論文の概要: Distinguishability Investigation on Longa's Atomic Patterns when used as a Basis for Implementing Elliptic Curve Scalar Multiplication Algorithms
- arxiv url: http://arxiv.org/abs/2409.13742v1
- Date: Tue, 10 Sep 2024 19:52:57 GMT
- ステータス: 処理完了
- システム内更新日: 2024-11-07 05:24:17.958210
- Title: Distinguishability Investigation on Longa's Atomic Patterns when used as a Basis for Implementing Elliptic Curve Scalar Multiplication Algorithms
- Title（参考訳）: 楕円曲線スカラー乗算アルゴリズムの実装基礎としてのLongaの原子パターンの識別可能性の検討
- Authors: Sze Hei Li,
- Abstract要約: この論文は、楕円曲線スカラー乗算アルゴリズムで適用されたロンガの原子パターンの研究を主題としている。
この研究は、これらの原子パターンをマイクロコントローラの実践的な実装に用いている。
この研究の重要な貢献は、ロンガの元々の原子パターンにおけるいくつかの相違点の同定と修正である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In the evolving landscape of cryptographic security, the robustness of Elliptic Curve Cryptography (ECC) against side-channel analysis (SCA) attacks is of paramount importance due to the widespread use of ECC and the growing sophistication of SCAs. This thesis delves into the investigation of Longa's atomic patterns applied within Elliptic Curve scalar multiplication algorithms, assessing their resistance to horizontal SCAs. The research employs these atomic patterns in practical implementation on a microcontroller (Texas Instruments Launchpad F28379 board) using the open-source cryptographic library FLECC in C. In our analysis, we only focused on the distinguishability of the first atomic block in the Elliptic Curve point doubling and point addition patterns. Due to various technical limitations, we were unable to determine significant differences in the execution time and the shapes of the atomic blocks. Further investigations of the SCA-resistance can be performed based on this work. A significant contribution of this work is the identification and correction of several discrepancies in Longa's original atomic patterns. This thesis marks the first practical implementation of Longa's patterns, extending the theoretical research into empirical analysis.
- Abstract（参考訳）: 暗号セキュリティの進化する状況において、楕円曲線暗号(ECC)のサイドチャネル解析(SCA)攻撃に対する堅牢性は、ECCの普及とSCAの高度化により最重要となる。
この論文は、楕円曲線スカラー乗算アルゴリズムで適用されたロンガの原子パターンの調査に発展し、それらの水平SCAに対する耐性を評価した。
本研究では,これらの原子パターンを,オープンソースの暗号ライブラリ FLECC を用いたマイクロコントローラ(テキサス・インスツルメンツ・ローンチパッド F28379 ボード)上で実践的に実装する。
技術的制限が多様であったため,実行時間と原子ブロックの形状に有意な差は認められなかった。
本研究に基づいてSCA抵抗に関するさらなる調査を行うことができる。
この研究の重要な貢献は、ロンガの元々の原子パターンにおけるいくつかの相違点の同定と修正である。
この論文はロンガのパターンの最初の実践的な実装であり、理論的研究を経験的分析へと拡張した。
関連論文リスト
- Practical Investigation on the Distinguishability of Longa's Atomic Patterns [0.0]
NIST楕円曲線P-256に対するLongaの原子パターンを用いた二進楕円曲線スカラー乗算kPアルゴリズムを実装した。
マイクロコントローラ上での1kP実行の電磁的痕跡を測定し,解析した。
論文 参考訳（メタデータ） (2024-09-18T10:48:31Z) - A Machine Learning Based Approach for Statistical Analysis of Detonation Cells from Soot Foils [0.0]
提案アルゴリズムは、トレーニング手順やデータセットを使わずに、正確に細胞パターンを抽出するように設計されている。
その結果、複雑な場合であっても10%以内の誤差が残っており、一貫した精度が示された。
この研究は、デトネーション波動力学の理解を深めるためのアルゴリズムの幅広い適用性とポテンシャルを強調している。
論文 参考訳（メタデータ） (2024-09-10T12:50:46Z) - Estimating the Hessian Matrix of Ranking Objectives for Stochastic Learning to Rank with Gradient Boosted Trees [63.18324983384337]
グラディエントブースト決定木(GBDT)のランク付け手法について紹介する。
我々の主な貢献は、二階微分、すなわちヘッセン行列に対する新しい推定器である。
推定器を既存のPL-Rankフレームワークに組み込む。
論文 参考訳（メタデータ） (2024-04-18T13:53:32Z) - An ADRC-Incorporated Stochastic Gradient Descent Algorithm for Latent
Factor Analysis [6.843073158719234]
勾配降下(SGD)に基づく潜在因子分析(LFA)モデルは,HDI行列から貴重な情報を抽出するのに極めて有効である。
標準SGDアルゴリズムは、学習エラーの履歴と将来の状態を考慮せずに、現在の学習誤差のみを計算できる。
本稿では,ADRCを組み込んだSGD(ADS)アルゴリズムを革新的に提案する。
論文 参考訳（メタデータ） (2024-01-13T08:38:54Z) - Higher-order topological kernels via quantum computation [68.8204255655161]
トポロジカルデータ分析(TDA)は、複雑なデータから意味のある洞察を抽出する強力なツールとして登場した。
本稿では,ベッチ曲線の次数増加に基づくBettiカーネルの量子的定義法を提案する。
論文 参考訳（メタデータ） (2023-07-14T14:48:52Z) - On the Benefits of Large Learning Rates for Kernel Methods [110.03020563291788]
本稿では,カーネル手法のコンテキストにおいて,現象を正確に特徴付けることができることを示す。
分離可能なヒルベルト空間における2次対象の最小化を考慮し、早期停止の場合、学習速度の選択が得られた解のスペクトル分解に影響を及ぼすことを示す。
論文 参考訳（メタデータ） (2022-02-28T13:01:04Z) - Tracking perovskite crystallization via deep learning-based feature
detection on 2D X-ray scattering data [137.47124933818066]
本稿では,より高速なR-CNN深層学習アーキテクチャに基づくX線回折画像の自動解析パイプラインを提案する。
有機-無機ペロブスカイト構造の結晶化をリアルタイムに追跡し, 2つの応用で検証した。
論文 参考訳（メタデータ） (2022-02-22T15:39:00Z) - A Theoretical Analysis of Catastrophic Forgetting through the NTK
Overlap Matrix [16.106653541368306]
その結果,2つのタスクが整合するにつれて,カタストロフィック・フォージッティングの影響が増大していることが示唆された。
本稿では,データ構造を利用した直交勾配Descent (OGD) の変種を提案する。
実験は、我々の理論的な結果をサポートし、我々の手法が古典的なCLデータセットにおけるCFの削減にどのように役立つかを示す。
論文 参考訳（メタデータ） (2020-10-07T17:35:31Z) - Longitudinal Deep Kernel Gaussian Process Regression [16.618767289437905]
縦型ディープカーネルプロセスレグレッション(L-DKGPR)を導入する。
L-DKGPRは、縦方向のデータから複雑な多レベル相関構造の発見を自動化する。
そこで我々は,L-DKGPRを学習するための効率的なアルゴリズムを,遅延空間誘導点と変分推論を用いて導出した。
論文 参考訳（メタデータ） (2020-05-24T15:10:48Z) - Learnable Subspace Clustering [76.2352740039615]
本研究では,大規模サブスペースクラスタリング問題を効率的に解くために,学習可能なサブスペースクラスタリングパラダイムを開発する。
鍵となる考え方は、高次元部分空間を下層の低次元部分空間に分割するパラメトリック関数を学ぶことである。
我々の知る限り、本論文は、サブスペースクラスタリング手法の中で、数百万のデータポイントを効率的にクラスタ化する最初の試みである。
論文 参考訳（メタデータ） (2020-04-09T12:53:28Z) - Kernel and Rich Regimes in Overparametrized Models [69.40899443842443]
過度にパラメータ化された多層ネットワーク上の勾配勾配は、RKHSノルムではないリッチな暗黙バイアスを誘発できることを示す。
また、より複雑な行列分解モデルと多層非線形ネットワークに対して、この遷移を実証的に示す。
論文 参考訳（メタデータ） (2020-02-20T15:43:02Z)
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。