論文の概要: A Post Quantum Key Agreement Protocol Based on a Modified Matrix Power Function over a Rectangular Matrices Semiring
- arxiv url: http://arxiv.org/abs/2303.11972v5
- Date: Tue, 2 Apr 2024 16:45:28 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-04 13:51:35.967448
- Title: A Post Quantum Key Agreement Protocol Based on a Modified Matrix Power Function over a Rectangular Matrices Semiring
- Title(参考訳): 矩形行列セミリング上の修正行列パワー関数に基づくポスト量子キーアグリーメントプロトコル
- Authors: Juan Pedro Hecht, Hugo Daniel Scolnik,
- Abstract要約: Sakalauskas行列パワー関数は共有秘密鍵を生成するための効率的で安全な方法である。
そこで我々は,Sakalauskas行列パワー関数鍵契約プロトコルの量子後バージョンを改良した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: We present an improved post-quantum version of Sakalauskas matrix power function key agreement protocol, using rectangular matrices instead of the original square ones. Sakalauskas matrix power function is an efficient and secure way to generate a shared secret key, and using rectangular matrices provides additional flexibility and security. This method reduces the computational complexity by allowing smaller random integer matrices while maintaining a high level of security. We dont rely on matrices with special formatting to achieve commutativity, instead, we use full random values on those structures, increasing their entropy. Another advantage of using rectangular matrices over key agreement protocols is that they offer better protection against various linearization attacks.
- Abstract(参考訳): 元の正方形ではなく長方形行列を用いて,Sakalauskas行列パワー関数鍵契約プロトコルの量子後バージョンを改良した。
Sakalauskas行列パワー関数は、共有秘密鍵を生成するための効率的で安全な方法であり、矩形行列を使用することで、さらなる柔軟性とセキュリティを提供する。
この方法は、高いレベルのセキュリティを維持しながら、より小さなランダムな整数行列を許容することにより、計算の複雑さを低減する。
我々は、可換性を達成するために特別な形式を持つ行列に頼るのではなく、それらの構造に対して完全なランダムな値を使い、エントロピーを増大させる。
鍵契約プロトコルよりも長方形行列を使うことのもう1つの利点は、様々な線形化攻撃に対してより優れた保護を提供することである。
関連論文リスト
- Efficient Adaptation of Pre-trained Vision Transformer via Householder Transformation [53.88562288388169]
一般的な戦略である。
事前訓練された視覚変換器(ViT)のPEFT(Efficient Fine-Tuning)は、下流タスクにモデルを適応させる。
適応行列を表現するために,Singular Value Decomposition (SVD) にインスパイアされた新しいPEFT手法を提案する。
SVDは行列を左ユニタリ行列、スケーリング値の対角行列、右ユニタリ行列の積に分解する。
論文 参考訳(メタデータ) (2024-10-30T12:08:30Z) - Optimal Quantization for Matrix Multiplication [35.007966885532724]
我々は、ネスト格子に基づく普遍量化器を、任意の(非ランダムな)行列対に対する近似誤差の明示的な保証付きで、フロベニウスノルム$|A|_F, |B|_F$, $|Atop B|_F$のみの観点から、$A$, $B$とする。
論文 参考訳(メタデータ) (2024-10-17T17:19:48Z) - High-Performance Privacy-Preserving Matrix Completion for Trajectory Recovery [0.897780713904412]
本稿では,プライバシ保護行列補完のための高性能な手法を提案する。
数値実験の結果,提案手法は他のアルゴリズムよりも高速であることがわかった。
論文 参考訳(メタデータ) (2024-05-09T14:12:41Z) - A quantum algorithm for solving eigenproblem of the Laplacian matrix of
a fully connected weighted graph [4.045204834863644]
完全連結重み付きグラフのラプラシア行列の固有確率を解くための効率的な量子アルゴリズムを提案する。
具体的には,ブロック符号化フレームワークに基づく最適ハミルトンシミュレーション手法を採用する。
また、このアルゴリズムは対称(非対称)正規化ラプラス行列の固有確率を解くために拡張可能であることを示す。
論文 参考訳(メタデータ) (2022-03-28T02:24:08Z) - Learning a Compressive Sensing Matrix with Structural Constraints via
Maximum Mean Discrepancy Optimization [17.104994036477308]
本稿では,圧縮センシング関連回復問題に対する測定行列を得るための学習に基づくアルゴリズムを提案する。
ニューラルネットワーク関連のトピックにおけるこのようなメトリクスの最近の成功は、機械学習に基づく問題の解決策を動機付けている。
論文 参考訳(メタデータ) (2021-10-14T08:35:54Z) - Sparse Quadratic Optimisation over the Stiefel Manifold with Application
to Permutation Synchronisation [71.27989298860481]
二次目的関数を最大化するスティーフェル多様体上の行列を求める非最適化問題に対処する。
そこで本研究では,支配的固有空間行列を求めるための,単純かつ効果的なスパーシティプロモーティングアルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-09-30T19:17:35Z) - Robust 1-bit Compressive Sensing with Partial Gaussian Circulant
Matrices and Generative Priors [54.936314353063494]
我々は,ロバストな1ビット圧縮センシングのための相関に基づく最適化アルゴリズムのリカバリ保証を提供する。
我々は,実用的な反復アルゴリズムを用いて,画像データセットの数値実験を行い,結果の相関付けを行う。
論文 参考訳(メタデータ) (2021-08-08T05:28:06Z) - Non-PSD Matrix Sketching with Applications to Regression and
Optimization [56.730993511802865]
非PSDおよび2乗根行列の次元削減法を提案する。
複数のダウンストリームタスクにこれらのテクニックをどのように使用できるかを示す。
論文 参考訳(メタデータ) (2021-06-16T04:07:48Z) - Orthogonalizing Convolutional Layers with the Cayley Transform [83.73855414030646]
直交に制約された畳み込み層をパラメータ化するための代替手法を提案し,評価する。
本手法は,大規模畳み込みにおいても直交性が高次に保たれることを示す。
論文 参考訳(メタデータ) (2021-04-14T23:54:55Z) - Adversarially-Trained Nonnegative Matrix Factorization [77.34726150561087]
非負行列ファクタリゼーションの逆学習版を検討する。
我々の定式化では、攻撃者は与えられたデータ行列に有界ノルムの任意の行列を追加する。
辞書と係数行列を最適化するために, 逆学習に触発された効率的なアルゴリズムを設計する。
論文 参考訳(メタデータ) (2021-04-10T13:13:17Z) - Hermitian Matrix Definiteness from Quantum Phase Estimation [3.04585143845864]
一般エルミート行列をその符号に従って分類するアルゴリズムを示す。
これは量子位相推定アルゴリズムに基づいており、エルミート行列の固有値の符号を1つの補助量子ビットに格納する。
このアルゴリズムは確率的だが、優れた性能を示し、量子ビットが少ない正確な分類の97%を達成している。
論文 参考訳(メタデータ) (2020-09-09T06:08:47Z)
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。