🔢 mathematics

Canonical Byte-String Encoding for Finite-Ring Cryptosystems

Este artículo presenta un códec de longitud base-m canónico para mapear cadenas de bytes a residuos módulo $m$ en criptosistemas de anillos finitos, respaldado por una implementación en Rust, una formalización verificada en Lean 4 y un análisis de rendimiento.

Autores originales: Kyrylo Riabov, Serhii Kryvyi

Publicado 2026-03-25

📖 4 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Kyrylo Riabov, Serhii Kryvyi

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

¡Claro que sí! Imagina que este artículo es como un manual de instrucciones para una "caja de transporte" mágica diseñada para criptografía moderna.

Aquí tienes la explicación en español, usando analogías sencillas:

📦 El Problema: ¿Cómo meter un elefante en un camión pequeño?

Imagina que tienes un sistema de seguridad (criptografía) que funciona como una fábrica de pasteles (el "anillo finito"). Esta fábrica solo acepta ingredientes que sean números enteros pequeños (como 0, 1, 2... hasta un límite $m$ ).

Pero tú quieres enviarle un mensaje real: un texto, una foto o un archivo binario. Esos son como elefantes gigantes (bytes, cadenas de caracteres). La fábrica no sabe qué hacer con un elefante; solo sabe manejar sus pequeños números.

Antes de este artículo, la gente hacía esto "a mano": inventaba sus propias reglas para convertir el texto a números, lo cual era confuso y propenso a errores.

🚀 La Solución: La "Caja Estándar" (Base-m-len)

Los autores (dos investigadores de Ucrania) han creado una caja de transporte estandarizada llamada Base-m-len. Es como una máquina automática que convierte cualquier archivo (elefante) en una lista de números pequeños (ingredientes) que la fábrica criptográfica puede entender perfectamente.

¿Cómo funciona esta máquina? (La Analogía del Tren)

Imagina que tu mensaje es un tren de vagones. Para enviarlo, la máquina hace tres cosas:

La Cabecera (El Billete de Viaje):
Antes de subir los vagones, la máquina escribe un billete fijo al principio que dice: "¡Oye! Este tren tiene exactamente X vagones".
- Por qué es genial: El receptor sabe exactamente cuándo detenerse. Si el tren tiene 100 vagones, el receptor lee 100 y luego... ¡ignora todo lo que venga después! Esto es como si alguien te enviara una carta y, por error, pegara un trozo de papel extra al final; tú solo lees la carta y tiras el trozo extra.
El Estado (La Brújula):
Luego, escribe un segundo número fijo que actúa como una "brújula" o estado inicial. Esto asegura que el receptor sepa exactamente dónde empezar a leer el tren para reconstruirlo sin errores.
El Carga (Los Vagones):
Finalmente, convierte el mensaje original en una lista de números pequeños (residuos) y los coloca en el tren.
- La magia: La máquina usa un truco matemático (basado en un sistema llamado rANS) para convertir los bytes grandes en estos números pequeños de forma reversible. Es como convertir una receta de cocina compleja en una lista de ingredientes simples que, al volver a mezclarlos, te dan el mismo pastel exacto.

🛡️ ¿Por qué es tan importante esto?

Es "Canónico" (Estándar de Oro):
Antes, cada programador hacía su propia conversión. Si tú y yo enviábamos el mismo mensaje, podríamos convertirlo a números diferentes. Con esta "caja", todos convertimos el mensaje exactamente igual. Es como tener un idioma universal para las máquinas.
Es Infalible (La Prueba Matemática):
Los autores no solo escribieron el código; usaron un "detective matemático" llamado Lean 4 para probar, paso a paso, que la máquina nunca falla.
- Analogía: Es como si un arquitecto no solo dibujara un puente, sino que usara un superordenador para simular terremotos, huracanes y camiones pesados, y el ordenador dijera: "Sí, este puente nunca se caerá".
Es Rápido y Eficiente:
Las pruebas muestran que esta caja es muy rápida. Convierte archivos grandes en números pequeños casi instantáneamente, mucho más rápido que los métodos antiguos que intentaban hacer todo de una sola vez.

🎯 En Resumen

Este artículo presenta un traductor universal y a prueba de fallos para la criptografía moderna.

Entrada: Tu archivo o mensaje (texto, imagen, etc.).
Proceso: La "Caja Base-m-len" lo convierte en una lista de números pequeños, le pone una etiqueta de "tamaño" y una "brújula".
Salida: Un tren de números listo para ser procesado por sistemas de seguridad avanzados.
Ventaja: El receptor sabe exactamente cuándo parar, ignora el ruido extra, y puede reconstruir tu mensaje original al 100% de precisión.

Es como tener un sistema de envío de paquetes donde la caja siempre dice exactamente qué hay dentro, cuánto pesa y cómo abrirse, sin importar si el paquete es una carta o un mueble gigante, y todo está garantizado matemáticamente para que nunca se pierda nada en el camino.

Resumen Técnico: Codificación Canónica de Cadenas de Bytes para Criptografía de Anillo Finito

1. El Problema

Los sistemas criptográficos basados en anillos (ring-mapping cryptosystems), como los utilizados en cifrado de preservación de formato, computación multipartita segura (MPC), cifrado totalmente homomórfico (FHE) y pruebas de conocimiento cero (ZK), requieren que los mensajes se representen como elementos del anillo de enteros módulo $m$ ( $\mathbb{Z}_m$ ) antes de aplicar cualquier transformación algebraica de cifrado o descifrado.

El problema identificado en el artículo es la falta de una capa de representación estandarizada y canónica para convertir datos arbitrarios (texto UTF-8 o datos binarios) en residuos de $\mathbb{Z}_m$ . Las implementaciones anteriores a menudo utilizaban tablas de símbolos fijas o alfabetos construidos a mano, lo cual es suficiente para demostraciones teóricas pero insuficiente para protocolos generales que manejan datos binarios o texto variable. Se necesita un codec (codificador/decodificador) que sea:

Canónico: Determinista y único para cada entrada.
Auto-delimitado: Capaz de indicar dónde termina el mensaje sin metadatos externos.
Exacto: Sin pérdida de información al convertir bytes a residuos y viceversa.
Verificable: Con garantías matemáticas de corrección.

2. Metodología: El Codec Base- $m$ -len

Los autores proponen un nuevo esquema llamado base- $m$ -len, diseñado específicamente para mapear cadenas de bytes (de longitud menor a $2^{64}$ ) a listas de residuos módulo $m$ .

Componentes del Formato de Transmisión (Wire Format):
El formato codificado consta de tres partes concatenadas:

Prefijo de Longitud ($len$): Una codificación de ancho fijo en base $m$ de la longitud de la cadena de bytes original.
Prefijo de Estado ($state$): Una codificación de ancho fijo en base $m$ del estado final del proceso de transducción.
Carga Útil ($payload$): Un flujo de dígitos en base $m$ generado mediante una transducción uniforme.

Algoritmo de Codificación:

Se basa en una adaptación de sistemas rANS (Range Asymmetric Numeral Systems) propuestos por Duda, pero con un propósito diferente: no es un codificador de entropía probabilístico, sino una representación determinista.
El codificador procesa los bytes de entrada en orden inverso (de derecha a izquierda).
Mantiene un estado interno $x$ . Antes de actualizar el estado con un nuevo byte ( $x \leftarrow 256x + b$ ), normaliza el estado emitiendo dígitos en base $m$ mientras $x$ supere un umbral específico.
Al finalizar el escaneo, el estado final se codifica como un prefijo fijo.
Los dígitos emitidos se invierten para formar el flujo de carga útil en orden FIFO (primero en entrar, primero en salir), permitiendo al decodificador leer de izquierda a derecha.

Algoritmo de Decodificación:

Lee primero el prefijo de longitud para saber cuántos bytes recuperar.
Lee el prefijo de estado inicial.
Reconstruye los bytes original aplicando la operación inversa ( $x \leftarrow \lfloor x/256 \rfloor$ ) y consumiendo dígitos de la carga útil cuando el estado cae por debajo de un límite inferior.
Tolerancia a Sufijos: Una característica clave es que el decodificador se detiene exactamente después de recuperar la longitud declarada. Cualquier dígito válido adicional al final (sufijo) se ignora silenciosamente, lo que permite la concatenación de flujos o el manejo de relleno sin errores.

3. Contribuciones Clave

El artículo presenta tres contribuciones principales:

Definición de un Codec Canónico: Se define formalmente el codec base- $m$ -len para protocolos de anillo finito, parametrizado por el módulo $m$ . Soporta cadenas de bytes de longitud $< 2^{64}$ .
Garantías de Corrección y Verificación Formal:
- Se demuestra la inversión exacta de los prefijos de ancho fijo.
- Se establecen límites estrictos para el estado de la carga útil ( $L \leq state < L \cdot m$ ), asegurando que nunca exceda $2^{64}$ .
- Se prueba la corrección de ida y vuelta (roundtrip) a nivel de flujo: Decode(Encode(bytes)) == bytes.
- Se formaliza la tolerancia a sufijos, demostrando que datos adicionales válidos no corrompen la decodificación.
Implementación y Formalización:
- Rust: Una biblioteca de referencia (sym-adv-encoding) con implementaciones de alto rendimiento.
- Lean 4: Una formalización completa del codec abstracto con pruebas verificadas por máquina. Esto asegura que las propiedades matemáticas (como la invertibilidad de los prefijos y los límites de estado) son rigurosamente correctas, no solo teóricas.

4. Resultados y Evaluación

Análisis de Complejidad:

Tiempo: La codificación y decodificación son lineales $O(n)$ respecto a la longitud de la entrada.
Espacio: Requiere estado de trabajo constante $O(1)$ más los buffers de entrada/salida.
Costo de Representación:
- La carga útil tiene una tasa asintótica de $\log_m(256)$ dígitos por byte.
- El encabezado fijo tiene un costo de $2k$ dígitos, donde $k = \lceil \log_m(2^{64}) \rceil$ .
- Para módulos grandes (ej. $m=257$ ), la tasa de carga útil se acerca a 1 dígito por byte, y el encabezado es pequeño (16 dígitos).

Rendimiento Práctico (Benchmarks en Apple M3 Pro):

El codec nativo en Rust es significativamente más rápido que las conversiones de radix completas basadas en BigUint (que son el estándar de referencia para representaciones canónicas).
Ejemplo: Para codificar 64 KiB con $m=65$ , el codec nativo alcanza 188.1 MiB/s, mientras que la referencia BigUint solo logra 1.285 MiB/s.
La decodificación es aún más rápida, alcanzando hasta 669.1 MiB/s para $m=257$ .

5. Significado y Aplicaciones

Capa de Representación Fundamental: Este trabajo proporciona la "capa de transporte" necesaria para que los protocolos criptográficos modernos (como los estudiados en el proyecto SYMPZON) puedan operar sobre datos binarios reales en lugar de solo ejemplos teóricos.
Seguridad y Limitaciones:
- El codec es determinista y público; no proporciona confidencialidad, integridad ni autenticidad por sí mismo. Es una herramienta de serialización, no un primitivo criptográfico.
- Expone la longitud exacta del mensaje, por lo que si se requiere ocultamiento de longitud, debe manejarse en la capa del protocolo superior.
- La formalización en Lean cubre la especificación abstracta, pero la implementación en Rust (manejo de memoria, límites de asignación) queda bajo responsabilidad de la ingeniería de software.
Interoperabilidad: Al generar flujos de residuos canónicos en $\mathbb{Z}_m$ , este codec se integra directamente con las capas de transporte $\mathbb{Z}_m \leftrightarrow G_m$ utilizadas en sistemas de mapeo de anillos existentes.

En conclusión, el artículo resuelve un problema práctico y fundamental en la criptografía de anillo finito: cómo representar datos arbitrarios de manera eficiente, verificable y estandarizada para su procesamiento algebraico, ofreciendo una solución que es tanto matemáticamente robusta (verificada en Lean) como altamente eficiente en la práctica (implementada en Rust).