SHBS Benchmark Data for XMSS and LMS

SHBS Benchmark Data是由国家标准与技术研究院（NIST）推荐的，用于支持系统设计者理解XMSS和LMS两种状态哈希基于签名算法的配置选项差异。该数据集包含了这两种算法的多个参数配置下的性能基准数据，如签名数、签名大小、公钥大小和验证时间等。数据集的创建是为了帮助系统设计者在选择SHBS参数选项时进行相对性能比较，并适应未来可能面临量子计算威胁的应用场景。

SHBS Benchmark Data is recommended by the National Institute of Standards and Technology (NIST) to help system designers understand the differences in configuration options between two stateful hash-based signature algorithms, XMSS and LMS. This dataset includes performance benchmark data under multiple parameter configurations of these two algorithms, such as the number of signatures, signature size, public key size, verification time, and other related metrics. The dataset was created to assist system designers in conducting relative performance comparisons when selecting SHBS parameter options, and to cater to application scenarios facing potential quantum computing threats in the future.

搜集汇总

数据集介绍

构建方式

SHBS Benchmark Data for XMSS and LMS数据集是由美国国家标准与技术研究院（NIST）构建的，旨在支持系统设计师理解不同配置选项之间的差异。该数据集通过使用libOQS库版本0.11.1-dev生成，包含了XMSS和LMS两种算法的多个参数配置下的性能基准数据。

特点

该数据集的特点在于提供了XMSS和LMS算法在不同参数配置下的详细性能比较，包括签名数量、签名大小、公钥大小和验证时间等关键指标。数据集还包含了非状态签名算法SPHINCS+和传统ECDSA算法的基准数据，以便进行对比分析。

使用方法

使用该数据集时，研究者可以根据提供的基准数据比较不同SHBS参数选项的相对性能。数据集适用于需要在边缘环境中运行的系统，这些系统对计算、通信或存储资源的需求极为敏感。用户可以通过分析数据集来优化系统设计，确保选择最合适的参数配置以满足系统性能和安全要求。

背景与挑战

背景概述

SHBS Benchmark Data for XMSS and LMS数据集，由美国国家标准与技术研究院（NIST）推荐，旨在为长期应用提供抵御未来量子计算机威胁的哈希-based数字签名方案。该数据集由Brian Romansky、Thomas Mazzuchi和Shahram Sarkani等研究人员于2025年发布，主要研究问题是探索XMSS和LMS两种算法在不同参数配置下的性能差异。该数据集对于理解SHBS算法参数对数字签名大小、公钥大小、签名生成次数以及验证签名所需计算量的影响具有重要意义，为系统设计者提供了重要的参考。

当前挑战

研究者在构建SHBS Benchmark Data for XMSS and LMS数据集时面临了多个挑战。首先，需要解决的是领域问题，即如何准确比较不同参数配置下XMSS和LMS算法的性能。其次，构建过程中遇到的挑战包括算法参数的选取、实验环境的配置以及大量数据的收集和处理。具体而言，算法参数的选择对签名大小、公钥大小、可生成签名数量及验证签名的计算成本有显著影响，而实验环境的配置则需要保证数据的一致性和可比性。最后，大数据的收集和处理需要高效的数据管理方法和强大的计算资源。

常用场景

经典使用场景

SHBS Benchmark Data for XMSS and LMS数据集在经典使用场景中，主要被应用于评估和比较不同XMSS和LMS算法参数配置下的性能表现。该数据集提供了这些算法在数字签名生成、公钥和私钥大小、签名验证计算量等方面的详尽基准数据，使得系统设计者能够理解不同配置选项之间的差异，进而为设计满足特定性能和存储需求的系统提供参考。

衍生相关工作

基于该数据集，衍生出了多项相关工作，如针对SHBS算法的优化研究、新型后量子签名算法的性能评估、以及在不同硬件和软件平台上的实现与优化。这些研究进一步拓展了SHBS算法在理论和实践中的应用范围，为后量子密码学的发展提供了重要支撑。

数据集最近研究

最新研究方向

SHBS Benchmark Data for XMSS and LMS数据集的近期研究方向主要集中在理解不同配置选项对数字签名大小、公钥大小、密钥对生命周期的签名数量以及验证签名的计算努力的影响。该数据集旨在为系统设计师提供一个参考，以比较不同SHBS参数选项之间的相对性能，从而应对量子计算机未来威胁的保护需求。研究的影响和意义在于为后量子时代的安全系统设计提供了重要的性能比较基准，有助于优化系统状态管理和签名验证过程，特别是在嵌入式和物联网系统中具有重要意义。

相关研究论文

• Stateful Hash-Based Signature (SHBS) Benchmark Data for XMSS and LMS

  国家标准与技术研究院（NIST） · 2025年