論文の概要: Improved finite-size analysis for measurement-device-independent quantum digital signature

• arxiv url: http://arxiv.org/abs/2501.04957v1
• Date: Thu, 09 Jan 2025 04:18:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-10 13:58:49.008853
• Title: Improved finite-size analysis for measurement-device-independent quantum digital signature
• Title（参考訳）: 測定デバイスに依存しない量子デジタル署名のための有限サイズ解析の改良
• Authors: Jia-Li Zhu, Chun-Hui Zhang, Yue-Ying Wang, Qin Wang,
• Abstract要約: 量子デジタルシグネチャ(QDS)は、情報理論のセキュリティを提供し、データの完全性、信頼性、非再検査を保証する。 MDI-QDSは検出に対する全ての攻撃に抵抗できるが、有限サイズ効果に悩まされる。 2次元MDI-QDSの有限サイズ解析のための3つのパラメータ推定モデルを提案し,比較する。
• 参考スコア（独自算出の注目度）: 14.928541720270646
• License:
• Abstract: Quantum digital signatures (QDS), based on the principles of quantum mechanics, provide information-theoretic security, ensuring the integrity, authenticity, and non-repudiation of data transmission. With present QDS protocols, measurement-device-independent QDS (MDI-QDS) can resist all attacks on detections, yet it suffers from finite-size effect. In this work, we present and compare three parameter estimation models for finite-size analysis of two-decoy MDI-QDS. The first model is a commonly used model in previous schemes, and we propose two new models to improve the performance. Subsequently, we perform numerical simulations to evaluate the performance of the three models. The results demonstrate that the proposed methods are less affected by finite-size effect, thereby effectively enhancing the signature rate. This work contributes to the practical development of QDS.
• Abstract（参考訳）: 量子デジタルシグネチャ(QDS)は、量子力学の原理に基づいて、情報理論のセキュリティを提供し、データの完全性、信頼性、非再考を保証する。 現在のQDSプロトコルでは、測定デバイスに依存しないQDS(MDI-QDS)は検出に対する全ての攻撃に抵抗できるが、有限サイズ効果に悩まされる。 本研究では,2次元MDI-QDSの有限サイズ解析のための3つのパラメータ推定モデルを提案し,比較する。 最初のモデルは従来のスキームでよく使われるモデルであり、性能を改善するために2つの新しいモデルを提案する。 次に,3つのモデルの性能を評価する数値シミュレーションを行った。 その結果,提案手法は有限サイズ効果の影響を受けにくく,シグネチャレートを効果的に向上させることができた。 本研究はQDSの実用化に寄与する。

関連論文リスト

• Steering Masked Discrete Diffusion Models via Discrete Denoising Posterior Prediction [88.65168366064061]
  本稿では,確率論的推論の課題として,事前学習したMDMを操る作業を行う新しいフレームワークであるDDPPを紹介する。 私たちのフレームワークは、3つの新しい目標のファミリーにつながります。 Wet-lab Validation(ウェット・ラブ・バリデーション)を用いて,報酬最適化タンパク質配列の過渡的発現を観察する。
  論文  参考訳（メタデータ） (2024-10-10T17:18:30Z)
• Towards Accurate Post-training Quantization for Reparameterized Models [6.158896686945439]
  現在のポストトレーニング量子化法(PTQ)は、しばしばかなりの精度の劣化を引き起こす。 これは主にチャネル特異的およびサンプル特異的な外れ値によって引き起こされる。 本稿では、量子化された再パラメータ化モデルの精度を維持する新しいフレームワークであるRepAPQを提案する。
  論文  参考訳（メタデータ） (2024-02-25T15:42:12Z)
• Bring Metric Functions into Diffusion Models [145.71911023514252]
  DDPM(Denoising Diffusion Probabilistic Model)を改善するカスケード拡散モデル(Cas-DM)を導入する。 提案した拡散モデルバックボーンはLPIPS損失の有効利用を可能にし,最先端画像品質(FID, sFID, IS)を実現する。 実験結果から,提案した拡散モデルバックボーンはLPIPS損失の有効利用を可能にし,最新画像品質(FID, sFID, IS)につながることが示された。
  論文  参考訳（メタデータ） (2024-01-04T18:55:01Z)
• Highly Accurate Quantum Chemical Property Prediction with Uni-Mol+ [36.61144345418364]
  量子化学(QC)特性の予測を高速化するために,Uni-Mol+と呼ばれる新しい手法を提案する。 2トラックトランスフォーマーモデルバックボーンを導入し、QC特性予測タスクでトレーニングする。 ベンチマークの結果,提案したUni-Mol+はQC特性予測の精度を大幅に向上することが示された。
  論文  参考訳（メタデータ） (2023-03-16T07:51:34Z)
• Mixed Effects Neural ODE: A Variational Approximation for Analyzing the Dynamics of Panel Data [50.23363975709122]
  パネルデータ解析に(固定・ランダムな)混合効果を取り入れたME-NODEという確率モデルを提案する。 我々は、Wong-Zakai定理によって提供されるSDEの滑らかな近似を用いて、我々のモデルを導出できることを示す。 次に、ME-NODEのためのエビデンスに基づく下界を導出し、(効率的な)トレーニングアルゴリズムを開発する。
  論文  参考訳（メタデータ） (2022-02-18T22:41:51Z)
• MoEfication: Conditional Computation of Transformer Models for Efficient Inference [66.56994436947441]
  トランスフォーマーベースの事前学習言語モデルは、パラメータ容量が大きいため、ほとんどのNLPタスクにおいて優れた性能を実現することができるが、計算コストも大きい。 スパースアクティベーション現象に基づく条件計算により,大規模モデル推論を高速化する。 そこで本研究では,モデルサイズが等しいMoE(Mix-of-experts)バージョン,すなわちMoEficationに変換することを提案する。
  論文  参考訳（メタデータ） (2021-10-05T02:14:38Z)
• When Liebig's Barrel Meets Facial Landmark Detection: A Practical Model [87.25037167380522]
  正確で、堅牢で、効率的で、一般化可能で、エンドツーエンドのトレーニングが可能なモデルを提案する。 精度を向上させるために,2つの軽量モジュールを提案する。 DQInitは、インプットからデコーダのクエリを動的に初期化し、複数のデコーダ層を持つものと同じ精度でモデルを実現する。 QAMemは、共有するクエリではなく、それぞれのクエリに別々のメモリ値を割り当てることで、低解像度のフィーチャーマップ上のクエリの識別能力を高めるように設計されている。
  論文  参考訳（メタデータ） (2021-05-27T13:51:42Z)
• A Full Text-Dependent End to End Mispronunciation Detection and Diagnosis with Easy Data Augmentation Techniques [28.59181595057581]
  sed-mddとの違いである新しいテキスト依存モデルを提案する。 本論文では,モデルが誤発音音素を捕捉する能力を効果的に向上する3つの単純なデータ拡張手法を提案する。
  論文  参考訳（メタデータ） (2021-04-17T03:11:41Z)
• Zero-shot Adversarial Quantization [11.722728148523366]
  ゼロショット逆量子化(ZAQ: Zero-shot adversarial quantization)フレームワークを提案し,効果的な不一致推定と知識伝達を容易にする。 これは、情報的で多様なデータ例を合成するためにジェネレータを駆動する、新しい2レベル不一致モデリングによって達成される。 強力なゼロショットベースラインに対してZAQの優位性を示す3つの基本的なビジョンタスクについて広範な実験を行います。
  論文  参考訳（メタデータ） (2021-03-29T01:33:34Z)
• How Faithful is your Synthetic Data? Sample-level Metrics for Evaluating and Auditing Generative Models [95.8037674226622]
  ドメインに依存しない方法で生成モデルの忠実度,多様性,一般化性能を特徴付ける3次元評価指標を提案する。 当社のメトリクスは、精度リコール分析により統計的発散測定を統合し、モデル忠実度と多様性のサンプルおよび分布レベルの診断を可能にします。
  論文  参考訳（メタデータ） (2021-02-17T18:25:30Z)

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。