Fugu-MT 論文翻訳(概要): Modelling 1/f Noise in TRNGs via Fractional Brownian Motion

論文の概要: Modelling 1/f Noise in TRNGs via Fractional Brownian Motion

arxiv url: http://arxiv.org/abs/2410.14205v1
Date: Fri, 18 Oct 2024 06:38:34 GMT
ステータス: 翻訳完了
システム内更新日: 2024-10-21 14:23:50.991986
Title: Modelling 1/f Noise in TRNGs via Fractional Brownian Motion
Title（参考訳）: フラクショナルブラウン運動によるTRNGの1/fノイズのモデル化
Authors: Maciej Skorski,
Abstract要約: この論文は、原子時計物理学者バーンズとアランの基礎研究に基づいている。 TRNG(True Random Number Generators)において、1/fのノイズをモデル化し、暗号化セキュリティを評価するための、高度にスケーラブルで数値的に正確なフレームワークを提供する。
参考スコア（独自算出の注目度）: 1.3053649021965603
License:
Abstract: Building upon the foundational work of atomic clock physicists Barnes and Allan, this paper presents a highly scalable and numerically exact framework for modeling \(1/f\) noise in oscillatory True Random Number Generators (TRNGs) and assessing their cryptographic security. By employing Fractional Brownian Motion, the framework constructs Gaussian non-stationary processes that represent these noise spectra accurately and in a mathematically sound way. Furthermore, it establishes several critical properties, including optimal bounds on the achievable generation rate of cryptographically secure bits.
Abstract（参考訳）: 本稿では,原子時計物理学者のバーンズとアランの基礎研究に基づいて,振動型True Random Number Generators(TRNGs)における1/f\)ノイズをモデル化し,その暗号セキュリティを評価するための,高度にスケーラブルで数値的に正確なフレームワークを提案する。フラクショナルブラウン運動を用いることで、これらのノイズスペクトルを正確に数学的に健全な方法で表現するガウス的非定常過程を構築する。さらに、暗号的に安全なビットの達成可能な生成速度の最適境界を含む、いくつかの重要な特性を確立する。

関連論文リスト

A Compact Quantum Random Number Generator Based on Balanced Detection of Shot Noise [0.0]
市販オフザシェルフパッケージにおけるLEDからのショットノイズのバランス検出による乱数抽出手法について述べる。設計は製造性、コスト、サイズに最適化されている。
論文参考訳（メタデータ） (2024-09-30T17:18:45Z)
Bayesian Inference of General Noise Model Parameters from Surface Code's Syndrome Statistics [0.0]
表面符号のテンソルネットワークシミュレータを統合する一般雑音モデルベイズ推論法を提案する。雑音パラメータが一定であり変化しない定常雑音に対しては,マルコフ連鎖モンテカルロに基づく手法を提案する。より現実的な状況である時間変化ノイズに対しては、シーケンシャルなモンテカルロに基づく別の手法を導入する。
論文参考訳（メタデータ） (2024-06-13T10:26:04Z)
Information limits and Thouless-Anderson-Palmer equations for spiked matrix models with structured noise [19.496063739638924]
構造スパイクモデルに対するベイズ推定の飽和問題を考える。適応的なThouless-Anderson-Palmer方程式の理論にインスパイアされた効率的なアルゴリズムを用いて、統計的限界を予測する方法を示す。
論文参考訳（メタデータ） (2024-05-31T16:38:35Z)
Accurate and Honest Approximation of Correlated Qubit Noise [39.58317527488534]
提案手法は, 量子ビット相関度の高い雑音成分を組み込むことにより, 精度を向上することのできる, 近似雑音チャネルの効率的な構成法である。固定周波数超伝導量子ビットに典型的な現実的な雑音強度では、2量子ビット相関を超える相関ノイズがコードシミュレーションの精度に大きく影響することを発見した。
論文参考訳（メタデータ） (2023-11-15T19:00:34Z)
Score-based Diffusion Models in Function Space [140.792362459734]
拡散モデルは、最近、生成モデリングの強力なフレームワークとして登場した。本稿では,関数空間における拡散モデルをトレーニングするためのDDO(Denoising Diffusion Operators)という,数学的に厳密なフレームワークを提案する。データ解像度に依存しない固定コストで、対応する離散化アルゴリズムが正確なサンプルを生成することを示す。
論文参考訳（メタデータ） (2023-02-14T23:50:53Z)
Representing Noisy Image Without Denoising [91.73819173191076]
ラドン空間におけるフラクショナルオーダーモーメント(FMR)は、ノイズの多い画像から直接ロバストな表現を引き出すように設計されている。従来の整数順序法とは異なり、我々の研究は特別な場合のような古典的手法を取り入れたより汎用的な設計である。
論文参考訳（メタデータ） (2023-01-18T10:13:29Z)
C2N: Practical Generative Noise Modeling for Real-World Denoising [53.96391787869974]
両例を使わずに複雑な実世界の騒音を模倣するクリーン・ツー・ノイズ画像生成フレームワーク,すなわちC2Nを導入する。我々は,C2Nの騒音発生器を実世界の騒音特性の成分に応じて構築し,広い範囲の騒音を正確に表現する。
論文参考訳（メタデータ） (2022-02-19T05:53:46Z)
Asymmetric Heavy Tails and Implicit Bias in Gaussian Noise Injections [73.95786440318369]
我々は、勾配降下(SGD)のダイナミクスに対する注射ノイズの影響であるGNIsのいわゆる暗黙効果に焦点を当てています。この効果は勾配更新に非対称な重尾ノイズを誘発することを示す。そして、GNIが暗黙のバイアスを引き起こすことを正式に証明し、これは尾の重みと非対称性のレベルによって異なる。
論文参考訳（メタデータ） (2021-02-13T21:28:09Z)
Statistical Analysis of Signal-Dependent Noise: Application in Blind Localization of Image Splicing Forgery [20.533239616846874]
本研究では,信号依存ノイズ(SDN)を局所化タスクのスプライシングに適用する。最大後方マルコフランダムフィールド(MAP-MRF)フレームワークを構築することで、ノイズの可能性を生かし、スプリケートされた物体の異領域を明らかにする。実験結果から,本手法は有効であり,比較ローカライゼーション性能が得られた。
論文参考訳（メタデータ） (2020-10-30T11:53:53Z)
Shape Matters: Understanding the Implicit Bias of the Noise Covariance [76.54300276636982]
勾配降下のノイズはパラメータ化モデルに対するトレーニングにおいて重要な暗黙の正則化効果をもたらす。ミニバッチやラベルの摂動によって引き起こされるパラメータ依存ノイズはガウスノイズよりもはるかに効果的であることを示す。分析の結果,パラメータ依存ノイズは局所最小値に偏りを生じさせるが,球状ガウス雑音は生じないことがわかった。
論文参考訳（メタデータ） (2020-06-15T18:31:02Z)
Stochastic Optimization with Heavy-Tailed Noise via Accelerated Gradient Clipping [69.9674326582747]
そこで本研究では,重み付き分散雑音を用いたスムーズな凸最適化のための,クリップ付きSSTMと呼ばれる新しい1次高速化手法を提案する。この場合、最先端の結果を上回る新たな複雑さが証明される。本研究は,SGDにおいて,ノイズに対する光細かな仮定を伴わずにクリッピングを施した最初の非自明な高確率複雑性境界を導出した。
論文参考訳（メタデータ） (2020-05-21T17:05:27Z)

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。