論文の概要: Cryptomite: A versatile and user-friendly library of randomness extractors

• arxiv url: http://arxiv.org/abs/2402.09481v2
• Date: Thu, 26 Dec 2024 23:57:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-30 17:22:43.056818
• Title: Cryptomite: A versatile and user-friendly library of randomness extractors
• Title（参考訳）: Cryptomite: ランダム性抽出器の汎用的でユーザフレンドリなライブラリ
• Authors: Cameron Foreman, Richie Yeung, Alec Edgington, Florian J. Curchod,
• Abstract要約: ランダム性抽出実装のPythonライブラリであるCryptomiteを提示する。 このライブラリは、パラメータ計算モジュールとともに、2つのソース、シード、決定論的ランダムネス抽出器を提供する。 抽出器の実装は、実際は効率的であり、最大240>1012$ビットの入力サイズを許容する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: We present Cryptomite, a Python library of randomness extractor implementations. The library offers a range of two-source, seeded and deterministic randomness extractors, together with parameter calculation modules, making it easy to use and suitable for a variety of applications. We also present theoretical results, including new extractor constructions and improvements to existing extractor parameters. The extractor implementations are efficient in practice and tolerate input sizes of up to $2^{40}>10^{12}$ bits. Contrary to alternatives using the fast Fourier transform, we implement convolutions efficiently using the number-theoretic transform to avoid rounding errors, making them well suited to cryptography. The algorithms and parameter calculation are described in detail, including illustrative code examples and performance benchmarking.
• Abstract（参考訳）: ランダム性抽出実装のPythonライブラリであるCryptomiteを提示する。 このライブラリは、パラメータ計算モジュールとともに、2つのソース、シード、決定論的ランダムネス抽出器を提供しており、様々なアプリケーションに使いやすく、適している。 また,新しい抽出器の構成や既存の抽出器パラメータの改善を含む理論的結果も提示する。 抽出器の実装は、実際は効率的であり、最大2〜40>10^{12}$ビットの入力サイズを許容する。 高速フーリエ変換を用いた代替法とは対照的に、数理論変換を用いて効率よく畳み込みを実装し、丸め誤差を回避し、暗号に適している。 アルゴリズムとパラメータ計算は、例示的なコード例やパフォーマンスベンチマークなど、詳細に記述されている。

関連論文リスト

• Scaling Automatic Extraction of Pseudocode [19.09147464626829]
  学術論文の擬似コードは、そこで実装されたアルゴリズムを簡潔に表現する方法を提供する。 我々はarXiv論文から約32万の擬似コード例を抽出し,大規模な擬似コードコレクションを作成している。
  論文  参考訳（メタデータ） (2024-06-07T04:39:17Z)
• New Class of Ciphers Using Hardware Entropy Source [0.0]
  物理過程のエントロピーを抽出してランダムビットのストリームを生成する。 メッセージのビットをランダムビットのストリームに配置するプロセスは、その後の挿入の間にスキップされたランダムビットの数によって制御される。 与えられた乱数ビットからランダム鍵を効率的に計算する方法を提案する。
  論文  参考訳（メタデータ） (2024-04-14T15:44:50Z)
• Linear-time Minimum Bayes Risk Decoding with Reference Aggregation [52.1701152610258]
  最小ベイズリスク(MBR、Minimum Bayes Risk)は、機械翻訳の品質向上を図ったテキスト生成技術である。 これは2次複雑性を持つ実用計量のペアワイズ計算を必要とする。 本稿では,集約された参照表現に対して計算したスコアを用いて,ペアワイズメトリックスコアを近似する。
  論文  参考訳（メタデータ） (2024-02-06T18:59:30Z)
• Improved Real-time Post-Processing for Quantum Random Number Generators [10.453509966841022]
  実時間ブロックワイズ抽出を実現する逆ブロック源のための2つの新しい量子保護ランダム性抽出器を提案する。 本設計では, 抽出速度が大幅に向上し, 出力データ長もより長くなり, 種長が同じである。 広く使われている量子乱数生成器によって生成された生データに抽出器を適用することで,300ドルGbpsのシミュレーション抽出速度を実現する。
  論文  参考訳（メタデータ） (2023-01-20T15:02:37Z)
• Rapid Person Re-Identification via Sub-space Consistency Regularization [51.76876061721556]
  Person Re-Identification (ReID) は、歩行者を分離したカメラで識別する。 実値特徴記述子を用いた既存のReID法は精度が高いが、ユークリッド距離計算が遅いため効率が低い。 本稿では,ReID 処理を 0.25 倍高速化するサブスペース一貫性規則化 (SCR) アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-07-13T02:44:05Z)
• Few-shot Mining of Naturally Occurring Inputs and Outputs [83.3871936721431]
  我々は,100個の小さな種子セットを用いて訓練した教師付き鉱業関数を用いて,大規模コーパスからの入力出力例をマイニングした。 モデル生成データ拡張とは違って,本手法では,複数のタスクを対象としたシードセットのスタイルを模倣するために,自然に発生する高品質な入力出力ペアをマイニングする。 SQuAD型読解では, 採取したデータでシードセットを増強すると, シードセットのみを微調整したBART-largeベースラインよりも13F1の精度が向上した。
  論文  参考訳（メタデータ） (2022-05-09T05:40:52Z)
• Learning Summary Statistics for Bayesian Inference with Autoencoders [58.720142291102135]
  我々は,ディープニューラルネットワークに基づくオートエンコーダの内部次元を要約統計として利用する。 パラメータ関連情報を全て符号化するエンコーダのインセンティブを作成するため,トレーニングデータの生成に使用した暗黙的情報にデコーダがアクセスできるようにする。
  論文  参考訳（メタデータ） (2022-01-28T12:00:31Z)
• Using Convolutional Neural Networks to Detect Compression Algorithms [0.0]
  ベースデータセットを使用し、さまざまなアルゴリズムですべてのファイルを圧縮し、それに基づいてモデルを設計します。 使用されるモデルは、圧縮、lzip、bzip2を使用して圧縮されたファイルを正確に識別することができた。
  論文  参考訳（メタデータ） (2021-11-17T11:03:16Z)
• Captum: A unified and generic model interpretability library for PyTorch [49.72749684393332]
  我々は,PyTorch用の新しい,統一されたオープンソースモデル解釈可能性ライブラリを紹介する。 このライブラリには、多くの勾配と摂動に基づく属性アルゴリズムの汎用的な実装が含まれている。 分類モデルと非分類モデルの両方に使用できる。
  論文  参考訳（メタデータ） (2020-09-16T18:57:57Z)
• Kernel methods through the roof: handling billions of points efficiently [94.31450736250918]
  カーネル法は、非パラメトリック学習に対するエレガントで原則化されたアプローチを提供するが、今のところ大規模な問題ではほとんど利用できない。 最近の進歩は、最適化、数値線形代数、ランダム射影など、多くのアルゴリズム的アイデアの利点を示している。 ここでは、これらの取り組みをさらに進めて、GPUハードウェアを最大限に活用する解決器を開発し、テストする。
  論文  参考訳（メタデータ） (2020-06-18T08:16:25Z)

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。