Fugu-MT 論文翻訳(概要): CEF: Connecting Elaborate Federal QKD Networks

論文の概要: CEF: Connecting Elaborate Federal QKD Networks

arxiv url: http://arxiv.org/abs/2409.12027v1
Date: Wed, 18 Sep 2024 14:37:42 GMT
ステータス: 処理完了
システム内更新日: 2024-09-19 17:10:23.753679
Title: CEF: Connecting Elaborate Federal QKD Networks
Title（参考訳）: CEF: 協力的な連邦政府のQKDネットワークを接続
Authors: Alin-Bogdan Popa, Pantelimon Popescu,
Abstract要約: いくつかの課題を特定し、それに対処するための4段階のオーケストレーションフレームワークを提案する。本研究では,集中型研究,対象ネットワーク計画,最適QKD設計,プロトコル適用に基づく4段階のオーケストレーションフレームワークを提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: As QKD infrastructure becomes increasingly complex while being developed by different actors (typically national governments), interconnecting them into a federated network of very elaborate sub-networks that maintain a high degree of autonomy will pose unique challenges. We identify several such challenges and propose a 4-step orchestration framework to address them based on centralized research, target network planning, optimal QKD design, and protocol enforcement.
Abstract（参考訳）: QKDのインフラは、異なるアクター(通常、国家政府)によって開発されながら複雑化するにつれて、高度に自律性を維持する非常に精巧なサブネットワークの連合ネットワークに相互接続することは、ユニークな課題をもたらす。このような課題を識別し,集中型研究,対象ネットワーク計画,最適QKD設計,プロトコル適用に基づく4段階のオーケストレーションフレームワークを提案する。

関連論文リスト

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)
The Future of QKD Networks [0.0]
現時点で最大のQKDイニシアチブはEuroQCIで、規模が大きいため市場は成熟している。そこで我々は,QKD仮想ネットワークを,柔軟性とセキュリティを向上するための有用なインフラストラクチャ抽象化として提案する。
論文参考訳（メタデータ） (2024-07-01T00:56:13Z)
Entanglement-Based Artificial Topology: Neighboring Remote Network Nodes [7.53305437064932]
絡み合いは、量子インターネットの鍵となる通信資源として全会一致で認識される。マルチパーティ・エンタングルメントは局所演算のみを用いてQLAN間人工トポロジーを生成することができることを示す。我々の貢献は、ネットワークエンジニアリングコミュニティに、人工トポロジと人工地区の概念に関する手持ちのガイドラインを提供することである。
論文参考訳（メタデータ） (2024-04-24T20:58:50Z)
MadQCI: a heterogeneous and scalable SDN QKD network deployed in production facilities [0.0]
現在の量子鍵分布(QKD)ネットワークは、可能な限り高いレートで秘密鍵を転送することに集中している。このアーキテクチャはスケーラブルでもなく、費用効率も高くない。ここで提示されるMadQCI QKDネットワークの構造は、分解されたコンポーネントと現代的なパラダイムに基づいている。
論文参考訳（メタデータ） (2023-11-21T18:57:21Z)
Hierarchical Multi-Marginal Optimal Transport for Network Alignment [52.206006379563306]
マルチネットワークアライメントは,複数ネットワーク上での協調学習に必須の要件である。マルチネットワークアライメントのための階層型マルチマージ最適トランスポートフレームワークHOTを提案する。提案するHOTは,有効性とスケーラビリティの両面で,最先端の大幅な改善を実現している。
論文参考訳（メタデータ） (2023-10-06T02:35:35Z)
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)
Semantic-Aware Collaborative Deep Reinforcement Learning Over Wireless Cellular Networks [82.02891936174221]
複数のエージェントが無線ネットワーク上で協調できるコラボレーティブディープ強化学習(CDRL)アルゴリズムは有望なアプローチである。本稿では,リソース制約のある無線セルネットワーク上で,意味的にリンクされたDRLタスクを持つ未学習エージェントのグループを効率的に協調させる,新しい意味認識型CDRL手法を提案する。
論文参考訳（メタデータ） (2021-11-23T18:24:47Z)
Networking of Internet of UAVs: Challenges and Intelligent Approaches [93.94905661009996]
I-UAVネットワークは、QoS(Quality-of-Service)とQoE(Quality-of-Experience)の3つのカテゴリに分類される。本稿では、これらの課題を詳細に分析し、I-UAVネットワーク問題に取り組むための対応するインテリジェントアプローチについて解説する。
論文参考訳（メタデータ） (2021-11-13T09:44:43Z)
Optimized Quantum Networks [68.8204255655161]
量子ネットワークは、ネットワーク要求の前に様々な種類の絡み合いを生成することができる。これを応用して、所望の機能に合わせた絡み合いベースの量子ネットワークを設計する。
論文参考訳（メタデータ） (2021-07-21T18:00:07Z)
Phase Configuration Learning in Wireless Networks with Multiple Reconfigurable Intelligent Surfaces [50.622375361505824]
RIS(Reconfigurable Intelligent Surfaces)は、電磁波伝搬の動的制御を提供する、高度にスケーラブルな技術である。 RISを内蔵した無線通信における大きな課題の1つは、複数のRISの低オーバーヘッドダイナミックな構成である。 RISの位相構成に対する低複雑さ教師あり学習手法を考案する。
論文参考訳（メタデータ） (2020-10-09T05:35:27Z)
Cognitive Radio Network Throughput Maximization with Deep Reinforcement Learning [58.44609538048923]
RF-CRN(Radio Frequency powered Cognitive Radio Networks)は、IoT(Internet of Things)などの最新のネットワークの目と耳である可能性が高い。自律的と考えるには、RF駆動のネットワークエンティティは、ネットワーク環境の不確実性の下でネットワークスループットを最大化するために、ローカルで決定する必要がある。本稿では,この欠点を克服し,無線ゲートウェイがネットワークスループットを最大化するための最適なポリシーを導出できるように,深層強化学習を提案する。
論文参考訳（メタデータ） (2020-07-07T01:49:07Z)

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。