論文の概要: Pseudo-random generators using linear feedback shift registers with output extraction

• arxiv url: http://arxiv.org/abs/2404.12011v1
• Date: Thu, 18 Apr 2024 09:03:09 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-19 12:51:17.635889
• Title: Pseudo-random generators using linear feedback shift registers with output extraction
• Title（参考訳）: 出力出力を有する線形フィードバックシフトレジスタを用いた擬似ランダム発生器
• Authors: Holger Nobach,
• Abstract要約: 擬似ランダムビットストリームを生成するために線形フィードバックシフトレジスタによって供給される3つの抽出器について検討した。 本報告の焦点は擬似ランダムビットストリームの品質とLFSRからの一次ストリームのビットの効率性である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The use of three extractors, fed by linear feedback shift registers (LFSR) for generating pseudo-random bit streams is investigated. Specifically, a standard LFSR is combined with a von Neumann extractor, a modified LFSR, extended by the all-zero state, is combined with an output logic, which translates every three bits from the LFSR into up to two output bits and a run extraction of the input bit stream into single output bits are investigated. The latter two achieve better efficiency in using bits from the primary bit stream, the last one reaches 50\%. Compared to other generator logics, the three extractors investigated are less performant in terms of their cryptographic strength. However, the focus of this report is on the quality of the pseudo-random bit stream in comparison to really random bits and on the efficiency of using the bits of the primary stream from the LFSR and generating valid output bits, while fulfilling a minimum cryptographic strength only, beyond that of the pure LFSR.
• Abstract（参考訳）: 擬似ランダムビットストリームを生成するために,線形フィードバックシフトレジスタ(LFSR)によって供給される3つの抽出器について検討した。 具体的には、標準LFSRをフォン・ノイマン抽出器と組み合わせ、全ゼロ状態で拡張された修正LFSRを出力論理と組み合わせ、LFSRから最大2つの出力ビットに3ビットずつ変換し、入力ビットストリームを1つの出力ビットに抽出する。 後者の2つは、プライマリビットストリームからのビットの使用効率が向上し、最後の1つは50%に達する。 他のジェネレータの論理と比較すると、解析された3つの抽出器は暗号強度の点で性能が低い。 しかし,本報告の焦点は,真にランダムなビットに比べて疑似ランダムなビットストリームの品質と,LFSRからの一次ストリームのビットを使用し,有効な出力ビットを生成する効率に重点を置いている。

関連論文リスト

• Locality-Aware Generalizable Implicit Neural Representation [54.93702310461174]
  一般化可能な暗黙的ニューラル表現(INR)は、単一の連続関数が複数のデータインスタンスを表現することを可能にする。 本稿では、変換器エンコーダと局所性を考慮したINRデコーダを組み合わせた一般化可能なINRのための新しいフレームワークを提案する。 我々のフレームワークは、従来の一般化可能なINRよりも大幅に優れており、下流タスクにおける局所性を考慮した潜在能力の有効性を検証している。
  論文  参考訳（メタデータ） (2023-10-09T11:26:58Z)
• LFSR based RNG on low cost FPGA for QKD applications [0.0]
  本研究は、量子鍵分布(QKD)アプリケーションのための、計算コストの低い「十分なランダム」リソースを開発することを目的とする。 我々は、QKDプロトコルの直接利用事例の1つである低コストFPGA評価ボード上で、2つのLFSRシーケンスのXORを実装した。
  論文  参考訳（メタデータ） (2023-07-31T06:38:21Z)
• A 3.3 Gbps SPAD-Based Quantum Random Number Generator [0.4189768681039651]
  本稿では、偏りや相関関係に現れる回路不完全性の役割を解明する量子ランダムフリップフロップ(QRFF)の理論について論じる。 QRFF回路のトランジスタ実装は、ランダムフリップフロップの有限非対称遷移に固有のエントロピーの劣化の補償を可能にする。 QRFF回路の2つの独立配列を含むフルシステムは55nmのBipolar-CMOS-DMOS技術ノードで製造・試験される。
  論文  参考訳（メタデータ） (2022-09-11T13:56:57Z)
• 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)
• Random pattern and frequency generation using a photonic reservoir computer with output feedback [3.0395687958102937]
  貯留層コンピューティング(Reservoir computing)は、時間依存信号を処理するためのバイオインスパイアされたコンピューティングパラダイムである。 出力フィードバックを持つ最初の光電子貯水池コンピュータを実演し、時系列生成タスクの2つの例でテストする。
  論文  参考訳（メタデータ） (2020-12-19T07:26:32Z)
• Non-Autoregressive Transformer ASR with CTC-Enhanced Decoder Input [54.82369261350497]
  CTCモジュールの予測を精算することでターゲットシーケンスを生成するCTC拡張NARトランスを提案する。 実験結果から,Aishell-1およびAishell-2データセットでは,Aishell-1およびAishell-2データセットの絶対CER劣化が0。
  論文  参考訳（メタデータ） (2020-10-28T15:00:09Z)
• CASS-NAT: CTC Alignment-based Single Step Non-autoregressive Transformer for Speech Recognition [29.55887842348706]
  音声認識のためのCTCアライメントに基づく単段非自己回帰デコーダ(CASS-NAT)を提案する。 推論中, 誤差に基づくアライメント手法をCTC空間に適用し, WERを低減し, 出力も保持する。
  論文  参考訳（メタデータ） (2020-10-28T03:14:05Z)
• Contrastive Triple Extraction with Generative Transformer [72.21467482853232]
  生成変換器を用いた新しい3重抽出モデルを提案する。 具体的には,エンコーダデコーダをベースとした1つの共有トランスフォーマモジュールを提案する。 忠実な結果を得るために,新しい三重項コントラストトレーニングオブジェクトを提案する。
  論文  参考訳（メタデータ） (2020-09-14T05:29:24Z)
• On Sparsifying Encoder Outputs in Sequence-to-Sequence Models [90.58793284654692]
  我々はTransformerをテストベッドとして、エンコーダとデコーダの間にあるゲートの層を導入します。 ゲートは、パリシティ誘導L0ペナルティの期待値を用いて正規化される。 このスペーサー化が2つの機械翻訳と2つの要約タスクに与える影響について検討する。
  論文  参考訳（メタデータ） (2020-04-24T16:57:52Z)
• Minimal Filtering Algorithms for Convolutional Neural Networks [82.24592140096622]
  我々は,M=3,5,7,9,11の基本的なフィルタリング操作を実装するための完全並列ハードウェア指向アルゴリズムを開発した。 各ケースにおける提案アルゴリズムの完全な並列ハードウェア実装は、組込み乗算器の数を約30%削減する。
  論文  参考訳（メタデータ） (2020-04-12T13:18:25Z)

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。