論文の概要: Quantum Key Storage for Efficient Key Management

• arxiv url: http://arxiv.org/abs/2408.04598v1
• Date: Thu, 8 Aug 2024 17:19:02 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-09 14:58:04.763019
• Title: Quantum Key Storage for Efficient Key Management
• Title（参考訳）: 効率的なキー管理のための量子キーストレージ
• Authors: Emir Dervisevic, Amina Tankovic, Enio Kaljic, Miroslav Voznak, Miralem Mehic,
• Abstract要約: 本稿では,鍵生成と供給の有効性を高めるために,新しい鍵記憶設計を提案する。 キーストレージの設計はすべて,ネットワークシミュレーションツールを用いて解析され,新しいキーストレージ設計が既存の手法を上回る性能を示した。
• 参考スコア（独自算出の注目度）: 0.9844944491266131
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: In the ongoing discourse surrounding integrating QKD networks as a service for critical infrastructures, key storage design often receives insufficient attention. Nonetheless, it bears crucial significance as it profoundly impacts the efficiency of QKD network services, thereby shaping its suitability for diverse applications. In this article, we analyze the effectiveness of key storage designs developed through practical testbeds and propose a novel key storage design to increase the effectiveness of key creation and supply. All key storage designs underwent analysis using network simulation tools, and the findings demonstrate that the novel key storage design surpasses existing approaches in terms of performance.
• Abstract（参考訳）: 重要なインフラのサービスとしてのQKDネットワークの統合に関する議論の中で、鍵となるストレージ設計は、しばしば不十分な注目を集める。 にもかかわらず、QKDネットワークサービスの効率に大きな影響を与え、多様なアプリケーションに適合できるため、これは重要な意味を持つ。 本稿では,実践的なテストベッドを通じて開発されたキーストレージ設計の有効性を分析し,キー生成と供給の有効性を高めるための新しいキーストレージ設計を提案する。 キーストレージの設計はすべて,ネットワークシミュレーションツールを用いて解析され,新しいキーストレージ設計が既存の手法を上回る性能を示した。

関連論文リスト

• High-Fidelity Coherent-One-Way QKD Simulation Framework for 6G Networks: Bridging Theory and Reality [105.73011353120471]
  量子鍵分布(QKD)は情報理論のセキュリティを保証するための有望なソリューションとして浮上している。 かなり高価なQKD機器のため、QKD通信システム設計ツールの欠如は困難である。 本稿ではQKD通信システム設計ツールを紹介する。
  論文  参考訳（メタデータ） (2025-01-21T11:03:59Z)
• CSR:Achieving 1 Bit Key-Value Cache via Sparse Representation [63.65323577445951]
  キャッシュスパース表現(CSR)と呼ばれる新しい手法を提案する。 CSRは、密度の高いKey-Valueキャッシュテンソルをスパースインデックスとウェイトに変換し、LLM推論中によりメモリ効率のよい表現を提供する。 我々の実験は、CSRが最先端KVキャッシュ量子化アルゴリズムに匹敵する性能を達成することを示した。
  論文  参考訳（メタデータ） (2024-12-16T13:01:53Z)
• Optimizing QKD efficiency by addressing chromatic dispersion and time measurement uncertainty [0.0]
  本稿では,QKD(Quantum Key Distribution)プロトコルを提案する。 我々の分析は、これらの物理現象がQKD効率に与える影響を理解するための包括的な枠組みを提供する。 特に、単一光子波パケットのチャープパラメータを演算することにより、鍵発生率と広範囲のセキュア通信の大幅な改善を示す。
  論文  参考訳（メタデータ） (2024-10-14T18:00:02Z)
• Quantum Key Distribution Networks -- Key Management: A Survey [1.3611372330340248]
  量子鍵分配(QKD)は、2つのリモートパーティ間の秘密鍵合意問題に対する情報理論セキュア(ITS)ソリューションを提供する有望な技術である。 信頼されたリピータに基づくQKDネットワークは、任意の距離で多数のパーティにサービスを提供するために構築されている。
  論文  参考訳（メタデータ） (2024-08-08T16:42:45Z)
• Robust NAS under adversarial training: benchmark, theory, and beyond [55.51199265630444]
  我々は、多数の敵に訓練されたネットワークに対して、クリーンな精度とロバストな精度の両方を含む包括的データセットをリリースする。 また,多目的対人訓練において,クリーンな精度とロバストな精度で探索アーキテクチャを一般化する理論を確立した。
  論文  参考訳（メタデータ） (2024-03-19T20:10:23Z)
• SubGen: Token Generation in Sublinear Time and Memory [48.35076900702408]
  大規模言語モデル(LLM)はトークン生成に広範なメモリ要件を持つ。 本研究では,KVキャッシュの効率的な圧縮手法の開発に焦点をあてる。 我々は,キートークンにオンラインクラスタリングを導入し,値に$ell$をサンプリングする,サブ線形複雑性を持つ新しいキャッシング手法を考案した。 このアルゴリズムは、サブリニアメモリフットプリントとサブリニアタイムの複雑さを保証するだけでなく、我々のアプローチに厳密なエラーを課す。
  論文  参考訳（メタデータ） (2024-02-08T22:17:40Z)
• Neural auto-designer for enhanced quantum kernels [59.616404192966016]
  本稿では,問題固有の量子特徴写像の設計を自動化するデータ駆動型手法を提案する。 私たちの研究は、量子機械学習の進歩におけるディープラーニングの実質的な役割を強調します。
  論文  参考訳（メタデータ） (2024-01-20T03:11:59Z)
• Quantum key distribution in a packet-switched network [0.0]
  パケット交換ネットワークにおける鍵レート最適化のための3段階のアプローチを概説する。 シミュレーションの結果,光学記憶容量のない16ユーザネットワークにおいて,実用的な鍵レートが達成できることが示唆された。 自由空間QKDにおけるリアルタイム選択に類似した戦略で、カットオフストレージ時間を実装することにより、性能が大幅に向上することを発見した。
  論文  参考訳（メタデータ） (2023-02-27T17:48:17Z)
• An Efficient Routing Protocol for Quantum Key Distribution Networks [9.203625000707856]
  量子鍵分散(QKD)は、2つの接続されたユーザに対してポイントツーポイント情報理論安全な鍵サービスを提供する。 QOLSRはリンク状態認識と経路最適化によってQKDネットワークにおける量子鍵利用を大幅に改善する。
  論文  参考訳（メタデータ） (2022-04-29T07:37:45Z)
• Semi-supervised Network Embedding with Differentiable Deep Quantisation [81.49184987430333]
  我々はネットワーク埋め込みのための微分可能な量子化法であるd-SNEQを開発した。 d-SNEQは、学習された量子化符号にリッチな高次情報を与えるためにランク損失を組み込む。 トレーニング済みの埋め込みのサイズを大幅に圧縮できるため、ストレージのフットプリントが減少し、検索速度が向上する。
  論文  参考訳（メタデータ） (2021-08-20T11:53:05Z)

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。