論文の概要: CRYSTALS-Kyber With Lattice Quantizer
- arxiv url: http://arxiv.org/abs/2401.15534v1
- Date: Sun, 28 Jan 2024 01:01:57 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-18 08:07:41.667263
- Title: CRYSTALS-Kyber With Lattice Quantizer
- Title(参考訳): 格子量子化器を用いたCRYSTALS-Kyber
- Authors: Shuiyin Liu, Amin Sakzad,
- Abstract要約: M-LWE(Module Learning with Errors)ベースの鍵調整機構(KRM)は格子コードブックに従ってM-LWEサンプルを定量化する。
我々の主な成果は、M-LWEベースのKRMの復号化失敗率(DFR)の明示的な上限である。
Kyberと比較すると、通信コストは最大36.47%、DFRは最大299ドルまで削減される。
- 参考スコア(独自算出の注目度): 4.317605401561789
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Module Learning with Errors (M-LWE) based key reconciliation mechanisms (KRM) can be viewed as quantizing an M-LWE sample according to a lattice codebook. This paper describes a generic M-LWE-based KRM framework, valid for any dimensional lattices and any modulus $q$ without a dither. Our main result is an explicit upper bound on the decryption failure rate (DFR) of M-LWE-based KRM. This bound allows us to construct optimal lattice quantizers to reduce the DFR and communication cost simultaneously. Moreover, we present a KRM scheme using the same security parameters $(q,k,\eta_1,\eta_2)$ as in Kyber. Compared with Kyber, the communication cost is reduced by up to $36.47\%$ and the DFR is reduced by a factor of up to $2^{99}$. The security arguments remain the same as Kyber.
- Abstract(参考訳): M-LWE(Module Learning with Errors)ベースの鍵調整機構(KRM)は格子コードブックに従ってM-LWEサンプルを定量化する。
本稿では,任意の次元格子に対して有効であり,ディザのない任意のモジュラス$q$に対して有効である汎用的なM-LWEベースのKRMフレームワークについて述べる。
我々の主な成果は、M-LWEベースのKRMの復号化失敗率(DFR)の明示的な上限である。
この境界により、DFRと通信コストを同時に削減するために最適な格子量子化器を構築することができる。
さらに,Kyber と同じセキュリティパラメータ $(q,k,\eta_1,\eta_2)$ を用いた KRM スキームを提案する。
Kyberと比較すると、通信コストは最大36.47ドル%、DFRは最大2.99ドルまで削減される。
セキュリティの議論は、Kyberと同じだ。
関連論文リスト
- Risk Bounds for Mixture Density Estimation on Compact Domains via the $h$-Lifted Kullback--Leibler Divergence [2.8074364079901017]
標準KL分散の一般化として、$h$-lifted Kullback--Leibler(KL)分散を導入する。
我々は、対応する最大$h$-lifted chance 推定器の計算手順を開発する。
論文 参考訳(メタデータ) (2024-04-19T02:31:34Z) - Towards Robust Model-Based Reinforcement Learning Against Adversarial
Corruption [66.5930514142814]
本研究は、モデルベース強化学習(RL)における敵対的腐敗の課題に取り組む。
本稿では,MLE に対する不確実性重みとして全変量 (TV) に基づく情報比を利用する,汚損楽観的 MLE (CR-OMLE) アルゴリズムを提案する。
我々は、重み付け手法をオフライン設定にまで拡張し、汚損性悲観的MLE (CR-PMLE) というアルゴリズムを提案する。
論文 参考訳(メタデータ) (2024-02-14T07:27:30Z) - Bit-flipping Decoder Failure Rate Estimation for (v,w)-regular Codes [84.0257274213152]
並列ビットフリップデコーダのDFRを高精度に推定する手法を提案する。
本研究は,本症候群のモデル化およびシミュレーションによる重み比較,第1イテレーション終了時の誤りビット分布の誤検出,復号化復号化率(DFR)について検証した。
論文 参考訳(メタデータ) (2024-01-30T11:40:24Z) - Beyond Training Objectives: Interpreting Reward Model Divergence in
Large Language Models [8.15890412446096]
人間のフィードバックからの強化学習によって微調整された大規模言語モデル(LLM)は、より広くデプロイされている。
我々は、高退化世代をもたらすLLMに起こる変化を指すために、$textitImplicit Reward Model$ (IRM) という用語を造った。
論文 参考訳(メタデータ) (2023-10-12T09:36:03Z) - Certified Robust Models with Slack Control and Large Lipschitz Constants [102.69689641398227]
本稿では,2つの問題に対処するCalibrated Lipschitz-Margin Loss (CLL)を提案する。
第一に、一般的に使用されるマージン損失は、縮小する出力分布に対する罰則を調整しない。
第二に、$K$の最小化は過度に滑らかな決定関数をもたらす。
我々のCLLは、損失w.r.t.マージンとリプシッツ定数を明示的に調整することでこれらの問題に対処する。
論文 参考訳(メタデータ) (2023-09-12T12:23:49Z) - Improving the Model Consistency of Decentralized Federated Learning [68.2795379609854]
フェデレートラーニング(FL)は中央サーバーを捨て、各クライアントは、分散化された通信ネットワークで隣人とのみ通信する。
既存のDFLは、ローカルクライアント間の不整合に悩まされ、FLFLに比べて劣る。
DFedSAMMGSを提案する。1lambda$はスペクトルゴシップ行列であり、$Q$はスパースデータギャップの数である。
論文 参考訳(メタデータ) (2023-02-08T14:37:34Z) - Batch-Size Independent Regret Bounds for Combinatorial Semi-Bandits with
Probabilistically Triggered Arms or Independent Arms [53.89752069984382]
半帯域 (CMAB) について検討し, 半帯域 (CMAB) におけるバッチサイズ (K$) の依存性の低減に着目した。
まず,確率的に引き起こされるアーム(CMAB-T)を用いたCMABの設定に対して,分散を考慮した信頼区間を持つBCUCB-Tアルゴリズムを提案する。
次に,独立アームを用いた非トリガ型CMABの設定に対して,TPVM条件の非トリガ型を利用したSESCBアルゴリズムを提案する。
論文 参考訳(メタデータ) (2022-08-31T13:09:39Z) - Permutation Compressors for Provably Faster Distributed Nonconvex
Optimization [68.8204255655161]
本稿では,Gorbunov et al (2021) の MARINA 法が,理論的な通信複雑性の観点から最先端の手法とみなすことができることを示す。
MARINAの理論は、古典的な独立圧縮機設定を超えて、潜在的にエミュレートされた圧縮機の理論を支持するものである。
論文 参考訳(メタデータ) (2021-10-07T09:38:15Z) - Curse of Dimensionality in Unconstrained Private Convex ERM [2.512827436728378]
一般凸関数に対する微分プライベートな経験的リスク最小化の低い境界を考える。
凸一般化線型モデル (GLMs) に対して、制約された場合におけるDP-ERMのよく知られたタイトバウンドは $tildeTheta(fracsqrtpepsilon n)$ であるが、近年では citesstt21 は非制約の場合において DP-ERM のタイトバウンドは $tildeTheta(fracsqrttextrankepsilon n)$ である。
論文 参考訳(メタデータ) (2021-05-28T07:28:24Z)
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。