論文の概要: Smooth Number Message Authentication Code in the IoT Landscape

• arxiv url: http://arxiv.org/abs/2310.13954v1
• Date: Sat, 21 Oct 2023 09:18:17 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-19 01:44:24.073147
• Title: Smooth Number Message Authentication Code in the IoT Landscape
• Title（参考訳）: IoTランドスケープにおけるスムース数メッセージ認証コード
• Authors: Eduard-Matei Constantinescu, Mohammed Elhajj, Luca Mariot,
• Abstract要約: 本稿では,軽量IoTデバイスにおけるSmooth Number Message Authentication Code(SNMAC)を提案する。 この提案は、暗号分野におけるスムーズな数値の使用に基づいており、様々なアルゴリズムやセキュリティ構成体のセキュリティとパフォーマンスを改善するために、どのように使用できるのかを調査している。
• 参考スコア（独自算出の注目度）: 0.7373617024876725
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents the Smooth Number Message Authentication Code (SNMAC) for the context of lightweight IoT devices. The proposal is based on the use of smooth numbers in the field of cryptography, and investigates how one can use them to improve the security and performance of various algorithms or security constructs. The literature findings suggest that current IoT solutions are viable and promising, yet they should explore the potential usage of smooth numbers. The methodology involves several processes, including the design, implementation, and results evaluation. After introducing the algorithm, provides a detailed account of the experimental performance analysis of the SNMAC solution, showcasing its efficiency in real-world scenarios. Furthermore, the paper also explores the security aspects of the proposed SNMAC algorithm, offering valuable insights into its robustness and applicability for ensuring secure communication within IoT environments.
• Abstract（参考訳）: 本稿では,軽量IoTデバイスにおけるSmooth Number Message Authentication Code(SNMAC)を提案する。 この提案は、暗号分野におけるスムーズな数値の使用に基づいており、様々なアルゴリズムやセキュリティ構成体のセキュリティとパフォーマンスを改善するために、どのように使用できるのかを調査している。 文献によると、現在のIoTソリューションは実現可能で有望だが、スムーズな数値の使用の可能性を探る必要がある。 この方法論は、設計、実装、結果評価を含むいくつかのプロセスを含む。 このアルゴリズムを導入した後、SNMACソリューションの実験的な性能分析について詳細に説明し、実世界のシナリオでその効率性を示す。 さらに、提案するSNMACアルゴリズムのセキュリティ面についても検討し、IoT環境内のセキュアな通信を確保するための堅牢性と適用性に関する貴重な洞察を提供する。

関連論文リスト

• Trustworthy Image Semantic Communication with GenAI: Explainablity, Controllability, and Efficiency [59.15544887307901]
  画像意味コミュニケーション(ISC)は,高効率な映像コンテンツ伝送を実現する可能性に注目されている。 既存のISCシステムは、解釈可能性、操作性、互換性の課題に直面している。 我々は、複数の下流推論タスクにGenerative Artificial Intelligence(GenAI)を利用する新しい信頼できるISCフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-08-07T14:32:36Z)
• Scalable Zero-Knowledge Proofs for Verifying Cryptographic Hashing in Blockchain Applications [16.72979347045808]
  ゼロ知識証明(ZKP)は、現代のブロックチェーンシステムのスケーラビリティ問題に対処するための、有望なソリューションとして登場した。 本研究では,暗号ハッシュの計算完全性を保証するため,ZKPの生成と検証を行う手法を提案する。
  論文  参考訳（メタデータ） (2024-07-03T21:19:01Z)
• Cryptanalysis of the SIMON Cypher Using Neo4j [0.0]
  本稿では,SIMON LEA における差分間の複雑な関係を識別するために知識グラフを用いた新しい手法を提案する。 これにより、差分全体の最適経路の同定が可能となり、SIMONの差分セキュリティ解析の有効性が向上する。
  論文  参考訳（メタデータ） (2024-05-08T00:52:57Z)
• S-box Security Analysis of NIST Lightweight Cryptography Candidates: A Critical Empirical Study [0.2621434923709917]
  NISTは2018年に軽量暗号アルゴリズムの標準化を要求した。 アスコンはこの競技の勝者として登場した。 我々は,NISTライトウェイト暗号(LWC)標準化プロセスにおける6つのファイナリストのSボックスを評価する。
  論文  参考訳（メタデータ） (2024-04-09T07:56:52Z)
• CRYPTO-MINE: Cryptanalysis via Mutual Information Neural Estimation [42.481750913003204]
  相互情報(英: Mutual Information、MI)は、暗号システムの効率を評価する尺度である。 機械学習の最近の進歩は、ニューラルネットワークを用いたMIの推定の進歩を可能にしている。 本研究は,暗号分野におけるMI推定の新たな応用について述べる。
  論文  参考訳（メタデータ） (2023-09-14T20:30:04Z)
• Zero-Effort Two-Factor Authentication Using Wi-Fi Radio Wave Transmission and Machine Learning [0.0]
  本稿では,ユーザ環境と機械学習(ML)のユニークな特徴を組み合わせた,ゼロ・エフォート2要素認証(2FA)手法を提案する。 Raspberry Piデバイスを用いたプロトタイプを開発し,提案手法の有効性と実用性を示す実験を行った。 提案システムは2FAとユーザ認証の分野に革命をもたらし、機密情報への安全でシームレスなアクセスの新たな時代を提供する。
  論文  参考訳（メタデータ） (2023-03-04T21:04:10Z)
• The #DNN-Verification Problem: Counting Unsafe Inputs for Deep Neural Networks [94.63547069706459]
  #DNN-Verification問題は、DNNの入力構成の数を数えることによって安全性に反する結果となる。 違反の正確な数を返す新しい手法を提案する。 安全クリティカルなベンチマークのセットに関する実験結果を示す。
  論文  参考訳（メタデータ） (2023-01-17T18:32:01Z)
• Near-Optimal Multi-Agent Learning for Safe Coverage Control [76.99020416197631]
  マルチエージェントのカバレッジ制御問題では、エージェントは環境をナビゲートして、ある密度のカバレッジを最大化する位置に到達する。 本稿では,エージェントの安全性を保ちながら,その密度を効率よく学習し,カバレッジ問題を概ね解決することを目的とする。 まず、安全を確実に保証しながら、有限時間で最適範囲に近づいた結果を挙げる。
  論文  参考訳（メタデータ） (2022-10-12T16:33:34Z)
• Bayesian Optimization with Machine Learning Algorithms Towards Anomaly Detection [66.05992706105224]
  本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。 ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。 実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2020-08-05T19:29:35Z)
• SAMBA: Safe Model-Based & Active Reinforcement Learning [59.01424351231993]
  SAMBAは、確率論的モデリング、情報理論、統計学といった側面を組み合わせた安全な強化学習のためのフレームワークである。 我々は,低次元および高次元の状態表現を含む安全な力学系ベンチマークを用いて,アルゴリズムの評価を行った。 アクティブなメトリクスと安全性の制約を詳細に分析することで,フレームワークの有効性を直感的に評価する。
  論文  参考訳（メタデータ） (2020-06-12T10:40:46Z)
• CryptoSPN: Privacy-preserving Sum-Product Network Inference [84.88362774693914]
  総生産ネットワーク(SPN)のプライバシ保護のためのフレームワークを提案する。 CryptoSPNは、中規模のSPNに対して秒の順序で高効率で正確な推論を行う。
  論文  参考訳（メタデータ） (2020-02-03T14:49:18Z)

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。