論文の概要: Error Correction Capabilities of Non-Linear Cryptographic Hash Functions

• arxiv url: http://arxiv.org/abs/2405.01495v1
• Date: Thu, 2 May 2024 17:26:56 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-03 15:35:38.223877
• Title: Error Correction Capabilities of Non-Linear Cryptographic Hash Functions
• Title（参考訳）: 非線形暗号ハッシュ関数の誤り補正機能
• Authors: Alejandro Cohen, Rafael G. L. D'Oliveira,
• Abstract要約: 線形ハッシュは誤り訂正能力を有することが知られている。 ほとんどのアプリケーションでは、擬似ランダム出力を持つ非線形ハッシュが代わりに使用される。 また,非線形ハッシュは誤り訂正能力に優れる可能性が示唆された。
• 参考スコア（独自算出の注目度）: 56.368766255147555
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Linear hashes are known to possess error-correcting capabilities. However, in most applications, non-linear hashes with pseudorandom outputs are utilized instead. It has also been established that classical non-systematic random codes, both linear and non-linear, are capacity achieving in the asymptotic regime. Thus, it is reasonable to expect that non-linear hashes might also exhibit good error-correcting capabilities. In this paper, we show this to be the case. Our proof is based on techniques from multiple access channels. As a consequence, we show that Systematic Random Non-Linear Codes (S-RNLC) are capacity achieving in the asymptotic regime. We validate our results by comparing the performance of the Secure Hash Algorithm (SHA) with that of Systematic Random Linear Codes (SRLC) and S-RNLC, demonstrating that SHA performs equally.
• Abstract（参考訳）: 線形ハッシュは誤り訂正能力を有することが知られている。 しかし、ほとんどの応用では、擬似ランダム出力を持つ非線形ハッシュが代わりに利用される。 また、古典的な非体系的乱数符号(線形および非線形の両方)が漸近的体制で達成できる能力であることが確立されている。 したがって、非線形ハッシュが優れた誤り訂正能力を示す可能性があると期待することは妥当である。 本稿では,これについて述べる。 我々の証明は、複数のアクセスチャネルからのテクニックに基づいている。 その結果,S-RNLC (Systematic Random Non-Linear Codes) が漸近的体制で達成できることが示唆された。 セキュアハッシュアルゴリズム(SHA)とSRLC(Systematic Random Linear Codes)とS-RNLC(S-RNLC)のパフォーマンスを比較し,SHAが等しく動作することを示す。

関連論文リスト

• Error correction for encoded quantum annealing revisited [0.0]
  パリティ符号化されたスピン系は、Sourlas-Lechner-Hauke-Zoller (SLHZ) と呼ばれるもので、誤り訂正能力を示す。 本稿では,SLHZシステムの読み出しにおける誤りを除去する,非常に単純な復号アルゴリズムを提案する。 我々の新しいアルゴリズムはLDPC符号のビットフリップアルゴリズムと考えることができる。
  論文  参考訳（メタデータ） (2024-07-22T08:47:00Z)
• Anti-Exploration by Random Network Distillation [63.04360288089277]
  ランダムネットワーク蒸留 (RND) の条件付けは, 不確実性推定器として用いるのに十分な識別性がないことを示す。 この制限は、FiLM(Feature-wise Linear Modulation)に基づく条件付けによって回避できることを示す。 D4RLベンチマークで評価したところ、アンサンブルベースの手法に匹敵する性能を達成でき、アンサンブルのない手法よりも広いマージンで性能を向上できることがわかった。
  論文  参考訳（メタデータ） (2023-01-31T13:18:33Z)
• Testing randomness of series generated in Bell's experiment [62.997667081978825]
  おもちゃの光ファイバーをベースとしたセットアップを用いてバイナリシリーズを生成し、そのランダム度をVilleの原理に従って評価する。 標準統計指標の電池、ハースト、コルモゴロフ複雑性、最小エントロピー、埋め込みのTakensarity次元、および拡張ディッキー・フラーとクワイアトコフスキー・フィリップス・シュミット・シン(英語版)でテストされ、ステーション指数をチェックする。 Toeplitz 抽出器を不規則級数に適用することにより得られる系列のランダム性のレベルは、非還元原料のレベルと区別できない。
  論文  参考訳（メタデータ） (2022-08-31T17:39:29Z)
• Bayesian Inference with Nonlinear Generative Models: Comments on Secure Learning [29.818395770651865]
  この研究は非線形生成モデルとその秘密ポテンシャルに注意を向けることを目的としている。 逆確率問題における正規化クロスエントロピーを導出するためにレプリカ法を導出する。 通信路の秘密化を実現するセキュアな符号化方式を提案する。
  論文  参考訳（メタデータ） (2022-01-19T08:29:53Z)
• Training Recurrent Neural Networks by Sequential Least Squares and the Alternating Direction Method of Multipliers [0.20305676256390928]
  本稿では、最適隠れネットワークパラメータを決定するために凸と2倍の差分損失と正規化項を用いることを提案する。 逐次最小二乗と交互方向乗算器を組み合わせる。 このアルゴリズムの性能は非線形システム同定ベンチマークで検証される。
  論文  参考訳（メタデータ） (2021-12-31T08:43:04Z)
• Misspecified Gaussian Process Bandit Optimization [59.30399661155574]
  カーネル化されたバンディットアルゴリズムは、この問題に対して強い経験的および理論的性能を示した。 本稿では、未知関数を$epsilon$-一様近似で近似できるエンフェミス特定カーネル化帯域設定を、ある再生カーネルヒルベルト空間(RKHS)において有界ノルムを持つ関数で導入する。 提案アルゴリズムは,不特定性に関する事前知識を伴わず,$epsilon$への最適依存を実現する。
  論文  参考訳（メタデータ） (2021-11-09T09:00:02Z)
• Gaussian Process Uniform Error Bounds with Unknown Hyperparameters for Safety-Critical Applications [71.23286211775084]
  未知のハイパーパラメータを持つ設定において、ロバストなガウス過程の均一なエラー境界を導入する。 提案手法はハイパーパラメータの空間における信頼領域を計算し,モデル誤差に対する確率的上限を求める。 実験により、バニラ法やベイズ法よりもバニラ法の方がはるかに優れていることが示された。
  論文  参考訳（メタデータ） (2021-09-06T17:10:01Z)
• Quantum and Randomised Algorithms for Non-linearity Estimation [0.5584060970507505]
  函数の非線型性は、それが任意の線型函数からの距離を示す。 非線型加算誤差を近似するために、高効率な量子およびランダム化アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2021-03-14T14:13:50Z)
• Tight Second-Order Certificates for Randomized Smoothing [106.06908242424481]
  また、ガウス的ランダムな滑らか化のための普遍曲率的境界が存在することを示す。 この新たな証明書の正確性を証明することに加えて、SoS証明書は実現可能であり、したがって厳密であることを示す。
  論文  参考訳（メタデータ） (2020-10-20T18:03:45Z)
• What needles do sparse neural networks find in nonlinear haystacks [0.0]
  人工ニューラルネットワーク(ANN)におけるスパーシリティ誘導ペナルティは、特にノイズが高く、トレーニングセットが小さい状況において、過度な適合を避ける。 線形モデルの場合、そのようなアプローチは、適切なコセンのペナルティパラメータに対するレギュレーションにおいて高い確率で重要な特徴を確実に回復する。 簡単なモデルを用いてモンテカルロシミュレーションを行い,提案手法の有効性を示した。
  論文  参考訳（メタデータ） (2020-06-07T04:46:55Z)

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。