向和理论基础参考。
Fields of Study & Subjects
Cryptography and Data Security
Cryptographic Implementations and Security
Chaos-based Image/Signal Encryption
Publication details
- Journal / source
- Zenodo (CERN European Organization for Nuclear Research)
- Publication date
- 27 February 2026
- Language
- ZH
- Document type
- Preprint