論文の概要: HYPERLOCK: In-Memory Hyperdimensional Encryption in Memristor Crossbar Array

• arxiv url: http://arxiv.org/abs/2201.11362v1
• Date: Thu, 27 Jan 2022 07:47:06 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-28 15:35:37.744366
• Title: HYPERLOCK: In-Memory Hyperdimensional Encryption in Memristor Crossbar Array
• Title（参考訳）: HYPERLOCK:Memristorクロスバーアレイにおけるメモリ内超次元暗号化
• Authors: Jack Cai, Amirali Amirsoleimani, and Roman Genov
• Abstract要約: 本稿では,memristorクロスバーアレイ,バイナリハイパーベクタ,ニューラルネットワークに基づく新しい暗号アーキテクチャを提案する。 本研究は,暗号のエンコーダユニットとしてmemristor Crossbarsを使用することの可能性と実現可能性を示す。
• 参考スコア（独自算出の注目度）: 0.32771631221674324
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: We present a novel cryptography architecture based on memristor crossbar array, binary hypervectors, and neural network. Utilizing the stochastic and unclonable nature of memristor crossbar and error tolerance of binary hypervectors and neural network, implementation of the algorithm on memristor crossbar simulation is made possible. We demonstrate that with an increasing dimension of the binary hypervectors, the non-idealities in the memristor circuit can be effectively controlled. At the fine level of controlled crossbar non-ideality, noise from memristor circuit can be used to encrypt data while being sufficiently interpretable by neural network for decryption. We applied our algorithm on image cryptography for proof of concept, and to text en/decryption with 100% decryption accuracy despite crossbar noises. Our work shows the potential and feasibility of using memristor crossbars as an unclonable stochastic encoder unit of cryptography on top of their existing functionality as a vector-matrix multiplication acceleration device.
• Abstract（参考訳）: 本稿では, memristor クロスバーアレイ,binary hypervectors,neural network に基づく新しい暗号アーキテクチャを提案する。 memristorクロスバーの確率的かつ不可解な性質と、バイナリハイパーベクトルとニューラルネットワークのエラー許容性を利用して、memristorクロスバーシミュレーションによるアルゴリズムの実装が可能となる。 双対超ベクトルの次元が増加すると、memristor回路の非理想性が効果的に制御できることを実証する。 制御されたクロスバー非理想性の細かいレベルでは、メモリ回路からのノイズを使用してデータを暗号化し、復号化のためにニューラルネットワークによって十分に解釈できる。 提案アルゴリズムは,概念実証のための画像暗号に応用し,クロスバーノイズにもかかわらず100%復号精度でエン/復号する。 本研究は, ベクトル行列乗算高速化装置として, 既存の暗号機能の上に, 制限不能な確率エンコーダ単位としてmemristorクロスバーを用いることの可能性と実現可能性を示す。

関連論文リスト

• Bit-flipping Decoder Failure Rate Estimation for (v,w)-regular Codes [84.0257274213152]
  並列ビットフリップデコーダのDFRを高精度に推定する手法を提案する。 本研究は,本症候群のモデル化およびシミュレーションによる重み比較,第1イテレーション終了時の誤りビット分布の誤検出,復号化復号化率(DFR)について検証した。
  論文  参考訳（メタデータ） (2024-01-30T11:40:24Z)
• Fault-Tolerant Quantum Memory using Low-Depth Random Circuit Codes [0.24578723416255752]
  低深さランダム回路符号は、量子誤り訂正に望ましい多くの特性を有する。 1次元ランダム回路符号の符号化状態を作成するための耐故障性蒸留プロトコルを設計する。 数値シミュレーションにより,提案プロトコルはエラー率を最大2%の誤差率で補正できることを示す。
  論文  参考訳（メタデータ） (2023-11-29T19:00:00Z)
• Emergence of Latent Binary Encoding in Deep Neural Network Classifiers [0.0]
  ディープ・ニューラル・ネットワーク分類器の潜時空間におけるバイナリエンコーディングの出現について検討する。 複雑性が増大するいくつかのデータセットを解析することにより、バイナリエンコーディングの出現がロバスト性を大幅に向上させるという実証的な証拠を提供する。
  論文  参考訳（メタデータ） (2023-10-12T11:16:57Z)
• Encrypted Dynamic Control exploiting Limited Number of Multiplications and a Method using RLWE-based Cryptosystem [0.3749861135832073]
  本稿では,ほとんどの同型暗号方式で実装可能な動的コントローラを暗号化する手法を提案する。 結果として、暗号化されたコントローラは、暗号化されたデータごとに、限られた数の同型乗算しか必要としない。 本稿では,Ring Learning With Errors(RLWE)ベースの暗号システムにおいて,メッセージのベクトルを1つの暗号文に暗号化する手法のカスタマイズを提案する。
  論文  参考訳（メタデータ） (2023-07-07T08:24:48Z)
• The END: An Equivariant Neural Decoder for Quantum Error Correction [73.4384623973809]
  データ効率のよいニューラルデコーダを導入し、この問題の対称性を活用する。 本稿では,従来のニューラルデコーダに比べて精度の高い新しい同変アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-04-14T19:46:39Z)
• Deep Quantum Error Correction [73.54643419792453]
  量子誤り訂正符号(QECC)は、量子コンピューティングのポテンシャルを実現するための鍵となる要素である。 本研究では,新しいエンペンド・ツー・エンドの量子誤りデコーダを効率的に訓練する。 提案手法は,最先端の精度を実現することにより,QECCのニューラルデコーダのパワーを実証する。
  論文  参考訳（メタデータ） (2023-01-27T08:16:26Z)
• Small Lesion Segmentation in Brain MRIs with Subpixel Embedding [105.1223735549524]
  ヒト脳のMRIスキャンを虚血性脳梗塞と正常組織に分割する方法を提案する。 本稿では,空間展開埋め込みネットワークによって予測を導出する標準エンコーダデコーダの形式でニューラルネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2021-09-18T00:21:17Z)
• Quantized Neural Networks via {-1, +1} Encoding Decomposition and Acceleration [83.84684675841167]
  本稿では,量子化されたニューラルネットワーク(QNN)をマルチブランチバイナリネットワークに分解するために,-1,+1を用いた新しい符号化方式を提案する。 本稿では,大規模画像分類,オブジェクト検出,セマンティックセグメンテーションにおける提案手法の有効性を検証する。
  論文  参考訳（メタデータ） (2021-06-18T03:11:15Z)
• Efficient bit encoding of neural networks for Fock states [77.34726150561087]
  ニューラルネットワークの複雑さは、最大ボソン数ではなくビット符号化されたニューロンの数でしかスケールしない。 高占有状態においては、情報圧縮効率は最大に最適化された密度行列の実装を超えることが示されている。
  論文  参考訳（メタデータ） (2021-03-15T11:24:40Z)
• Cryptotree: fast and accurate predictions on encrypted structured data [0.0]
  ホモモルフィック暗号化(HE)は、入力と出力の両方が暗号化される暗号化データ上での計算を可能にする能力で認められている。 線形回帰と比較して非常に強力な学習手法であるランダムフォレスト(RF)の利用を可能にするフレームワークであるCryptotreeを提案する。
  論文  参考訳（メタデータ） (2020-06-15T11:48:01Z)

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。