밀러-라빈 소수판별법

밀러-라빈 소수판별법(Miller-Rabin primality test)은 입력으로 주어진 수가 소수인지 아닌지 판별하는 알고리즘이다. 라빈-밀러 소수판별법(Rabin-Miller primality test)이라고도 한다. 개리 L. 밀러의 원래 알고리즘은 일반 리만 가설에 기반한 결정론적 알고리즘이었는데, 미하엘 라빈확률적 알고리즘으로 변경했다.

이론적 배경 편집

페르마 판별법이나 솔로바이-스트라센 소수판별법과 마찬가지로, 밀러-라빈 소수판별법은 소수가 가지는 특별한 성질을 이용한다.  이 홀수인 소수라고 할 때,    라고 할 수 있다. 이때,  는 정수이고  는 홀수이다. 이것은  을 계속해서 2로 나눈 형태이다. 이제 어떤  에 대해, 다음 식 중 한 가지가 성립한다.

  •  
  •  

위 두 가지 식 중에서 한 가지가 성립한다는 것은 다음과 같은 페르마 소정리에서 유도할 수 있다

 

 의 제곱근을 계속 구해나가면, 1 이거나 -1을 얻게 된다. 만약 -1이 나오면 두 번째 식이 성립하는 것이고, 더 이상 검사하지 않아도 된다.

제곱근을 계속 구해나가도 두 번째 식이 성립하지 않으면, 마찬가지로 1이나 -1의 값을 가질 첫 번째 식을 검사해야 한다. 그런데, 두 번째 식이 성립하지 않는다면,  일 때 성립할 수 없고 결과적으로 다음 식이 성립한다.

 

그러므로 두 번째 경우가 성립하지 않으면, 첫 번째는 반드시 성립한다.

밀러-라빈 소수판별법은 위와 같은 관계를 이용한다.  이 소수인지 아닌지 검사하려고 할 때, 다음 두 식이 성립하면   이 합성수라는 것에 대한 강한 증거(strong witness)가 된다.

  •  
  •  

만약 위 식이 성립하지 않으면  강한 거짓증거(strong liar)라 하고,  아마 소수일 것 같다(probable prime)고 한다.

알고리즘 및 시간복잡도 편집

알고리즘은 다음과 같다.

입력:  : 소수인지 검사할 숫자 ,  : 소수판별법을 몇회 실행할지 결정하는 인자.
출력:  이 합성수이면 합성수이다, 아니면 아마 소수일 것 같다는 것을 반환한다.
   형태로 바꾼다.
다음을 k 번 반복한다.
 에서 임의의  를 선택한다.
 의 모든  에 대해  이고  이면 합성수이다.
위 조건을 만족하지 않으면 소수일 것 같다.

제곱을 반복하는 방법으로 모듈로 지수승을 계산하면 이 알고리즘의 시간복잡도는  이다.(  의 개수이다.) 이때 FFT를 이용하여 곱셈의 횟수를 줄이면 시간복잡도를  로 줄일 수 있다.

작은 수에 대한 판별 편집

판별할 수  의 크기가 작을 경우, 작은 수의  에 대해서만 검사해보면 결정론적으로 소수를 판별할 수 있다는 것이 알려져 있다. Pomerance, Selfridge, Wagstaff,[1] 그리고 Jaeschke[2]에 의하면

  •  일 경우  에 대해서만 검사해보면 충분하다
  •  일 경우  에 대해서만 검사해보면 충분하다
  •  일 경우  에 대해서만 검사해보면 충분하다
  •  일 경우  에 대해서만 검사해보면 충분하다
  •  일 경우  에 대해서만 검사해보면 충분하다
  •  일 경우  에 대해서만 검사해보면 충분하다

참고 편집

다른 확률적 소수판별 알고리즘과 마찬가지로,  이 소수가 아닌데도 알고리즘 실행결과 언제나 거짓증거가 나와서  이 소수라고 잘못 판별할 수 있다. 이런  강한 의사소수라고 한다.

소수판별에 필요한 검사를 여러 번 하면 할수록 정확도는 높아진다. 모든 홀수 소수  에 대하여  의 최소한 3/4은  이 합성수라는 것에 대한 강한 증거가 된다. 밀러-라빈 소수판별법의 강력한 거짓증거 집합은 솔로바이-스트라센 소수판별법의 강력한 거짓증거 집합의 부분집합이다. 그러므로, 밀러-라빈 소수판별법이 솔로바이-스트라센 소수판별법보다 더 강력한 소수판별법이다.  이 합성수일 때, 밀러-라빈 소수판별법에서  이 아마도 소수일 것이라고 판별할 확률은 최대  이다. 반면에, 솔로바이-스트라센 소수판별법에서 합성수  이 아마도 소수일 것이라고 판별할 확률은 최대  이다.

평균적으로 어떤 합성수가 아마도 소수일 것이라고 판별될 확률은  보다 현저히 낮다. 확률의 한계값을 Damgard, Landrock , Pomerance등이 명확하게 계산한 결과가 있는데, 이것은 소수를 생성하는데만 사용할 수 있고 소수를 판별하는데는 사용할 수 없다. 암호학에서 공격자가 소수 대신 의사소수를 사용하여 암호시스템을 공격하려 할 수도 있다. 이런 공격에 안전하려면 의사난수인지 더 엄밀하게 검사해야 하므로,  이라는 확률을 사용하는 것이 안전하다.

일반화 리만 가설이 맞다면,  개의  로 검사했을 때 '아마 소수일 것'이라고 판별되었으면 이 수는 실제로 소수이다. 이때, 이 알고리즘은  의 시간복잡도를 가지는 '결정론적' 소수판별법이 된다.

각주 편집

  1. Pomerance, C.; Selfridge, J. L. & Wagstaff, S. S., Jr. (1980), “The pseudoprimes to 25·109”, 《Mathematics of Computation》 35 (151): 1003–1026, doi:10.2307/2006210 
  2. Jaeschke, Gerhard (1993), “On strong pseudoprimes to several bases”, 《Mathematics of Computation》 61 (204): 915–926, doi:10.2307/2153262 

참고 문헌 편집

  • I. Damgard, P. Landrock and C. Pomerance (1993), Average case error estimates for the strong probable prime test, Math. Comp. 61(203) p.177–194.
  • Thomas H. Cormen, Charles E. Leiserson, Ronald L. Rivest, and Clifford Stein. Introduction to Algorithms, Second Edition. MIT Press and McGraw-Hill, 2001. ISBN 0-262-03293-7. Pages 890–896 of section 31.8, Primality testing.

외부 링크 편집