論文の概要: Enhancing the MILP/MIQCP-based Automatic Search for Differential-Linear Distinguishers of Simon-Like Ciphers
- arxiv url: http://arxiv.org/abs/2408.01052v1
- Date: Fri, 2 Aug 2024 06:59:03 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-05 14:17:04.751603
- Title: Enhancing the MILP/MIQCP-based Automatic Search for Differential-Linear Distinguishers of Simon-Like Ciphers
- Title（参考訳）: MILP/MIQCPを用いたシモン様暗号の微分線形識別器の自動探索の高速化
- Authors: Siwei Chen, Zejun Xiang, Xiangyong Zeng, Guangxue Qin,
- Abstract要約: 我々は,Simon と Simeck ブロック暗号系の全メンバに対して,より優れた差分線形(DL)判別器を自動で見つけるために,MILP/MIQCP(Mixed-Integer Quadratic Constraint Programming)に基づく改良手法を提案する。
14/17/21/26ラウンド理論DL差分器は,それぞれ1ラウンド,Simon64は2ラウンド,Simon32/48/96は2ラウンドである。
- 参考スコア（独自算出の注目度）: 13.003982724617655
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, we propose an improved method based on Mixed-Integer Linear Programming/Mixed-Integer Quadratic Constraint Programming (MILP/MIQCP) to automatically find better differential-linear (DL) distinguishers for the all members of Simon and Simeck block cipher families. To be specific, we first give the completely precise MILP model to describe the linear part, and explain how to utilize the general expressions of \textsf{Gurobi} solver to model the propagation of continuous difference for the middle part in a quite easy way. Secondly, in order to solve the MILP/MIQCP model in a reasonable time, we propose two heuristic strategies based on the divide-and-conquer idea to speed up the search process. Thirdly, we introduce the transforming technique, which exploits the clustering effect on DL trails, to improve the estimated correlation of the DL approximation. We apply our method to Simon and Simeck block cipher families. Consequently, we find the 14/17/21/26-round theoretical DL distinguishers of Simon32/48/64/96, which extend the previous longest ones of Simon32/48/96 by one round and Simon64 by two rounds, respectively. For Simeck, we do not explore longer distinguishers compared to the currently best results, but refresh all the results of Zhou et al. (the first work to automate finding DL distinguishers for Simon-like ciphers using MILP/MIQCP). Besides, in order to validate the correctness of these distinguishers, the experimental verifications are conducted on Simon32/Simeck32 and Simon48/Simeck48. The results show that our theoretical estimations on correlations are very close to the experimental ones, which can be regarded as a concrete support for the effectiveness of our method.
- Abstract（参考訳）: 本稿では,Simon および Simeck ブロック暗号系の全メンバに対して,より優れた差分線形(DL)判別器を自動で見つけるために,MILP/MIQCP(MILP/MIQCP)に基づく改良手法を提案する。
具体的には、まず、線形部分を記述するための完全に正確なMILPモデルを与え、また、 \textsf{Gurobi} ソルバの一般式を用いて、中間部分に対する連続差の伝播を非常に簡単な方法でモデル化する方法を説明する。
第二に、MILP/MIQCPモデルを妥当な時間で解くために、探索過程を高速化する分割・畳み込みのアイデアに基づく2つのヒューリスティック戦略を提案する。
第3に,DL軌跡のクラスタリング効果を利用した変換手法を導入し,DL近似の相関性を推定する。
本手法をSimonおよびSimeckブロック暗号系に適用する。
その結果,Simon32/48/64/96の1ラウンド,Simon64は2ラウンドで,14/17/21/26ラウンドのSim32/48/64/96のDL差分器が得られた。
Simeck氏にとって、現在最高の結果よりも長い区別器を探索するわけではないが、Zhou et al(MILP/MIQCPを用いたSimonライクな暗号のDL区別器の発見を自動化する最初の作業)の結果をすべて更新する。
さらに,シモン32/シメック32とシモン48/シメック48で,これらの判別器の正当性を検証する実験を行った。
その結果, 相関関係の理論的推定は実験値に非常に近いことが示され, 提案手法の有効性を裏付ける具体的な支援とみなすことができる。
関連論文リスト
- Modeling Linear and Non-linear Layers: An MILP Approach Towards Finding Differential and Impossible Differential Propagations [1.5327660568487471]
本稿では,暗号内での差動伝播と不可能伝播を探索する自動ツールを提案する。
このツールは、Lilliput、GIFT64、SKINNY64、Klein、M.IBSの5つの軽量ブロック暗号に適用できる。
論文 参考訳（メタデータ） (2024-05-01T10:48:23Z) - Binary Classifier Optimization for Large Language Model Alignment [4.61411484523337]
本稿では,バイナリ信号によるアライメントの成功を説明する理論的基礎について述べる。
報酬シフトと基礎となる分布マッチングという,効果的なアライメントのための2つの手法を同定する。
我々のモデルは、2つの基本LLMと3つの異なるバイナリ信号データセット間で有効でロバストなアライメントを一貫して示す。
論文 参考訳（メタデータ） (2024-04-06T15:20:59Z) - Sample Complexity Characterization for Linear Contextual MDPs [67.79455646673762]
文脈決定プロセス(CMDP)は、遷移カーネルと報酬関数がコンテキスト変数によってインデックス付けされた異なるMDPで時間とともに変化できる強化学習のクラスを記述する。
CMDPは、時間とともに変化する環境で多くの現実世界のアプリケーションをモデル化するための重要なフレームワークとして機能する。
CMDPを2つの線形関数近似モデルで検討する: 文脈変化表現とすべての文脈に対する共通線形重み付きモデルIと、すべての文脈に対する共通表現と文脈変化線形重み付きモデルIIである。
論文 参考訳（メタデータ） (2024-02-05T03:25:04Z) - An Efficient Algorithm for Clustered Multi-Task Compressive Sensing [60.70532293880842]
クラスタ化マルチタスク圧縮センシングは、複数の圧縮センシングタスクを解決する階層モデルである。
このモデルに対する既存の推論アルゴリズムは計算コストが高く、高次元ではうまくスケールしない。
本稿では,これらの共分散行列を明示的に計算する必要をなくし,モデル推論を大幅に高速化するアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-09-30T15:57:14Z) - Morphologically-Aware Consensus Computation via Heuristics-based
IterATive Optimization (MACCHIatO) [1.8749305679160362]
本稿では,慎重に選択された距離のFr'echet平均に基づいて,二分法あるいは確率的コンセンサスセグメンテーションを構築する手法を提案する。
その結果,2値のコンセンサスマスクが多数投票とSTAPLEの中間サイズとなり,Mask Averaging法とSTAPLE法との違いが判明した。
論文 参考訳（メタデータ） (2023-09-14T23:28:58Z) - Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。
I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
論文 参考訳（メタデータ） (2023-08-31T05:05:53Z) - HEFT: Homomorphically Encrypted Fusion of Biometric Templates [20.10175446213924]
完全同相暗号(FHE)を用いたバイオメトリックテンプレートの安全な融合とマッチングのための非インタラクティブ解を提案する。
HEFTと呼ばれるこの手法は、FHEが課すユニークな制約、すなわち非算術演算に対する計算サポートの欠如を克服するためにカスタム設計されている。
テンプレート融合実験により, HEFT (i) による生体認証性能の11.07%, AUROCの9.58%向上が確認された。
論文 参考訳（メタデータ） (2022-08-15T14:55:08Z) - Learning to Ask Conversational Questions by Optimizing Levenshtein
Distance [83.53855889592734]
明示的な編集動作によって最小レベンシュテイン距離(MLD)を最適化する強化反復シーケンス編集(RISE)フレームワークを導入する。
RISEは会話の特徴に関連するトークンに注意を払うことができる。
2つのベンチマークデータセットの実験結果から、RISEは最先端の手法を大幅に上回っていることがわかった。
論文 参考訳（メタデータ） (2021-06-30T08:44:19Z) - 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) - Adaptive Sampling for Best Policy Identification in Markov Decision
Processes [79.4957965474334]
本稿では,学習者が生成モデルにアクセスできる場合の,割引マルコフ決定(MDP)における最良の政治的識別の問題について検討する。
最先端アルゴリズムの利点を論じ、解説する。
論文 参考訳（メタデータ） (2020-09-28T15:22:24Z) - Learning to hash with semantic similarity metrics and empirical KL
divergence [3.04585143845864]
ハッシュの学習は、大規模データベースからの近接探索を正確に、そして近似的に行うための効率的なパラダイムである。
バイナリハッシュコードは典型的には、CNNから出力特徴を丸め、イメージから抽出される。
i) 学習特徴の相対的なハッシュコード距離を目標値と一致するように促進する新規な損失関数により, (i) を克服する。
我々は、ネットワーク出力とバイナリターゲット分布のKL分散の微分可能な推定を通じて、(ii)に対処し、その結果、特徴がバイナリに丸められたときの情報損失を最小限に抑える。
論文 参考訳（メタデータ） (2020-05-11T08:20:26Z)
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。