离散高斯抽样（Discrete Gaussian Sampling）是一种常见于密码学和数学领域的随机采样方法。它通常用于构建基于格（lattice）的密码学方案，如基于格的加密和数字签名。Discrete Gaussian Sampling 的主要目的是从一个离散的集合中随机选择元素，同时遵循高斯分布（Gaussian distribution）的统计特性。
以下是 Discrete Gaussian Sampling 的一些关键概念和特点：
高斯分布： 高斯分布，又称正态分布，是概率论中的一种常见分布，它具有钟形曲线的形状。在 Discrete Gaussian Sampling 中，我们希望从一个离散的集合中按照高斯分布的方式随机选择元素。
离散集合： Discrete Gaussian Sampling 通常应用于离散集合，如整数或格点（lattice points）。这些集合中的元素通常表示为向量或多维点。
抽样参数： 抽样的高斯分布通常由两个主要参数来描述，即均值（mean）和标准差（standard deviation）。这些参数影响了高斯分布的形状和分布的"宽度"。在 Discrete Gaussian Sampling 中，这些参数通常与具体的密码学方案相关。
离散高斯分布： 在 Discrete Gaussian Sampling 中，高斯分布的离散性质意味着我们只能从离散集合中选择元素，而不是连续的实数。这使得在离散集合上采样并模拟高斯分布的难度增加。
密码学应用： 离散高斯抽样在密码学中具有广泛应用，特别是在基于格的密码学中。它用于生成随机的错误项，以增加密码方案的安全性。这些错误项的分布通常基于离散高斯分布，使得攻击者难以分辨有效信息和随机噪声。
总之，离散高斯抽样是一个在密码学和数学领域中重要的概念，用于生成满足高斯分布统计特性的离散值，以增加密码方案的安全性。它是许多基于格的密码学方案的基础之一。