💻 computer science

Quantum Hash Function Based on Spectral Properties of Graphs and Discrete Walker Dynamics

Dieses Paper stellt QGH-256 vor, einen neuartigen Quanten-Hashing-Algorithmus, der 256-Bit-Fingerabdrücke generiert, indem er Nachrichten auf gewichtete Graphen auf einem toroidalen Gitter abbildet und die Quanten-Phasenschätzung nutzt, um spektrale Merkmale zu extrahieren, welche sowohl strukturelle als auch dynamische Eigenschaften erfassen, wobei die starke kryptographische Sensitivität und Durchführbarkeit durch Qiskit-Simulationen nachgewiesen werden.

Ursprüngliche Autoren: Mohana Priya Thinesh Kumar, Pranavishvar Hariprakash

Veröffentlicht 2026-06-30

📖 6 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Mohana Priya Thinesh Kumar, Pranavishvar Hariprakash

Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Das große Ganze: Ein neuer digitaler Fingerabdruck

Stellen Sie sich vor, Sie müssten eine lange, unordentliche Geschichte (wie einen Roman) in einen einzigen, einzigartigen Fingerabdruck verwandeln. In der digitalen Welt nutzen wir dafür normalerweise „Hash-Funktionen“ (wie SHA-256). Aber die Autoren dieser Arbeit sind besorgt, dass zukünftige Quantencomputer diese alten Fingerabdrücke knacken könnten.

Deshalb haben sie einen neuen Typ von Fingerabdruck namens QGH-256 entwickelt. Anstatt nur Berechnungen mit Zahlen durchzuführen, verwandelt diese Methode Ihre Nachricht in eine Karte, schickt einen „Walker“ (Wanderer) über diese Karte und nutzt dann die Quantenphysik, um die „Vibrationen“ der Karte zu messen, um den endgültigen Fingerabdruck zu erstellen.

Schritt 1: Wörter in eine Karte verwandeln (Der Walker)

Die Analogie: Stellen Sie sich einen winzigen Roboter vor, der auf einem quadratischen Gitter (wie einem Schachbrett) läuft, das um sich selbst herumläuft (wenn man rechts aus dem Rand läuft, erscheint man links). Dies wird als „toroidales Gitter“ bezeichnet.

Wie es funktioniert: Sie nehmen Ihre Nachricht (z. B. „Hallo“) und wandeln sie in Binärcode (0en und 1en) um.
Der Gang des Walkers: Der Roboter läuft nicht zufällig. Er liest Ihre Nachricht Bit für Bit.
- Wenn er 00 sieht, geht er nach Norden.
- Wenn er 01 sieht, geht er nach Süden.
- Wenn er 10 sieht, geht er nach Osten.
- Wenn er 11 sieht, geht er nach Westen.
Die Karte: Während der Roboter wandert, hinterlässt er eine Spur. Jedes Mal, wenn er eine Linie (eine Kante) auf dem Gitter kreuzt, fügt er dieser Linie basierend auf den Zahlen in Ihrer Nachricht ein „Gewicht“ hinzu.
Das Ergebnis: Sie erhalten eine einzigartige, gewichtete Karte. Wenn Sie auch nur einen einzigen Buchstaben in Ihrer Nachricht ändern (z. B. von „Hallo“ zu „Hella“), nimmt der Roboter einen völlig anderen Pfad und erstellt eine völlig andere Karte.

Warum das wichtig ist: Die Autoren behaupten, dass die Karte ungerichtet ist (der Roboter zeichnet nicht auf, in welche Richtung er geschaut hat, sondern nur, wie oft er eine Linie überquert hat), was es unglaublich schwer macht, die Karte zu betrachten und die ursprüngliche Nachricht zu erraten. Es ist, als versuche man zu erraten, welchen Pfad ein Wanderer genommen hat, indem man nur den abgetretenen Grasweg betrachtet, ohne zu wissen, wo er gestartet ist oder wo er endet.

Schritt 2: Auf die „Musik“ der Karte hören (Spektrale Fingerabdruckbildung)

Nun haben wir diese einzigartige Karte, aber wie verwandeln wir sie in einen Fingerabdruck? Die Autoren verwenden ein Konzept aus der Physik namens Spektralanalyse.

Die Analogie: Stellen Sie sich vor, Ihre Karte ist eine riesige Trommel. Wenn Sie sie schlagen, vibriert sie. Jede Trommel hat eine spezifische Reihe von „Tönen“ (Frequenzen), die sie spielen kann, bestimmt durch ihre Form und wie straff das Fell gespannt ist.

In der Mathematik werden diese „Töne“ als Eigenwerte bezeichnet.
Die „Straffheit“ und „Form“ der Karte werden durch die Graph-Laplace-Matrix (eine ausgeklügelte mathematische Matrix, die die Verbindungen und Gewichte der Karte beschreibt) bestimmt.

Der Quanten-Kniff:
Normalerweise müsste man komplexe Gleichungen lösen, um diese Töne zu hören. Aber diese Arbeit verwendet einen Quantum Phase Estimation (QPE) Algorithmus.

Betrachten Sie QPE als ein super-sensibles Mikrofon, das die Trommel sofort „zuhören“ und Ihnen genau sagen kann, welche Töne sie spielt.
Entscheidendes Detail: Die Autoren hören nicht nur auf einen Ton. Sie senden eine „Superposition“ (einen Quantenzustand, der wie eine Mischung aus allen möglichen Startpunkten ist) in das System. Das bedeutet, der Quantencomputer hört das gesamte Lied der Karte auf einmal, einschließlich der Art und Weise, wie die Töne miteinander interagieren.

Warum dies besonders ist:
Zwei verschiedene Karten könnten versehentlich denselben Satz an Tönen haben (dies wird als „ko-spektral“ bezeichnet). Da die Autoren jedoch darauf hören, wie die Töne mit der spezifischen Struktur der Karte interagieren (den Eigenvektoren), können sie zwischen zwei Karten unterscheiden, die zwar gleich klingen, aber unterschiedlich aussehen. Dies verhindert „Kollisionen“ (bei denen zwei verschiedene Nachrichten denselben Fingerabdruck erhalten).

Schritt 3: Die Wärmespur (Der endgültige Fingerabdruck)

Sobra der Quantencomputer die „Töne“ (Eigenwerte) identifiziert hat, berechnen die Autoren etwas, das man Heat Trace (Wärmespur) nennt.

Die Analogie: Stellen Sie sich vor, Sie gießen heißes Wasser auf Ihre Karte. Die Hitze breitet sich (diffundiert) über das Gitter aus.

Die „Wärmespur“ misst, wie schnell sich die Hitze ausbreitet.
Durch die Messung zu verschiedenen Zeiten erhalten sie eine einzigartige Signatur dafür, wie die Karte geformt ist.
Diese Signatur wird dann in einen 256-Bit-Code (eine Folge von 256 Nullen und Einsen) komprimiert. Dies ist Ihr endgültiger QGH-256 Hash.

Warum ist das sicher? (Der „Lawinen-Effekt“)

Das Papier testet diese neue Methode gegen die Regeln eines guten Schlosses:

Determinismus: Wenn Sie zweimal „Hallo“ eingeben, erhalten Sie beide Male exakt denselben Fingerabdruck.
Der Lawinen-Effekt: Wenn Sie nur einen Buchstaben ändern (z. B. „Hallo“ zu „Hella“), läuft der Roboter einen völlig anderen Weg. Dies verändert die Karte, was die „Töne“ verändert, was die „Hitzeverbreitung“ verändert, was wiederum in einem völlig anderen 256-Bit-Fingerabdruck resultiert.
Pre-image Resistance (Vorbild-Resistenz): Wenn jemand den Fingerabdruck stiehlt, kann er nicht rückwärts arbeiten, um die ursprüngliche Nachricht zu finden. Die Mathematik ist zu schwer, und die Karte verliert Informationen über die Richtung des Laufs.

Der Haken: Es ist eine Simulation

Die Autoren geben zu, dass wir derzeit nicht ausreichend große, „ruhige“ Quantencomputer haben, um dies wirklich anzuwenden.

Das Problem: Echte Quantencomputer sind „verrauscht“ (wie ein Radio mit statischem Rauschen). Wenn Sie versuchen, die „Töne“ der Karte auf einem verrauschten Gerät zu hören, könnte das Ergebnis falsch sein, und der Fingerabdruck könnte sich bei jedem Durchlauf ändern.
Die Lösung in der Arbeit: Die Autoren haben ihre Tests auf einem Simulator durchgeführt (einem Computerprogramm, das einen perfekten Quantencomputer simuliert). Dies hat bewiesen, dass die Mathematik in der Theorie perfekt funktioniert.
Zukunft: Sie glauben, dass diese Methode, sobald Quantencomputer besser und weniger verrauscht sind, eine starke Verteidigung gegen Hacker sein wird, selbst gegen solche, die Quantencomputer nutzen.

Zusammenfassung

Die Autoren haben ein neues digitales Schloss gebaut.

Sie verwandeln Ihre Nachricht in einen einzigartigen Gehweg auf einem Gitter.
Sie nutzen einen Quantencomputer, um den Vibrationen dieses Pfades zuzuhören.
Sie verwandeln diese Vibrationen in einen 256-Bit-Code.

Sie behaupten, dass dies schwieriger zu knacken ist als aktuelle Methoden, da es auf der komplexen Physik davon basiert, wie ein Graph vibriert, was es selbst für zukünftige Quantencomputer sehr schwierig macht, die ursprüngliche Nachricht zu erraten oder zwei Nachrichten zu finden, die denselben Code erzeugen.

Technisches Resümee: Quanten-Hash-Funktion basierend auf spektralen Eigenschaften von Graphen und diskreter Walker-Dynamik

Problemstellung
Die Arbeit befasst sich mit der wachsenden Anfälligkeit klassischer kryptographischer Hash-Funktionen (z. B. SHA-256, MD5) gegenüber Quantencomputing-Bedrohungen. Insbesondere Algorithmen wie Shor und Grover stellen existenzielle Risiken für aktuelle Standards dar, indem sie große ganze Zahlen effizient faktorisieren und unstrukturierte Suchvorgänge beschleunigen. Während das National Institute of Standards and Technology (NIST) die Post-Quanten-Kryptographie (PQC) standardisiert, besteht ein Bedarf an quantennativen oder quantenresilienten Hashing-Schemata, die sowohl klassischen als auch Quantenangriffen standhalten können. Bestehende Ansätze verlassen sich oft auf lineare bitweise Operationen, die möglicherweise keinen ausreichenden Widerstand gegen Quantenbeschleunigungen bieten oder daran scheitern könnten, strukturell unterschiedliche Graphen zu unterscheiden, die denselben Eigenwertspektrum (kospektrale Graphen) teilen.

Methodik
Die Autoren schlagen QGH-256 vor, einen neuartigen spektralen Hashing-Algorithmus, der klassische diskrete Walker-Dynamik mit quantenspektraler Graphanalyse integriert. Der Arbeitsablauf gliedert sich in folgende Phasen:

Nachrichtengesteuerte Graphkonstruktion:
- Eingabemeldungen werden in UTF-8-Binärdaten umgewandelt und in Blöcke segmentiert.
- Ein klassischer diskreter Walker operiert auf einem festen $4 \times 4$ Torus-Gitter. Im Gegensatz zu Random Walks wird die Richtung des Walkers bei jedem Schritt deterministisch durch die Nachrichtenbits diktiert (speziell bestimmen das erste und das letzte Bit jedes Blocks die Richtung: Nord, Süd, Ost oder West).
- Der Dezimalwert jedes Blocks dient als Gewicht für die durchlaufene Kante.
- Dieser Prozess erzeugt für jede Eingabemeldung einen eindeutigen, reproduzierbaren, gewichteten ungerichteten Graphen $G = (V, E, W)$ . Die Autoren merken an, dass die Rekonstruktion der ursprünglichen Nachricht aus dem Graphen rechentechnisch schwer ist, da die Richtungsinformation durch die ungerichteten Kantengewichte verloren geht und die Rekonstruktion der Traversationssequenz komplex ist.
Spektrale Fingerabdruckbildung via Quantenphasenschätzung (QPE):
- Die Struktur des Graphen wird in eine Laplace-Matrix $L = D - A$ (Gradmatrix minus Adjazenzmatrix) kodiert.
- Um Quantenalgorithmen nutzen zu können, wird $L$ mittels Matrixexponentiation in einen unitären Operator $U = e^{iLt}$ transformiert.
- Auf $U$ wird die Quantenphasenschätzung (QPE) angewendet. Entscheidend ist, dass der Input für den QPE-Schaltkreis nicht ein einzelner Eigenvektor ist, sondern ein Superpositionszustand, der im Knotenbasis des Graphen definiert ist ( $|\psi\rangle = \sum \alpha_i |i\rangle$ ).
- Da der Input-Zustand eine Superposition der Eigenvektoren der Laplace-Matrix ist, fungiert der QPE-Prozess als Spektralanalyzer, der den Zustand in seine Frequenz- (Phasen-) Komponenten zerlegt. Die Wahrscheinlichkeit, eine bestimmte Phase zu messen, ist proportional zum Quadrat des Überlapps zwischen dem Input-Zustand und dem entsprechenden Eigenvektor.
Hitzespur (Heat Trace) und Hash-Generierung:
- Die Autoren berechnen einen „spektralen Fingerabdruck“, indem sie den Wert der Hitzespur $h(t) = \sum |c_k|^2 e^{-t\tilde{\lambda}_k}$ über mehrere Zeitskalen hinweg auswerten. Diese Metrik erfasst sowohl die Eigenwertinformationen als auch den Beitrag der Eigenvektoren (über die Koeffizienten $c_k$ ).
- Dieser Merkmalsvektor wird nachbearbeitet und zu einem fixen 256-Bit-Binär-Hash komprimiert.

Wesentliche Beiträge

Auflösung von kospektralen Kollisionen: Ein primärer theoretischer Beitrag ist die Fähigkeit der Methode, kospektrale Graphen (Graphen mit identischen Eigenwertspektren, aber unterschiedlichen Strukturen) zu unterscheiden. Durch die Verwendung eines Superpositionszustands als Input für die QPE hängt der resultierende spektrale Fingerabdruck von den Eigenvektor-Überlappungen ( $|c_k|^2$ ) ab und nicht nur von den Eigenwerten. Dies stellt sicher, dass nicht-isomorphe Graphen selbst dann unterschiedliche Fingerabdrücke erzeugen, wenn sie denselben Spektrum teilen.
Effizienz durch feste Schrittzahl: Die Autoren verbesserten frühere Walker-basierte Algorithmen, indem sie die Anzahl der Walker-Schritte (10.000) festlegten und die Blockgröße basierend auf der Nachrichtenlänge anpassten. Dies stellt sicher, dass die Rechenkosten der Graphgenerierungsphase unabhängig von der Größe der Eingabemeldung sind.
Quantennatives Design: Der Algorithmus nutzt die intrinsischen Eigenschaften der Quantenmechanik (Superposition und Phasenbestimmung), um hochentropische Fingerabdrücke zu generieren, was ihn zu einem Kandidaten für post-quanten-sichere Sicherheit macht.

Ergebnisse und Evaluierung
Die Autoren evaluieren QGH-256 unter Verwendung eines geseedten Qiskit Statevector Simulators, um rauschfreie, deterministische Ergebnisse zu gewährleisten, wobei sie anerkennen, dass aktuelle NISQ-Hardware (Noisy Intermediate-Scale Quantum) Fluktuationen einführen würde, die die Determinismus beeinflussen würden.

Determinismus: Identische Eingaben erzeugten konsistent identische 256-Bit-Hashes.
Avalanche-Effekt: Eine Änderung eines einzelnen Bits in der Eingabe (z. B. „Hello“ vs. „Hella“) führte zu einer signifikant hohen Hamming-Distanz im Output, was die Sensitivität gegenüber Eingabestörungen bestätigt.
Pre-image-Resistenz: Die Autoren argumentieren, dass die Umkehrung des Hashes aufgrund der Komplexität des inversen Eigenwertproblems des Graphen und der durch die ungerichtete Natur des Graphen eingeführten Mehrdeutigkeit unpraktikabel ist.
Rechenzeit: Die Laufzeit blieb beobachtbar nahezu konstant, unabhängig von der Nachrichtenlänge, was auf die feste Grid-Größe und die feste Anzahl der Walker-Schritte zurückzuführen ist.

Bedeutung und Ansprüche
Das Paper behauptet, dass QGH-256 durch die Integration topologischer und dynamischer Graphen-Eigenschaften eine robuste Alternative zum klassischen Hashing bietet.

Quantenresistenz: Die Autoren behaupten, dass die Abhängigkeit des Algorithmus von komplexen, nicht-linearen spektralen Berechnungen (einschließlich Matrixexponentiation und tiefer QPE-Schaltkreise) eine „schwere Oracle“-Struktur schafft. Dies erhöht signifikant die Kosten pro Iteration für einen Angreifer, der einen Grover-basierten Pre-image-Angriff durchführt, was die quadratische Beschleunigung durch den Grover-Algorithmus potenziell kompensiert.
NIST PQC-Konformität: Das Schema wird als konform mit den NIST PQC-Kriterien für Sicherheit (Widerstand gegen Quantenangriffe), Leistung (konstante Zeit relativ zur Nachrichtenlänge) und Interoperabilität (256-Bit-Output kompatibel mit bestehender Infrastruktur) präsentiert.
Ausblick: Die Autoren kommen zu dem Schluss, dass, obwohl Hardware-Limitierungen (Rauschen, Dekohärenz) eine Simulation zur Validierung erforderlich machen, der Ansatz einen lebensfähigen Weg zur Entwicklung robuster kryptographischer Primitive darstellt, sobald Quantenfehlerkorrektur und Qubit-Stabilität reifen.

Das Paper beansprucht keine sofortige Implementierung auf echter Quantenhardware, sondern positioniert QGH-256 als einen theoretischen Rahmen und ein durch Simulation validiertes Proof-of-Concept für die Post-Quanten-Kryptographie-Hashing.