論文の概要: Fuzzy Feature Selection with Key-based Cryptographic Transformations
- arxiv url: http://arxiv.org/abs/2306.09583v1
- Date: Fri, 16 Jun 2023 02:00:39 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-19 15:16:43.026114
- Title: Fuzzy Feature Selection with Key-based Cryptographic Transformations
- Title(参考訳): キーベース暗号変換を用いたファジィ特徴選択
- Authors: Mike Nkongolo
- Abstract要約: ファジィ特徴選択は、暗号アルゴリズムのセキュリティと効率を高める上で重要な役割を果たす。
本稿では,鍵ベースの暗号変換にファジィ特徴選択を適用した新しい手法を提案する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In the field of cryptography, the selection of relevant features plays a
crucial role in enhancing the security and efficiency of cryptographic
algorithms. This paper presents a novel approach of applying fuzzy feature
selection to key-based cryptographic transformations. The proposed fuzzy
feature selection leverages the power of fuzzy logic to identify and select
optimal subsets of features that contribute most effectively to the
cryptographic transformation process. By incorporating fuzzy feature selection
into key-based cryptographic transformations, this research aims to improve the
resistance against attacks and enhance the overall performance of cryptographic
systems. Experimental evaluations may demonstrate the effectiveness of the
proposed approach in selecting secure key features with minimal computational
overhead. This paper highlights the potential of fuzzy feature selection as a
valuable tool in the design and optimization of key-based cryptographic
algorithms, contributing to the advancement of secure information exchange and
communication in various domains.
- Abstract(参考訳): 暗号の分野において、関連する特徴の選択は暗号アルゴリズムのセキュリティと効率を向上させる上で重要な役割を果たす。
本稿では,鍵ベースの暗号変換にファジィ特徴選択を適用する新しい手法を提案する。
提案したファジィ特徴選択は、ファジィ論理の力を利用して、暗号変換プロセスに最も効果的に寄与する特徴の最適な部分集合を特定し、選択する。
本研究は,キーベースの暗号変換にファジィ特徴の選択を組み込むことにより,攻撃に対する耐性を改善し,暗号システム全体の性能を向上させることを目的とする。
実験評価により,提案手法が最小の計算オーバーヘッドでセキュアな鍵特徴の選択に有効であることを示すことができる。
本稿では、鍵ベースの暗号アルゴリズムの設計と最適化において、ファジィな特徴選択が重要なツールである可能性を強調し、様々な領域におけるセキュアな情報交換と通信の進歩に寄与する。
関連論文リスト
- Large-scale Multi-objective Feature Selection: A Multi-phase Search Space Shrinking Approach [0.27624021966289597]
特徴の選択は、特に高次元データセットにおいて、機械学習において重要なステップである。
本稿では,LMSSSと呼ばれる探索空間の縮小に基づく大規模多目的進化アルゴリズムを提案する。
提案アルゴリズムの有効性は、15の大規模データセットに対する包括的実験によって実証される。
論文 参考訳(メタデータ) (2024-10-13T23:06:10Z) - Improving Point-based Crowd Counting and Localization Based on Auxiliary Point Guidance [59.71186244597394]
本稿では,提案手法における提案対象マッチングの安定化に有効な手法を提案する。
本稿では,提案手法の選択と最適化のために,Auxiliary Point Guidance (APG)を提案する。
また,多様な群集シナリオにおける適応的特徴抽出を可能にするために,IFI(Implicit Feature Interpolation)を開発した。
論文 参考訳(メタデータ) (2024-05-17T07:23:27Z) - Neuro-Symbolic Embedding for Short and Effective Feature Selection via Autoregressive Generation [22.87577374767465]
ニューロシンボリックレンズを用いて特徴選択を再構成し、短時間かつ効果的な特徴サブセットを特定することを目的とした新しい生成フレームワークを導入する。
本稿ではまず,特徴IDトークン,モデル性能,特徴サブセットの冗長度測定などからなる多数の特徴選択サンプルを自動的に収集するデータ収集手法を提案する。
収集したデータに基づいて,効率的な探索のために,特徴選択の知性を連続的な埋め込み空間に保存するエンコーダ・デコーダ・評価学習パラダイムを開発した。
論文 参考訳(メタデータ) (2024-04-26T05:01:08Z) - Feature Selection as Deep Sequential Generative Learning [50.00973409680637]
本研究では, 逐次再構成, 変分, 性能評価器の損失を伴って, 深部変分変圧器モデルを構築した。
提案モデルでは,特徴選択の知識を抽出し,連続的な埋め込み空間を学習し,特徴選択決定シーケンスをユーティリティスコアに関連付けられた埋め込みベクトルにマッピングする。
論文 参考訳(メタデータ) (2024-03-06T16:31:56Z) - Multi-objective Binary Coordinate Search for Feature Selection [0.24578723416255746]
大規模特徴選択問題の解法として,二元多目的座標探索(MOCS)アルゴリズムを提案する。
その結果,実世界の5つの大規模データセットにおいて,NSGA-IIよりも提案手法が優れていることが示唆された。
論文 参考訳(メタデータ) (2024-02-20T00:50:26Z) - Enhancing Neural Subset Selection: Integrating Background Information into Set Representations [53.15923939406772]
対象値が入力集合とサブセットの両方に条件付けされている場合、スーパーセットのテクスティ不変な統計量を関心のサブセットに組み込むことが不可欠であることを示す。
これにより、出力値がサブセットとその対応するスーパーセットの置換に不変であることを保証する。
論文 参考訳(メタデータ) (2024-02-05T16:09:35Z) - Leveraging a Randomized Key Matrix to Enhance the Security of Symmetric Substitution Ciphers [0.0]
対称置換暗号の安全性を高める革新的な戦略を提示する。
様々なファイルフォーマットに適したランダム化キー行列の実装によって実装されている。
論文 参考訳(メタデータ) (2023-11-29T21:13:38Z) - On the Suitability of Representations for Quality Diversity Optimization
of Shapes [77.34726150561087]
進化的アルゴリズムで使用される表現、あるいは符号化は、その性能に大きな影響を及ぼす。
本研究では, 直接符号化, 辞書ベース表現, パラメトリック符号化, 合成パターン生成ネットワーク, セルオートマトンなどの表現が, 酸化メッシュの生成に与える影響について比較した。
論文 参考訳(メタデータ) (2023-04-07T07:34:23Z) - The Best Path Algorithm automatic variables selection via High
Dimensional Graphical Models [0.0]
本稿では,高次元グラフィカルモデルにおける変数自動選択手法を提案する。
アルゴリズムは、相互情報に基づいて、関心のノードに関する関連する変数を選択する。
アルゴリズムの幅広い実単語および公的なデータセットへの適用は、その可能性と有効性を強調している。
論文 参考訳(メタデータ) (2022-11-14T10:50:57Z) - Decentralized Stochastic Optimization with Inherent Privacy Protection [103.62463469366557]
分散最適化は、現代の協調機械学習、分散推定と制御、大規模センシングの基本的な構成要素である。
データが関与して以降、分散最適化アルゴリズムの実装において、プライバシ保護がますます重要になっている。
論文 参考訳(メタデータ) (2022-05-08T14:38:23Z) - Compactness Score: A Fast Filter Method for Unsupervised Feature
Selection [66.84571085643928]
本稿では,CSUFS (Compactness Score) と呼ばれる高速な教師なし特徴選択手法を提案する。
提案アルゴリズムは既存のアルゴリズムよりも正確で効率的である。
論文 参考訳(メタデータ) (2022-01-31T13:01:37Z)
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。