Miller-Rabin 素性检测

算法介绍

根据费马小定理，设 p 是素数，a 为整数，且 gcd(a,p) = 1，则 a^p-1 mod p = 1，以及二次探测定理：如果 p 是一个素数，且 0 < x < p，且方程 x² = 1 (mod p) 成立，那么 x = 1 或 x = p - 1。Miller-Rabin 素性检测算法是基于以上两个定理的随机化算法，用于判断一个数是合数还是素数，判断 n 是否为素数的具体步骤如下：

1. 令 n - 1 = 2^k q，其中 k > 0，q 为奇数，随机选取整数 a，1 < a < n - 1
2. 若 a^q mod n = 1，则 n 有可能是素数
3. 取整数 j，0 ≤ j < k，若存在 \(a^{2^j}\) mod n = n - 1，则 n 有可能是素数；否则，n为合数

由以上分析可知，素数一定能通过测试，不通过测试的必为合数，通过测试的很可能是素数，这就是 Miller-Rabin 素性检测算法

算法流程图

具体代码(python)

import random

def _MillerRabinTest(n: int, t: int):
    """
    :param n: 待检测整数
    :param t: 检测轮数
    :return: 是否通过检测
    """
    if n < 3 or (n & 1 == 0):
        return n == 2
    k, q = 0, n - 1
    # 计算 q 和 k
    while not q & 1:
        q = q // 2
        k = k + 1
    tested = []
    for _ in range(t):
        composite = True
        a = random.randint(2, n - 2)  # 随机生成2~n-2之间的整数
        while a in tested:
            a = random.randint(2, n - 2)
        tested.append(a)
        r = pow(a, q, n)  # 调用快速模幂算法，计算 a^q mod n
        if r == 1 or r == n - 1:
            composite = False
        else:
            # 计算 a^(q·2^j) mod n
            for j in range(1, k):
                r = (r * r) % n
                if r == n - 1:
                    composite = False
                    break
        if composite:
            return False
    return True

用途

Miller-Rabin 算法用于大素数的判断与生成，Miller-Rabin 一次检测误判的概率大约为 0.25，经过多次检测后依旧误判的概率很小

判断素数

由于 Miller-Rabin 算法的时间复杂度较高，所以在判断素数时尽可能不要用 Miller-Rabin，先通过其它方式检测，最后再采用 Miller-Rabin

一个常见的方法是存储一个较大的素数表，若待检测的数不是表中素数的倍数，再采用 Miller-Rabin 算法

下面给出了判断素数的示例代码，由于篇幅原因，素数表只使用了 10³ 以内的素数，实际上可以增大到 10⁶

import random

def _MillerRabinTest(n: int, t: int):
    ...

def is_prime(n: int):
    """
    :return: 是素数(True) 不是素数(False)
    """
    if n < 3 or (n & 1 == 0):
        return n == 2
    for p in _sieve_base:
        if n == p:
            return True
        if n % p == 0:
            return False
    return _MillerRabinTest(n, 100)

_sieve_base = (
    2, 3, 5, 7, 11, 13, 17, 19, 23, 29,
    31, 37, 41, 43, 47, 53, 59, 61, 67, 71,
    73, 79, 83, 89, 97, 101, 103, 107, 109, 113,
    127, 131, 137, 139, 149, 151, 157, 163, 167, 173,
    179, 181, 191, 193, 197, 199, 211, 223, 227, 229,
    233, 239, 241, 251, 257, 263, 269, 271, 277, 281,
    283, 293, 307, 311, 313, 317, 331, 337, 347, 349,
    353, 359, 367, 373, 379, 383, 389, 397, 401, 409,
    419, 421, 431, 433, 439, 443, 449, 457, 461, 463,
    467, 479, 487, 491, 499, 503, 509, 521, 523, 541,
    547, 557, 563, 569, 571, 577, 587, 593, 599, 601,
    607, 613, 617, 619, 631, 641, 643, 647, 653, 659,
    661, 673, 677, 683, 691, 701, 709, 719, 727, 733,
    739, 743, 751, 757, 761, 769, 773, 787, 797, 809,
    811, 821, 823, 827, 829, 839, 853, 857, 859, 863,
    877, 881, 883, 887, 907, 911, 919, 929, 937, 941,
    947, 953, 967, 971, 977, 983, 991, 997
)

生成素数

下面给出了生成指定比特大小素数的样例

import random

def is_prime(n: int):
    ...

def get_prime(bits: int):
    """
    :param bits: 素数的位数
    :return: bits 位的素数
    """
    if bits < 2:
        return None
    bound_l, bound_r = 1 << (bits - 1), 1 << bits
    p = random.randint(bound_l, bound_r - 1)
    while not is_prime(p):
        p = random.randint(bound_l, bound_r - 1)
    return p

参考资料：《密码学实验教程》