論文の概要: Lightweight ciphers based on chaotic Map -- LFSR architectures
- arxiv url: http://arxiv.org/abs/2402.10871v1
- Date: Fri, 16 Feb 2024 18:16:31 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-25 09:06:20.675316
- Title: Lightweight ciphers based on chaotic Map -- LFSR architectures
- Title(参考訳): カオスマップに基づく軽量暗号-LFSRアーキテクチャ
- Authors: M. Garcia-Bosque, C. Sánchez-Azqueta, G. Royo, S. Celma,
- Abstract要約: 我々は,Skew Tent MapとModified Logistic Mapの2つの異なるストリーム暗号をそれぞれ解析する。
これらのシステムのランダム性を改善するために、生成されたシーケンスの周期長を増大させる1つの方法が適用された。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we propose and analyze two different stream ciphers based on a Skew Tent Map and a Modified Logistic Map respectively. In order to improve the randomness of these systems, a single method for increasing the period length of the generated sequences has been applied. The results prove that the randomness of these systems can be severally increased by using this method, making these systems suitable for secure communications.
- Abstract(参考訳): 本稿では,Skew Tent MapとModified Logistic Mapに基づく2つの異なるストリーム暗号を提案し,解析する。
これらのシステムのランダム性を改善するために、生成されたシーケンスの周期長を増大させる1つの方法が適用された。
この手法を用いることで,これらのシステムのランダム性を幾度となく向上させることができ,セキュアな通信に適したシステムであることが実証された。
関連論文リスト
- FRAME: A Modular Framework for Autonomous Map-merging: Advancements in the Field [12.247977717070773]
本稿では,エゴセントリックなマルチロボット探査における3次元点雲マップの融合について述べる。
提案手法は、最先端の場所認識と学習記述子を利用して、地図間の重複を効率的に検出する。
提案手法の有効性は,ロボット探査の複数のフィールドミッションを通じて実証された。
論文 参考訳(メタデータ) (2024-04-27T20:54:15Z) - Noise-Crypt: Image Encryption with Non-linear Noise, Hybrid Chaotic Maps, and Hashing [0.8205507411993582]
Noise-Cryptは、非線形ランダムノイズ、ハイブリッドカオスマップ、SHA-256ハッシュアルゴリズムを統合する画像暗号化アルゴリズムである。
提案手法は、ディファレンシャルアタック、エントロピー、相関など、いくつかのセキュリティパラメータに対して評価されている。
セキュリティ解析の結果は、ロバストな画像暗号化を実現するための提案手法の有効性を検証する。
論文 参考訳(メタデータ) (2023-09-20T17:11:35Z) - A Fast and Optimal Learning-based Path Planning Method for Planetary Rovers [5.337162499594818]
本研究では,NNPPと呼ばれる標高マップの最適経路を高速に探索する学習手法を提案する。
NNPPモデルは、多くの事前注釈付き最適経路のデモから、スタート地点とゴール地点のセマンティック情報とマップ表現を学習する。
NNPPモデルにより生成された誘導場は,同じハードウェア条件下での最適経路の探索時間を著しく短縮できることを示す。
論文 参考訳(メタデータ) (2023-08-09T08:31:05Z) - On the Effective Usage of Priors in RSS-based Localization [56.68864078417909]
本稿では、受信信号強度(RSS)指紋と畳み込みニューラルネットワークに基づくアルゴリズムLocUNetを提案する。
本稿では,密集市街地における局所化問題について検討する。
まず,LocUNetがRx位置やRxの事前分布を学習し,トレーニングデータから送信者(Tx)アソシエーションの好みを学習し,その性能を評価できることを示す。
論文 参考訳(メタデータ) (2022-11-28T00:31:02Z) - Large-Scale Sequential Learning for Recommender and Engineering Systems [91.3755431537592]
本稿では,現在の状況に適応してパーソナライズされたランキングを提供する自動アルゴリズムの設計に焦点を当てる。
前者はSAROSと呼ばれる新しいアルゴリズムを提案し,インタラクションの順序を学習するためのフィードバックの種類を考慮に入れている。
提案手法は, 電力網の故障検出に対する初期アプローチと比較して, 統計的に有意な結果を示す。
論文 参考訳(メタデータ) (2022-05-13T21:09:41Z) - QLSD: Quantised Langevin stochastic dynamics for Bayesian federated
learning [27.836719155735807]
フェデレーション学習は、データが分散化され、複数のクライアントにローカルに保存された場合に推論を実行することを目的としている。
本稿では,グラデーション・ランゲヴィン・ダイナミクスの量子化バージョンに基づいて,モンテカルロアルゴリズムのテキストtQLSDを提案する。
論文 参考訳(メタデータ) (2021-06-01T21:08:54Z) - Deep Shells: Unsupervised Shape Correspondence with Optimal Transport [52.646396621449]
本稿では,3次元形状対応のための教師なし学習手法を提案する。
提案手法は,複数のデータセット上での最先端技術よりも大幅に改善されていることを示す。
論文 参考訳(メタデータ) (2020-10-28T22:24:07Z) - Semantic Change Detection with Asymmetric Siamese Networks [71.28665116793138]
2つの空中画像が与えられた場合、セマンティックチェンジ検出は、土地被覆のバリエーションを特定し、それらの変化タイプをピクセルワイド境界で識別することを目的としている。
この問題は、正確な都市計画や天然資源管理など、多くの地球ビジョンに関連するタスクにおいて不可欠である。
本研究では, 広く異なる構造を持つモジュールから得られた特徴対を用いて意味変化を同定し, 同定するための非対称システマネットワーク(ASN)を提案する。
論文 参考訳(メタデータ) (2020-10-12T13:26:30Z) - Accelerated Message Passing for Entropy-Regularized MAP Inference [89.15658822319928]
離散値のランダムフィールドにおけるMAP推論の最大化は、機械学習の基本的な問題である。
この問題の難しさから、特殊メッセージパッシングアルゴリズムの導出には線形プログラミング(LP)緩和が一般的である。
古典的加速勾配の根底にある手法を活用することにより,これらのアルゴリズムを高速化するランダム化手法を提案する。
論文 参考訳(メタデータ) (2020-07-01T18:43:32Z) - Distributed Sketching Methods for Privacy Preserving Regression [54.51566432934556]
ランダム化されたスケッチを利用して、問題の次元を減らし、プライバシを保ち、非同期分散システムにおけるストラグラーレジリエンスを改善します。
従来のスケッチ手法に対する新しい近似保証を導出し、分散スケッチにおけるパラメータ平均化の精度を解析する。
大規模実験によるサーバレスコンピューティングプラットフォームにおける分散スケッチのパフォーマンスについて説明する。
論文 参考訳(メタデータ) (2020-02-16T08:35:48Z)
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。