SETAEI / RESEARCH LAB← Tilbake til nøkkelverktøyet

Dette er v1 (2 forsøk per celle). Se v2 med 30 forsøk, sensurering, ML-læringskurve og to positivkontroller (MOV og Smart) →

Kan vi regne baklengs?

Målbart og reproduserbart ECDLP-forsøk. Ni elliptiske kurver med verifisert primtallsorden fra 16 til 48 bit, fire tilnærminger, og en faktisk gjennomført MOV-positivkontroll.

Generert: 2026-10-22 00:46:48 UTC · Fast tilfeldig seed: 20261022. Ingen virkelige wallet-nøkler brukes.

Kurvestørrelser9 × 16–48 bit
MOV-positivkontrollPASS
Trenings- og testnøklerHelt adskilt

Faktisk målte gruppeoperasjoner

Vertikal akse er log₂ antall gruppeoperasjoner. Bare fullførte, verifiserte tester plottes. Manglende datapunkter er ikke målt.

1620242832364044482^02^42^82^122^162^20exhaustive: 16 bit, 6737 operasjonerexhaustive: 16 bit, 18217 operasjonerBSGS: 16 bit, 343 operasjonerBSGS: 16 bit, 354 operasjonerBSGS: 20 bit, 1021 operasjonerBSGS: 20 bit, 1374 operasjonerBSGS: 24 bit, 4761 operasjonerBSGS: 24 bit, 5748 operasjonerBSGS: 28 bit, 17542 operasjonerBSGS: 32 bit, 88311 operasjonerPollard rho: 16 bit, 416 operasjonerPollard rho: 16 bit, 492 operasjonerPollard rho: 20 bit, 4172 operasjonerPollard rho: 20 bit, 9929 operasjonerPollard rho: 24 bit, 2704 operasjonerPollard rho: 24 bit, 21675 operasjonerPollard rho: 28 bit, 80556 operasjonerexhaustiveBSGSPollard rho

Forventet vekst – ikke målte tall

Stiplet modellskisse, forankret i første målte resultat per metode: uttømmende søk O(n), BSGS og Pollard rho O(√n). Dette er en prognose, ikke en påstand om faktisk tid på 48 bit.

1620242832364044482^02^82^162^242^322^40Exhaustive ~ n (modell)BSGS ~ √n (modell)Pollard rho ~ √n (modell)

Forsøksresultater

BitMetodeForsøkStatusGruppeoperasjonerSekunder
16exhaustive1found18,2170.0250
16exhaustive2found6,7370.0123
16BSGS1found3430.0005
16BSGS2found3540.0006
16Pollard rho1found4160.0007
16Pollard rho2found4920.0007
20exhaustive—skipped_budget——
20BSGS1found1,0210.0017
20BSGS2found1,3740.0024
20Pollard rho1found9,9290.0170
20Pollard rho2found4,1720.0084
24exhaustive—skipped_budget——
24BSGS1found5,7480.0099
24BSGS2found4,7610.0090
24Pollard rho1found21,6750.0385
24Pollard rho2found2,7040.0048
28exhaustive—skipped_budget——
28BSGS1found17,5420.0323
28Pollard rho1found80,5560.1634
32exhaustive—skipped_budget——
32BSGS1found88,3110.1894
32Pollard rho1capped150,0000.3357
36exhaustive—skipped_budget——
36BSGS—skipped_budget——
36Pollard rho—skipped_budget——
40exhaustive—skipped_budget——
40BSGS—skipped_budget——
40Pollard rho—skipped_budget——
44exhaustive—skipped_budget——
44BSGS—skipped_budget——
44Pollard rho—skipped_budget——
48exhaustive—skipped_budget——
48BSGS—skipped_budget——
48Pollard rho—skipped_budget——

ML-baseline: 5 nærmeste naboer

ML får offentlige punktkoordinater (X,Y) og lærer en regresjon til nøkkeltallet k. Ingen testnøkler finnes i treningsdata. «Forventet flakstreff» = antall tester /(n−1), altså ren tilfeldig nøkkelgjetning. Treff=0 på 60 tester gir ingen statistisk kraft til å skille mellom ekstremt små sannsynligheter.

BitTrening / testML-treffTilfeldige treffForventede tilfeldige treffBitlikhet
16256 / 60000.001229649.0%
20256 / 60000.000076449.4%
24256 / 60000.000004848.6%
28256 / 60000.000000351.1%
32256 / 60000.000000049.4%
36256 / 60000.000000050.6%
40256 / 60000.000000050.2%
44256 / 60000.000000048.5%
48256 / 60000.000000048.9%

Positiv kontroll: kjent svak supersingulær kurve

Bestått: Testen bruker den faktiske MOV-reduksjonen med en redusert Tate-paring til Fp², ikke bare et teoretisk flagg.

p=131203, undergruppe n=32801 (16 bit), embedding degree 2. En skjult nøkkel 5271 ble gjenfunnet som 5271 gjennom reduksjon til en endelig-felt-diskret logaritme. Verifisert med kG=Q. Tid: 0.0012 sekunder.

Smart-angrepet på anomale kurver er ikke implementert; det er oppført som ikke kjørt, ikke som feilslått kontroll. En ren ML-regressor får ikke automatisk tilgang til paringsstrukturen; MOV-resultatet viser at den matematiske positivkontrollen fungerer, ikke at ML har lært MOV.

Vekstregresjon fra målinger

Forventet log₂-stigning: omtrent 1 for lineært søk og 0,5 for kvadratrotsmetoder. Få observasjoner og tilfeldig variasjon gjør estimatene usikre.

Data og reproduserbarhet

Python-kildeAlle resultater (JSON)Søkeresultater (CSV)ML-test (CSV)

Kan kjøres lokalt med python3 benchmark.py --seed 20261022. Ingen Python-tillegg nødvendig. Kjøring med større budsjett: python3 benchmark.py --extended. Status «skipped_budget» og «capped» er ressursgrenser, ikke nederlag for metoden.