论文部分内容阅读
在STOC 2009上,Dodis,Kalai和Lovett研究了(静态的)带有指数级难以求逆辅助输入的LPN(Learning Parity with Noise)问题的困难性,他们通过引入一个新的假设(被称为带噪声的子空间学习问题,Learning Subspace with Noise)证明了LPN问题在高噪声条件下是准多项式(quasi-polynomial)困难的,然而他们的结果并未在LPN的标准假设下得到证明.本文将介绍Yu(ePrint 2009/467)以及Goldwasser等人在