論文の概要: Random-Energy Secret Sharing via Extreme Synergy

• arxiv url: http://arxiv.org/abs/2309.14047v1
• Date: Mon, 25 Sep 2023 11:23:16 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-19 03:51:14.699785
• Title: Random-Energy Secret Sharing via Extreme Synergy
• Title（参考訳）: 極限シナジーによるランダムエネルギー秘密共有
• Authors: Vudtiwat Ngampruetikorn, David J. Schwab,
• Abstract要約: ランダムエネルギーモデル(REM)に基づく秘密共有スキームを定式化する。 我々は、REMがセキュアな秘密共有の必要性を満たす温度と秘密長の範囲を導出する。 我々の研究は、情報理論のさらなる例を統一概念として提供し、統計物理学における問題と計算上の問題とを結びつける。
• 参考スコア（独自算出の注目度）: 13.4590373691311
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The random-energy model (REM), a solvable spin-glass model, has impacted an incredibly diverse set of problems, from protein folding to combinatorial optimization to many-body localization. Here, we explore a new connection to secret sharing. We formulate a secret-sharing scheme, based on the REM, and analyze its information-theoretic properties. Our analyses reveal that the correlations between subsystems of the REM are highly synergistic and form the basis for secure secret-sharing schemes. We derive the ranges of temperatures and secret lengths over which the REM satisfies the requirement of secure secret sharing. We show further that a special point in the phase diagram exists at which the REM-based scheme is optimal in its information encoding. Our analytical results for the thermodynamic limit are in good qualitative agreement with numerical simulations of finite systems, for which the strict security requirement is replaced by a tradeoff between secrecy and recoverability. Our work offers a further example of information theory as a unifying concept, connecting problems in statistical physics to those in computation.
• Abstract（参考訳）: 可溶性スピングラスモデルであるランダムエネルギーモデル(REM)は、タンパク質の折り畳みから組合せ最適化、多体局在に至るまで、驚くほど多様な問題に影響を与えている。 ここでは、シークレット共有に対する新たなつながりを探求する。 我々はREMに基づいて秘密共有スキームを定式化し、その情報理論特性を解析する。 分析の結果,REMのサブシステム間の相関は非常に相乗的であり,セキュアな秘密共有スキームの基礎を形成していることがわかった。 我々は、REMがセキュアな秘密共有の必要性を満たす温度と秘密長の範囲を導出する。 さらに、情報符号化においてREMに基づくスキームが最適である位相図に特別な点が存在することを示す。 熱力学限界の解析結果は有限系の数値シミュレーションと良好に一致しており、厳密なセキュリティ要件は機密性と回復性の間のトレードオフに置き換えられる。 我々の研究は、情報理論のさらなる例を統一概念として提供し、統計物理学における問題と計算上の問題とを結びつける。

関連論文リスト

• Balancing Security and Accuracy: A Novel Federated Learning Approach for Cyberattack Detection in Blockchain Networks [10.25938198121523]
  本稿では,ブロックチェーンベースのデータ共有ネットワークのセキュリティ向上を目的とした,CCD(Collaborative Cyber attack Detection)システムを提案する。 本稿では,攻撃検出精度,ディープラーニングモデル収束時間,グローバルモデル生成の全体的な実行時間など,様々なノイズタイプが重要なパフォーマンス指標に与える影響について検討する。 この結果から,データプライバシの確保とシステムパフォーマンスの維持という,複雑なトレードオフが明らかとなり,これらのパラメータを多様なCCD環境に最適化するための貴重な洞察が得られた。
  論文  参考訳（メタデータ） (2024-09-08T04:38:07Z)
• Integrated Communications and Security: RIS-Assisted Simultaneous Transmission and Generation of Secret Keys [34.843877215509316]
  我々は、再構成可能なインテリジェントサーフェス(RIS)の概念を活用することにより、ICAS(Integrated Communication and Security)設計パラダイムを新たに開発する。 これら2つのタスクに対してRISを共有することで、RIS支援同時送信と秘密鍵生成を提案する。 具体的には、正統なトランシーバは、スマートアタッカーの存在下でRISの位相シフトを設定することにより、データ送信率とキー生成率を共同で最適化する。
  論文  参考訳（メタデータ） (2024-07-29T12:51:26Z)
• LoRA-Ensemble: Efficient Uncertainty Modelling for Self-attention Networks [52.46420522934253]
  本稿では,自己注意ネットワークのためのパラメータ効率の高いディープアンサンブル手法であるLoRA-Ensembleを紹介する。 全メンバー間で重みを共有できる1つの事前学習型自己注意ネットワークを利用することで、注意投影のために、メンバー固有の低ランク行列を訓練する。 提案手法は明示的なアンサンブルよりも優れたキャリブレーションを示し,様々な予測タスクやデータセットに対して類似あるいは良好な精度を実現する。
  論文  参考訳（メタデータ） (2024-05-23T11:10:32Z)
• Statistical Mechanics of Dynamical System Identification [3.1484174280822845]
  我々はスパース方程式探索アルゴリズムを統計的に解析する手法を開発した。 このフレームワークでは、統計力学は複雑さとフィットネスの間の相互作用を分析するためのツールを提供する。
  論文  参考訳（メタデータ） (2024-03-04T04:32:28Z)
• VEC-SBM: Optimal Community Detection with Vectorial Edges Covariates [67.51637355249986]
  本稿では,コミュニティ検出のための統計フレームワークであるブロックモデル(SBM)の拡張について検討する。 本稿では,反復的改良手法に基づく新しいアルゴリズムを提案し,潜在コミュニティを最適に回復することを示す。 コミュニティ検出プロセスにおいて,エッジ側情報を活用する付加価値を厳格に評価する。
  論文  参考訳（メタデータ） (2024-02-29T02:19:55Z)
• S$Ω$I: Score-based O-INFORMATION Estimation [7.399561232927219]
  S$Omega$I を導入し,システムに関する制約的な仮定を伴わずに初めて O-information を計算できるようにした。 本実験は, 実世界のユースケースにおけるS$Omega$Iの有効性を実証するものである。
  論文  参考訳（メタデータ） (2024-02-08T13:38:23Z)
• Privacy-preserving Federated Primal-dual Learning for Non-convex and Non-smooth Problems with Model Sparsification [51.04894019092156]
  FL(Federated Learning)は,FLオーケストレーション(PS)の下でクライアント上でモデルをトレーニングする,急速に成長する領域として認識されている。 本稿では,非滑らかなFL問題に対して,新しい一次分離アルゴリズムを提案し,保証する。 その独特な洞察力のある性質とその分析も提示される。
  論文  参考訳（メタデータ） (2023-10-30T14:15:47Z)
• Leveraging Low-Rank and Sparse Recurrent Connectivity for Robust Closed-Loop Control [63.310780486820796]
  繰り返し接続のパラメータ化が閉ループ設定のロバスト性にどのように影響するかを示す。 パラメータが少ないクローズドフォーム連続時間ニューラルネットワーク(CfCs)は、フルランクで完全に接続されたニューラルネットワークよりも優れています。
  論文  参考訳（メタデータ） (2023-10-05T21:44:18Z)
• Is Vertical Logistic Regression Privacy-Preserving? A Comprehensive Privacy Analysis and Beyond [57.10914865054868]
  垂直ロジスティック回帰(VLR)をミニバッチ降下勾配で訓練した。 我々は、オープンソースのフェデレーション学習フレームワークのクラスにおいて、VLRの包括的で厳密なプライバシー分析を提供する。
  論文  参考訳（メタデータ） (2022-07-19T05:47:30Z)
• Mutual Information for Explainable Deep Learning of Multiscale Systems [1.1470070927586016]
  我々はモデルに依存しないモーメント非依存グローバル感度分析(GSA)を開発した。 GSAは、QoIに対するCVの影響をランク付けするために、異なる相互情報に依存している。 我々は,サロゲート駆動型相互情報GSAが,エネルギー貯蔵に関心のある2つの応用について,有用かつ識別可能なランキングを提供することを示した。
  論文  参考訳（メタデータ） (2020-09-07T18:26:21Z)
• Targeted free energy estimation via learned mappings [66.20146549150475]
  自由エネルギー摂動 (FEP) は60年以上前にズワンツィヒによって自由エネルギー差を推定する方法として提案された。 FEPは、分布間の十分な重複の必要性という厳しい制限に悩まされている。 目標自由エネルギー摂動(Targeted Free Energy Perturbation)と呼ばれるこの問題を緩和するための1つの戦略は、オーバーラップを増やすために構成空間の高次元マッピングを使用する。
  論文  参考訳（メタデータ） (2020-02-12T11:10:00Z)

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。