TAPAS: Neue Datensätze für KI-basierte LWE-Angriffe

In der Post-Quanten-Kryptographie gilt das Learning-with-Errors‑Problem (LWE) als einer der wichtigsten Schwachstellen. Kürzlich haben KI‑gestützte Angriffe gezeigt, dass sie bei bestimmten Parametern sogar klassische Methoden übertreffen können. Trotz dieser vielversprechenden Ergebnisse fehlt es an öffentlich zugänglichen Datensätzen, die Forschern ermöglichen würden, solche Angriffe systematisch zu untersuchen und weiter zu verbessern.

Die Erstellung von LWE‑Daten für das Training von KI‑Modellen ist äußerst ressourcenintensiv und erfordert tiefgehendes Fachwissen. Diese Hürde hat die Entwicklung neuer Angriffsmethoden verlangsamt und die Forschung in diesem Bereich behindert.

Um diese Lücke zu schließen, stellt das TAPAS‑Projekt – Toolkit for Analysis of Post‑quantum Cryptography using AI Systems – eine Sammlung von LWE‑Datensätzen vor. Die Daten decken mehrere LWE‑Konfigurationen ab und sind sofort einsatzbereit, sodass KI‑Experten neue Angriffskonzepte schnell prototypisieren können. Das Projekt dokumentiert zudem die Erstellung der Datensätze, legt Leistungsbenchmarks für bestehende Angriffe fest und skizziert klare Richtungen für zukünftige Forschungsarbeiten.