最短向量问题：Mid-point Hessian 新突破

Solving the Shortest Vector Problem in $2^{0.6039n}$ Time via Mid-Point Hessian

最短向量问题（SVP）是格密码学的基石，其求解效率直接关系到加密系统的安全性。Minki Hhan 提出了一种全新的随机化算法，利用周期性高斯函数在最短向量中点处的 Hessian 性质，将经典算法的时间复杂度优化至 2 的 0.6039n 次方，量子算法更是降至 2 的 0.5411n 次方。这一成果显著超越了 Aggarwal 等人 2015 年提出的 2 的 n 次方算法。该方法通过离散高斯采样估算 Hessian，结合有界距离解码算法恢复最短向量，并引入随机子格陪集等优化技巧。这不仅刷新了 SVP 的求解记录，其核心优化策略也为未来算法设计提供了独立的研究价值。