論文の概要: Computational indistinguishability and boson sampling
- arxiv url: http://arxiv.org/abs/2211.04420v1
- Date: Tue, 8 Nov 2022 18:05:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-19 23:16:11.055624
- Title: Computational indistinguishability and boson sampling
- Title(参考訳): 計算的不明瞭性とボソンサンプリング
- Authors: Georgios M. Nikolopoulos
- Abstract要約: 理想の粗粒ボソンサンプリング器の出力と真の乱数生成器の出力とを区別する計算問題を導入する。
我々は、メッセージの暗号化や認証、エンティティ認証など、このようなスキームの実装のための暗号化設定を定義する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We introduce a computational problem of distinguishing between the output of
an ideal coarse-grained boson sampler and the output of a true random number
generator, as a resource for cryptographic schemes, which are secure against
computationally unbounded adversaries. Moreover, we define a cryptographic
setting for the implementation of such schemes, including message encryption
and authentication, as well as entity authentication.
- Abstract(参考訳): 本稿では,理想の粗いボソンサンプリング器の出力と真の乱数生成器の出力とを区別する計算問題を,計算不能な敵に対してセキュアな暗号スキームのリソースとして紹介する。
さらに,メッセージの暗号化や認証,エンティティ認証など,このようなスキームの実装のための暗号設定を定義する。
関連論文リスト
- Seedless Extractors for Device-Independent Quantum Cryptography [0.0]
デバイス非依存(DI)量子暗号は、基礎となる量子デバイスを最小限の信頼性で、あるいは特性化したセキュアな暗号を提供することを目的としている。
DIプロトコルにおける重要なステップはランダム性抽出(またはプライバシーの増幅)であり、これはプロトコル中に生成される任意のビットの十分なエントロピーと統計的独立性を持つ追加ビットのシードを持つことを要求する。
本研究では、シードを必要としないDIプロトコルにおける抽出法を導入し、計算的に非有界な量子対向に対して安全である。
論文 参考訳(メタデータ) (2024-03-07T18:07:52Z) - Generator Born from Classifier [66.56001246096002]
データサンプルに頼ることなく、イメージジェネレータを再構築することを目指している。
本稿では,ネットワークパラメータの収束条件を満たすために,ジェネレータを訓練する新しい学習パラダイムを提案する。
論文 参考訳(メタデータ) (2023-12-05T03:41:17Z) - Randomized Polar Codes for Anytime Distributed Machine Learning [66.46612460837147]
本稿では,低速な計算ノードに対して堅牢で,線形演算の近似計算と精度の両立が可能な分散コンピューティングフレームワークを提案する。
本稿では,復号化のための計算複雑性を低く保ちながら,実数値データを扱うための逐次復号アルゴリズムを提案する。
大規模行列乗算やブラックボックス最適化など,様々な文脈において,このフレームワークの潜在的な応用を実証する。
論文 参考訳(メタデータ) (2023-09-01T18:02:04Z) - Sampled sub-block hashing for large input randomness extraction [2.549884936158282]
ランダム性抽出は量子暗号システムにおいて重要な後処理ステップである。
入力データサイズが大きいと、ランダムネス抽出プロセスの速度とリソース消費が大幅に低下する可能性がある。
この問題を回避するために,サンプルサブブロックハッシュ手法を提案する。
論文 参考訳(メタデータ) (2023-08-05T12:09:05Z) - Attributable and Scalable Opinion Summarization [79.87892048285819]
我々は、頻繁なエンコーディングを復号することで抽象的な要約を生成し、同じ頻繁なエンコーディングに割り当てられた文を選択して抽出的な要約を生成する。
本手法は,要約プロセスの一部として要約を生成するために使用される文を同定するため,帰属的手法である。
なぜなら、アグリゲーションはトークンの長いシーケンスではなく、潜在空間で実行されるからである。
論文 参考訳(メタデータ) (2023-05-19T11:30:37Z) - A quantum algorithm for finding collision-inducing disturbance vectors
in SHA-1 [2.963904090194172]
現代の暗号プロトコルは、ユーザ認証やその他のセキュリティ検証のシグネチャとして機能する準ユニクティックな数値を生成するために、洗練されたハッシュ関数に依存している。
セキュリティは、同一の番号にマッチするハッシュテキストを見つけ、いわゆる衝突攻撃を発生させることによって妥協される可能性がある。
本稿では,絡み合った量子状態を利用して,候補外乱ベクトルの同時シード化を行うアルゴリズムを提案する。
論文 参考訳(メタデータ) (2022-10-23T16:01:17Z) - A Non-monotonic Self-terminating Language Model [62.93465126911921]
本稿では,不完全復号アルゴリズムによる非終端列の問題に焦点をあてる。
まず、グリーディ探索、トップ$kのサンプリング、核サンプリングを含む不完全確率復号アルゴリズムを定義する。
次に,単調な終端確率の制約を緩和する非単調な自己終端言語モデルを提案する。
論文 参考訳(メタデータ) (2022-10-03T00:28:44Z) - Autoencoding Variational Autoencoder [56.05008520271406]
我々は,この行動が学習表現に与える影響と,自己整合性の概念を導入することでそれを修正する結果について検討する。
自己整合性アプローチで訓練されたエンコーダは、敵攻撃による入力の摂動に対して頑健な(無神経な)表現につながることを示す。
論文 参考訳(メタデータ) (2020-12-07T14:16:14Z) - Robustness Verification for Classifier Ensembles [3.5884936187733394]
堅牢性チェック問題は、ランダムな攻撃が存在するかどうかに関わらず、分類器とラベル付きデータセットのセットを与えられた評価によって成る。
問題のNP硬度を示し、最適なランダム化攻撃を形成するのに十分な攻撃数に上限を与える。
プロトタイプ実装では、画像分類タスクのために訓練された複数のニューラルネットワークアンサンブルを検証する。
論文 参考訳(メタデータ) (2020-05-12T07:38:43Z) - Spatially Adaptive Inference with Stochastic Feature Sampling and
Interpolation [72.40827239394565]
スパースサンプリングされた場所のみの機能を計算することを提案する。
次に、効率的な手順で特徴写像を密に再構築する。
提案したネットワークは、様々なコンピュータビジョンタスクの精度を維持しながら、かなりの計算を省くために実験的に示されている。
論文 参考訳(メタデータ) (2020-03-19T15:36:31Z) - Batch norm with entropic regularization turns deterministic autoencoders
into generative models [14.65554816300632]
変分オートエンコーダはよく定義された深部生成モデルである。
本研究では、非決定論の情報源としてバッチ正規化を利用することで、決定論的オートエンコーダを生成モデルに変換するのに十分であることを示す。
論文 参考訳(メタデータ) (2020-02-25T02:42:18Z)
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。