論文の概要: Machine Learning Cryptanalysis of a Quantum Random Number Generator

• arxiv url: http://arxiv.org/abs/1905.02342v3
• Date: Wed, 07 May 2025 03:14:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-11 17:23:15.899866
• Title: Machine Learning Cryptanalysis of a Quantum Random Number Generator
• Title（参考訳）: 量子ランダム数生成器の機械学習クリプタリシス
• Authors: Nhan Duy Truong, Jing Yan Haw, Syed Muhamad Assad, Ping Koy Lam, Omid Kavehei,
• Abstract要約: 暗号アプリケーションに不可欠な乱数生成器(RNG)は、敵攻撃の対象となっている。 我々は,光学連続変数QRNGの異なる段階における決定論的古典雑音の影響を調べるために,予測機械学習(ML)解析を開発した。
• 参考スコア（独自算出の注目度）: 3.874286636878538
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Random number generators (RNGs) that are crucial for cryptographic applications have been the subject of adversarial attacks. These attacks exploit environmental information to predict generated random numbers that are supposed to be truly random and unpredictable. Though quantum random number generators (QRNGs) are based on the intrinsic indeterministic nature of quantum properties, the presence of classical noise in the measurement process compromises the integrity of a QRNG. In this paper, we develop a predictive machine learning (ML) analysis to investigate the impact of deterministic classical noise in different stages of an optical continuous variable QRNG. Our ML model successfully detects inherent correlations when the deterministic noise sources are prominent. After appropriate filtering and randomness extraction processes are introduced, our QRNG system, in turn, demonstrates its robustness against ML. We further demonstrate the robustness of our ML approach by applying it to uniformly distributed random numbers from the QRNG and a congruential RNG. Hence, our result shows that ML has potentials in benchmarking the quality of RNG devices.
• Abstract（参考訳）: 暗号アプリケーションに不可欠な乱数生成器(RNG)は、敵攻撃の対象となっている。 これらの攻撃は環境情報を利用して、真にランダムで予測不可能な生成した乱数を予測します。 量子乱数生成器(QRNG)は本質的には量子特性の非決定論的性質に基づいているが、測定過程における古典的ノイズの存在はQRNGの整合性を損なう。 本稿では,光学連続変数QRNGの異なる段階における決定論的古典雑音の影響を予測機械学習(ML)解析により解析する。 我々のMLモデルは、決定論的ノイズ源が顕著であるとき、固有相関をうまく検出する。 適切なフィルタリングとランダム性抽出プロセスが導入された後、我々のQRNGシステムはMLに対する堅牢性を示す。 さらに、QRNGと共役RNGから均一に分散した乱数に適用することで、我々のMLアプローチの堅牢性を示す。 その結果,ML は RNG デバイスの品質をベンチマークできる可能性が示唆された。

関連論文リスト

• Continuous-Variable Source-Independent Quantum Random Number Generator with a Single Phase-Insensitive Detector [0.5439020425819]
  量子乱数生成器(QRNG)は、真のランダム性を生成するために量子力学的不予測性を利用する。 単一位相非感受性検出器を用いたCV-SI-QRNG方式を提案し、半定値プログラミング(SDP)に基づくセキュリティ証明を提供する。 これらの結果は,本フレームワークの実現可能性を示し,実用的でシンプルなSI-QRNG実装への道を開いた。
  論文  参考訳（メタデータ） (2024-11-22T09:26:53Z)
• A Compact Quantum Random Number Generator Based on Balanced Detection of Shot Noise [0.0]
  市販オフザシェルフパッケージにおけるLEDからのショットノイズのバランス検出による乱数抽出手法について述べる。 設計は製造性、コスト、サイズに最適化されている。
  論文  参考訳（メタデータ） (2024-09-30T17:18:45Z)
• Non Deterministic Pseudorandom Generator for Quantum Key Distribution [0.0]
  量子鍵分布は、量子プロセスを通して、ワンタイムパッド(OTP)の完全な機密性を達成するために成長する。 QKDの重要なコンポーネントの1つは、キーを生成するための量子ランダム数生成器(QRNG)である。 本稿では,ポスト量子プリミティブに基づく擬似乱数生成手法を提案する。
  論文  参考訳（メタデータ） (2023-11-06T11:03:03Z)
• Quantum Random Number Generator Based on LED [0.0]
  量子乱数生成器(QRNG)は、量子力学の固有確率性に基づく乱数を生成する。 本稿では,LEDにおける自然発光と吸収のゆらぎに基づいて乱数を生成する組込みQRNGの設計と製造を行う。 この装置はNISTテストに合格し、生成速度は1Mbit/s、出力データのランダム性が不変である。
  論文  参考訳（メタデータ） (2023-05-25T14:31:32Z)
• Quantum Conformal Prediction for Reliable Uncertainty Quantification in Quantum Machine Learning [47.991114317813555]
  量子モデルは暗黙の確率予測器を実装し、測定ショットを通じて各入力に対して複数のランダムな決定を生成する。 本稿では、そのようなランダム性を利用して、モデルの不確実性を確実に捉えることができる分類と回帰の両方の予測セットを定義することを提案する。
  論文  参考訳（メタデータ） (2023-04-06T22:05:21Z)
• Importance sampling for stochastic quantum simulations [68.8204255655161]
  我々は、係数に応じてハミルトン式からサンプリングしてランダムな積公式を構築するqDriftプロトコルを導入する。 サンプリング段階における個別のシミュレーションコストを考慮し、同じ精度でシミュレーションコストを削減可能であることを示す。 格子核効果場理論を用いて数値シミュレーションを行った結果, 実験結果が得られた。
  論文  参考訳（メタデータ） (2022-12-12T15:06:32Z)
• Testing randomness of series generated in Bell's experiment [62.997667081978825]
  おもちゃの光ファイバーをベースとしたセットアップを用いてバイナリシリーズを生成し、そのランダム度をVilleの原理に従って評価する。 標準統計指標の電池、ハースト、コルモゴロフ複雑性、最小エントロピー、埋め込みのTakensarity次元、および拡張ディッキー・フラーとクワイアトコフスキー・フィリップス・シュミット・シン(英語版)でテストされ、ステーション指数をチェックする。 Toeplitz 抽出器を不規則級数に適用することにより得られる系列のランダム性のレベルは、非還元原料のレベルと区別できない。
  論文  参考訳（メタデータ） (2022-08-31T17:39:29Z)
• A tunable quantum random number generator based on a fiber-optical Sagnac interferometer [0.0]
  量子乱数生成器(QRNG)は、個々の量子システムで実行される自然ランダムな測定結果に基づいている。 サニャック干渉計で実装した分岐パスフォトニックQRNGを調整可能な分割比で示す。
  論文  参考訳（メタデータ） (2022-05-09T18:00:08Z)
• Single photon randomness originating from the symmetry of dipole emission and the unpredictability of spontaneous emission [55.41644538483948]
  量子乱数生成は、量子暗号と基本量子光学の鍵となる要素である。 自然発生過程に基づく量子乱数生成を実験的に実証する。 このスキームはコヒーレントな単一光子によってランダム数生成に拡張することができ、室温での固体ベースの量子通信にも応用できる。
  論文  参考訳（メタデータ） (2021-02-18T14:07:20Z)
• Quantum Random Number Generation using a Solid-State Single-Photon Source [89.24951036534168]
  量子乱数生成(QRNG)は、量子力学現象の固有乱数性を利用する。 六方晶窒化ホウ素の量子エミッタによるQRNGの実証を行った。 本研究は,オンチップ決定性乱数生成器の製作への新たな道を開くものである。
  論文  参考訳（メタデータ） (2020-01-28T22:47:43Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。