MODULE m6 · 8.0 HOURS

性能评估与基准测试

已完成 0%

LEARNING OBJECTIVES

本模块目标

  1. 理解后量子密码算法 (ML-KEM) 的性能评估指标（时间、内存、处理量）。
  2. 分析在 TLS 1.3 握手过程中 KEM 运算对性能的影响。
  3. 利用 Liboqs 及 oqs-provider 框架对混合密码模式进行基准测试。

性能评估与基准测试

向后量子密码 (PQC) 的转换不仅是算法替换问题，更是直接关乎现有网络协议（如 TLS 1.3）性能的问题。特别是 KEM (Key Encapsulation Mechanism) 运算直接影响握手延迟 (latency) 以及服务器每秒处理连接数 (handshakes per second) [S2]。

性能指标

  1. 运算时间 (Computation Time): 密钥生成 (KeyGen)、封装 (Encaps)、反封装 (Decaps) 各自消耗的 CPU 周期或时间 (ms)。
  2. 数据大小: 公钥及封装后的密钥 (ciphertext) 大小。这决定了网络带宽消耗及产生碎片化的可能性。
  3. 处理量 (Throughput): 每秒可处理的握手次数。优化的实现（如利用 AVX-512）可以通过提升多项式乘法及模运算速度显著改善处理量 [S2]。

混合模式

转换期推荐采用传统算法 (ECDH) 与 PQC (ML-KEM) 并存的混合方法。此举旨在防范 PQC 可能存在的脆弱性，同时获取 PQC 的安全优势。由于混合模式增加了运算复杂度，必须缜密评估其性能损耗 [S2]。

WORKED EXAMPLES

讲解示例

  1. 示例 1：使用 Liboqs 进行单 KEM 运算基准测试 通过 Python 脚本，使用 `timeit` 模块测量 `ML-KEM-768` 的 `keypair`, `encaps`, `decaps` 动作时间，并将结果保存为 CSV 的方法。
  2. 示例 2：混合 TLS 1.3 握手处理量测量 在应用 oqs-provider 的本地服务器/客户端环境中，使用 `s_client` 和 `s_server` 测量 100 次连接所耗费的总时间，从而计算每秒握手次数 (TPS) 的分析流程。

LAB PROTOCOL

PQC 性能基准测试实操

  1. 1

    在隔离开发环境中安装 liboqs 和 oqs-provider 并确认环境配置。

  2. 2

    编写基准测试用 Python 脚本，测量 ML-KEM 算法的运算时间。

  3. 3

    执行 Wireshark 捕获 TLS 握手数据包，分析混合模式下的数据大小变化。

  4. 4

    基于测量数据，将运算时间与处理量指标进行图表化。

安全检查
  • 实验仅在本地隔离环境内进行，绝对不得使用生产环境的证书或密钥。
  • 由于基准测试过程可能产生高 CPU 负载，请监控系统资源。
  • 注意确保捕获文件中不包含真实秘密值或密钥数据。

实验提交物

  • 运算性能测量脚本 (.py)
  • 测量结果 CSV 数据
  • 各算法性能对比分析报告 (.md 或 .ipynb)

ASSIGNMENT

基于密码敏捷性的性能评估报告

提交物

评分标准

  • 基准测试数据是否在可重现且独立的环境中测量？
  • 是否准确分析了性能损耗的技术原因（密钥大小、运算复杂度）？
  • 是否平衡讨论了混合模式的优势与成本？

KNOWLEDGE CHECK

理解检查

1在 TLS 1.3 握手性能中，最重要的 PQC 算法相关要素是？
2进行性能评估时使用混合模式的主要原因是？

FIELD CHECK

完成标准

  • 基准测试脚本运行及结果数据获取完毕
  • 性能评估报告提交并审核通过
  • 完成 TLS 混合模式性能分析

MODULE SOURCES

本模块参考资料

  1. Faster Post-Quantum TLS 1.3 Based on ML-KEM: Implementation ...arxiv.org · paper