論文の概要: Robust and Reusable Fuzzy Extractors for Low-entropy Rate Randomness Sources

• arxiv url: http://arxiv.org/abs/2405.04021v1
• Date: Tue, 7 May 2024 05:48:02 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-08 15:18:57.102752
• Title: Robust and Reusable Fuzzy Extractors for Low-entropy Rate Randomness Sources
• Title（参考訳）: 低エントロピー速度ランダム性源のためのロバストかつ再利用可能なファジィ外乱子
• Authors: Somnath Panja, Shaoquan Jiang, Reihaneh Safavi-Naini,
• Abstract要約: ファジィ抽出器(英: Fuzzy extractor、FE)は、ノイズの多い現実世界のランダムソースから信頼できる暗号鍵を抽出する暗号プリミティブである。 我々は情報理論FEを考察し、再利用可能性の強い概念を定義し、堅牢で再利用可能なFE(srrFE)を提案する。 我々は、再利用可能なFEと、構造化されたソースに対する情報理論(IT)セキュリティを備えたsrrFEの2つの構成を提供する。
• 参考スコア（独自算出の注目度）: 3.918940900258555
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Fuzzy extractors (FE) are cryptographic primitives that extract reliable cryptographic key from noisy real world random sources such as biometric sources. The FE generation algorithm takes a source sample, extracts a key and generates some helper data that will be used by the reproduction algorithm to recover the key. Reusability of FE guarantees that security holds when FE is used multiple times with the same source, and robustness of FE requires tampering with the helper data be detectable. In this paper, we consider information theoretic FEs, define a strong notion of reusability, and propose strongly robust and reusable FEs (srrFE) that provides the strongest combined notion of reusability and robustness for FEs. We give two constructions, one for reusable FEs and one for srrFE with information theoretic (IT) security for structured sources. The constructions are for structured sources and use sample-then-lock approach. We discuss each construction and show their unique properties in relation to existing work. Construction 2 is the first robust and reusable FE with IT-security without assuming random oracle. The robustness is achieved by using an IT-secure MAC with security against key-shift attack, which can be of independent interest.
• Abstract（参考訳）: ファジィ抽出器(英: Fuzzy extractor, FE)は、バイオメトリックソースのようなノイズの多い現実世界のランダムソースから信頼できる暗号鍵を抽出する暗号プリミティブである。 FE生成アルゴリズムは、ソースサンプルを取得し、キーを抽出し、再生アルゴリズムがキーを復元するために使用するヘルパーデータを生成する。 FEの再利用性は、FEが同じソースで複数回使用される場合にセキュリティが保持されることを保証する。 本稿では,情報理論的 FE を考察し,再利用可能性の強い概念を定義し,再利用可能性と堅牢性という最強の複合概念を提供する強靭で再利用可能な FE (srrFE) を提案する。 我々は、再利用可能なFEと、構造化されたソースに対する情報理論(IT)セキュリティを備えたsrrFEの2つの構成を提供する。 構成は構造化されたソースのためのものであり、サンプル-then-lockアプローチを使用する。 それぞれの構成について論じ、その特性を既存の作業に関連付けて示す。 コンストラクション2は、ランダムなオラクルを仮定せずにITセキュリティを備えた最初の堅牢で再利用可能なFEである。 この堅牢性は、キーシフト攻撃に対するセキュリティを備えたITセキュアMACを使用することで実現される。

関連論文リスト

• Evaluating Evidential Reliability In Pattern Recognition Based On Intuitionistic Fuzzy Sets [9.542461785588925]
  ファジィ信頼性指数(FRI)と呼ばれる証拠源の信頼性を定量化するアルゴリズムを提案する。 FRIアルゴリズムは、IFSから派生した決定量化規則に基づいており、決定を正し、これらの貢献から明らかな信頼性を導き出すために異なるBPAの貢献を定義する。 提案手法は,証拠資料の信頼性評価の合理性を効果的に向上し,複雑なシナリオにおける分類決定問題に特に適している。
  論文  参考訳（メタデータ） (2024-10-30T08:05:26Z)
• Statistical Test for Auto Feature Engineering by Selective Inference [12.703556860454565]
  オートフィーチャーエンジニアリング(AFE)は、実用的な機械学習パイプラインの開発において重要な役割を果たす。 選択推論というフレームワークをベースとした,AFEアルゴリズムによる特徴量生成のための新しい統計的テストを提案する。 提案試験では, 生成した特徴の統計的意義を$p$-valuesの形で定量化し, 誤検出のリスクを理論的に保証する。
  論文  参考訳（メタデータ） (2024-10-13T12:26:51Z)
• Rigorous Probabilistic Guarantees for Robust Counterfactual Explanations [80.86128012438834]
  モデルシフトに対する反ファクトの堅牢性を計算することはNP完全であることを示す。 本稿では,頑健性の厳密な推定を高い保証で実現する新しい確率論的手法を提案する。
  論文  参考訳（メタデータ） (2024-07-10T09:13:11Z)
• Prototype-based Aleatoric Uncertainty Quantification for Cross-modal Retrieval [139.21955930418815]
  クロスモーダル検索手法は、共通表現空間を共同学習することにより、視覚と言語モダリティの類似性関係を構築する。 しかし、この予測は、低品質なデータ、例えば、腐敗した画像、速いペースの動画、詳細でないテキストによって引き起こされるアレタリック不確実性のために、しばしば信頼性が低い。 本稿では, 原型に基づくAleatoric Uncertainity Quantification (PAU) フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-29T09:41:19Z)
• Exploring Incompatible Knowledge Transfer in Few-shot Image Generation [107.81232567861117]
  少ないショット画像生成は、いくつかの参照サンプルを使用して、ターゲットドメインから多彩で高忠実な画像を生成することを学習する。 既存のF SIGメソッドは、ソースジェネレータから事前の知識を選択し、保存し、転送し、ターゲットジェネレータを学習する。 本稿では,知識保存を補完する操作であり,軽量プルーニング方式で実装した知識トランケーションを提案する。
  論文  参考訳（メタデータ） (2023-04-15T14:57:15Z)
• FederatedTrust: A Solution for Trustworthy Federated Learning [3.202927443898192]
  IoT(Internet of Things)の急速な拡張により、中央集権型機械学習(ML/DL)メソッドの課題が提示された。 データプライバシに関する懸念に対処するため、フェデレートラーニング(FL)のような、協調的でプライバシ保護のML/DL技術が登場した。
  論文  参考訳（メタデータ） (2023-02-20T09:02:24Z)
• Reliable Federated Disentangling Network for Non-IID Domain Feature [62.73267904147804]
  本稿では、RFedDisと呼ばれる新しい信頼性のあるフェデレーション・ディエンタングリング・ネットワークを提案する。 我々の知る限り、提案するRFedDisは、明らかな不確実性と特徴の混在に基づくFLアプローチを開発する最初の試みである。 提案するRFedDisは,他の最先端FL手法と比較して信頼性の高い優れた性能を提供する。
  論文  参考訳（メタデータ） (2023-01-30T11:46:34Z)
• Secure Neuroimaging Analysis using Federated Learning with Homomorphic Encryption [14.269757725951882]
  フェデレートラーニング(FL)は、異なるリモートデータソース上の機械学習モデルの分散計算を可能にする。 最近のメンバーシップ攻撃は、モデルパラメータや要約統計が中央サイトと共有されているときに、個人的または機密性の高い個人情報が漏洩したり、推測されることがあることを示している。 完全同相暗号(FHE)を用いたセキュアFLフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-08-07T12:15:52Z)
• Quality of Service Guarantees for Physical Unclonable Functions [90.99207266853986]
  ノイズの多い物理的非拘束関数(PUF)出力は、信頼性、セキュア、および秘密鍵合意を促進する。 PUF出力の比率を制御し、対象の信頼性レベルを保証できるサービスパラメータの品質を導入する。
  論文  参考訳（メタデータ） (2021-07-12T18:26:08Z)
• GAN-MDF: A Method for Multi-fidelity Data Fusion in Digital Twins [82.71367011801242]
  Internet of Things(IoT)は、スマートファクトリ、インテリジェントロボット、ヘルスケアシステムなどの物理システムのリアルタイムデータを収集する。 高忠実度(HF)応答は、関心の系を正確に記述するが、コストがかかる。 低忠実性(LF)応答は計算コストが低いが、要求される精度を満たせなかった。 デジタル双生児(GAN-MDF)におけるMDFの新たな生成的対向ネットワークを提案する。
  論文  参考訳（メタデータ） (2021-06-24T06:40:35Z)
• Detecting Security Fixes in Open-Source Repositories using Static Code Analyzers [8.716427214870459]
  機械学習(ML)アプリケーションにおけるコミットを表現する機能として,既製の静的コードアナライザの出力がどの程度使用されるかを検討する。 埋め込みの構築やMLモデルをトレーニングして、脆弱性修正を含むソースコードコミットを自動的に識別する方法について検討する。 当社のメソッドとcommit2vecの組み合わせは,脆弱性を修正するコミットの自動識別において,最先端技術よりも明確な改善であることがわかった。
  論文  参考訳（メタデータ） (2021-05-07T15:57:17Z)

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。