論文の概要: Cryptographic Security Concerns on Timestamp Sharing via Public Channel in Quantum Key Distribution Systems

• arxiv url: http://arxiv.org/abs/2203.03250v1
• Date: Mon, 7 Mar 2022 10:17:31 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-22 22:13:43.104726
• Title: Cryptographic Security Concerns on Timestamp Sharing via Public Channel in Quantum Key Distribution Systems
• Title（参考訳）: 量子鍵配電システムにおける公開チャネルによるタイムスタンプ共有に関する暗号セキュリティ
• Authors: Melis Pahal{\i}, Utku Tefek, Kadir Durak
• Abstract要約: 量子鍵分配プロトコルは、サイドチャネル攻撃に対して脆弱であることが知られている。 推奨される解決策は、高解像度のタイミング情報の代わりに、大きな時間ビン幅を使用することである。 ビン幅の増大は、鍵ビットと盗聴者の観察との相互情報を単調に減少させるものではないことを示す。
• 参考スコア（独自算出の注目度）: 2.9005223064604073
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum key distribution protocols are known to be vulnerable against a side channel attack that exploits the time difference in detector responses used to obtain key bits. The recommended solution against this timing side channel attack is to use a large time bin width instead of high resolution timing information. Common notion is that using a large bin width reduces the resolution of detector responses, hence supposedly minimizes the information leakage to an eavesdropper. We challenge this conventional wisdom, and demonstrate that increasing the bin width does not monotonically reduce the mutual information between the key bits and the eavesdropper's observation of detector responses. Instead of randomly increasing the bin width, it should be carefully chosen because the mutual information fluctuates with respect to the bin width. We also examined the effect of full width half maximums (FWHMs) of the detectors responses on the mutual information and showed that decreasing the FWHM increases the mutual information. Lastly, the start time of binning is also shown to be important in binning process and the mutual information fluctuates periodically with respect to it.
• Abstract（参考訳）: 量子鍵分布プロトコルは、鍵ビットを得るために使用される検出器応答の時間差を利用するサイドチャネル攻撃に対して脆弱であることが知られている。 このタイミングサイドチャネル攻撃に対する推奨解決策は、高解像度のタイミング情報の代わりに大きな時間ビン幅を使用することである。 一般的な概念は、大きなビン幅を使用すると検出器応答の解像度が減少し、そのため盗聴者への情報漏洩を最小限に抑えるというものである。 我々は,従来の知恵に挑戦し,ビン幅の増大はキービット間の相互情報を単調に減少させるものではないことを実証した。 ビン幅をランダムに増やす代わりに、相互情報がビン幅に対して変動するため、慎重に選択する必要がある。 また,検出器応答の広幅半最大値(FWHMs)が相互情報に与える影響についても検討し,FWHMの減少が相互情報を増加させることを示した。 最後に、バイナリ化の開始時間もバイナリ化プロセスにおいて重要であり、相互情報が周期的に変動することを示している。

関連論文リスト

• Spatial-Frequency Discriminability for Revealing Adversarial Perturbations [53.279716307171604]
  敵の摂動に対するディープニューラルネットワークの脆弱性は、コンピュータビジョンコミュニティで広く認識されている。 現在のアルゴリズムは、通常、自然および敵対的なデータの識別的分解を通じて、敵のパターンを検出する。 空間周波数Krawtchouk分解に基づく識別検出器を提案する。
  論文  参考訳（メタデータ） (2023-05-18T10:18:59Z)
• Time-Entanglement QKD: Secret Key Rates and Information Reconciliation Coding [11.1935040363355]
  時間的絡み合いに基づく量子鍵分布では、アリスとボブは時間的結合により、絡み合った光子対の(同一の)到着時間から生の鍵ビットを抽出する。 絡み合いのため、占有されたビンと鍵は同一であるべきであるが、実用的な光子検出器は時間のジッタエラーに悩まされる。 本稿では,検出ジッタエラーで可能な秘密鍵レートを計算し,これらのレートにアプローチするための情報整合のためのコードを構築する。
  論文  参考訳（メタデータ） (2023-01-01T22:38:35Z)
• Randomized Quantization: A Generic Augmentation for Data Agnostic Self-supervised Learning [89.00646449740606]
  自己監督型表現学習は、データの一部を保持し、残りの部分から予測するようにネットワークに指示するパラダイムに従っている。 データ拡張は、情報ギャップを作るためのコアにあります。 本稿では,精度の冗長性を利用した汎用データ拡張のためのチャネル次元について検討する。
  論文  参考訳（メタデータ） (2022-12-19T18:59:57Z)
• Recurrence-in-Recurrence Networks for Video Deblurring [58.49075799159015]
  最先端のビデオデブロアリング法は、しばしばフレーム間の時間的依存性をモデル化するために、リカレントニューラルネットワークを採用する。 本稿では,短距離メモリの限界に対処する再帰型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） (2022-03-12T11:58:13Z)
• Stream privacy amplification for quantum cryptography [1.3535770763481902]
  既存のセキュリティ証明では、プライバシの増幅のために多数の生のキービットを蓄積する必要がある。 量子誤り訂正に基づくセキュリティ証明の修正により,ストリームプライバシの増幅方式を開発した。 このスキームは最終キーをストリーム形式で出力することができ、エラーの拡散を防ぎ、情報和解前にプライバシーを増幅することができる。
  論文  参考訳（メタデータ） (2021-11-28T11:19:09Z)
• Group Fisher Pruning for Practical Network Compression [58.25776612812883]
  本稿では,様々な複雑な構造に応用可能な汎用チャネルプルーニング手法を提案する。 我々は、単一チャネルと結合チャネルの重要性を評価するために、フィッシャー情報に基づく統一されたメトリクスを導出する。 提案手法は,結合チャネルを含む任意の構造をプルークするために利用できる。
  論文  参考訳（メタデータ） (2021-08-02T08:21:44Z)
• Neural Network Activation Quantization with Bitwise Information Bottlenecks [25.319181120172562]
  本稿では,ニューラルネットワークアクティベーションの定量化と符号化のためのビットワイズ・インフォメーション・ボトルネック手法を提案する。 各層の量子化率歪みを最小化することにより、情報ボトルネックを有するニューラルネットワークは、精度の低いアクティベーションで最先端の精度を達成する。
  論文  参考訳（メタデータ） (2020-06-09T12:10:04Z)
• Bayesian Bits: Unifying Quantization and Pruning [73.27732135853243]
  我々は、勾配に基づく最適化による混合精度量子化とプルーニングの実用的な方法であるBayesian Bitsを紹介する。 提案手法をいくつかのベンチマーク・データセット上で実験的に検証し,プレナード付き混合精度ネットワークを学習可能であることを示す。
  論文  参考訳（メタデータ） (2020-05-14T16:00:34Z)
• ADRN: Attention-based Deep Residual Network for Hyperspectral Image Denoising [52.01041506447195]
  ノイズの多いHSIからクリーンなHSIへのマッピングを学習するために,注目に基づくディープ残差ネットワークを提案する。 実験の結果,提案手法は定量的および視覚的評価において最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2020-03-04T08:36:27Z)
• Deep Frequent Spatial Temporal Learning for Face Anti-Spoofing [9.435020319411311]
  対面防止は, 提示攻撃による侵入を避けることにより, 顔認識システムのセキュリティに不可欠である。 従来の研究は、この課題に深度と時間的監督を用いることの有効性を示した。 本稿では, 頻繁, 空間的, 時間的情報を同時に活用する顔アンチスプーフィングのための新しい2つのストリームFreqSaptialTemporalNetを提案する。
  論文  参考訳（メタデータ） (2020-01-20T06:02:45Z)

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。