論文の概要: Cryptographic Compression

• arxiv url: http://arxiv.org/abs/2501.16184v1
• Date: Mon, 27 Jan 2025 16:32:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-28 13:53:37.051883
• Title: Cryptographic Compression
• Title（参考訳）: 暗号圧縮
• Authors: Joshua Cooper, Grant Fickes,
• Abstract要約: 我々はENCOREと呼ばれるプロトコルを導入し、ワンパスプロセスでデータを同時に圧縮して暗号化する。 我々は、マルコフモデルの出力により、少なくとも安定な分布を持つ典型的な'データに対して、これらを同時に行うことができることを示す。 戦略は、ハフマン符号化が一様に近いダイアド分布にデータを変換し、そのデータに対する変換を圧縮された二次ストリームに格納する。
• 参考スコア（独自算出の注目度）: 0.8057006406834466
• License:
• Abstract: We introduce a protocol called ENCORE which simultaneously compresses and encrypts data in a one-pass process that can be implemented efficiently and possesses a number of desirable features as a streaming encoder/decoder. Motivated by the observation that both lossless compression and encryption consist of performing an invertible transformation whose output is close to a uniform distribution over bit streams, we show that these can be done simultaneously, at least for ``typical'' data with a stable distribution, i.e., approximated reasonably well by the output of a Markov model. The strategy is to transform the data into a dyadic distribution whose Huffman encoding is close to uniform, and then store the transformations made to said data in a compressed secondary stream interwoven into the first with a user-defined encryption protocol. The result is an encoding which we show exhibits a modified version of Yao's ``next-bit test'' while requiring many fewer bits of entropy than standard encryption. Numerous open questions remain, particularly regarding results that we suspect can be strengthened considerably.
• Abstract（参考訳）: ENCOREと呼ばれるプロトコルは,効率的な実装が可能で,ストリーミングエンコーダ/デコーダとして多くの望ましい機能を有するワンパスプロセスで同時にデータを圧縮・暗号化する。 損失のない圧縮と暗号化の両方が、ビットストリーム上の一様分布に近い出力を持つ可逆変換によって成り立っているという観察により、少なくとも安定な分布を持つ `typeal' のデータに対して、マルコフモデルの出力によって合理的に近似できることを示す。 その戦略は、ハフマン符号化が一様に近いダイアル分布にデータを変換し、そのデータを圧縮された二次ストリームに格納し、ユーザ定義の暗号化プロトコルで第1に解釈する。 その結果,Yaoの‘next-bit test’の修正版を示すエンコーディングが得られた。 特に私たちが疑っている結果に関して、多くのオープンな疑問が残っている。

関連論文リスト

• Threshold Selection for Iterative Decoding of $(v,w)$-regular Binary Codes [84.0257274213152]
  繰り返しビットフリップデコーダは、sparse $(v,w)$-regular符号の効率的な選択である。 閉形式モデルに基づくしきい値決定のための具体的な基準を提案する。
  論文  参考訳（メタデータ） (2025-01-23T17:38:22Z)
• Learned Compression of Encoding Distributions [1.4732811715354455]
  エントロピーボトルネックは多くの学習された圧縮モデルで使用される共通成分である。 特定の入力に対する潜在データ分布と一致するように符号化分布を適応させる手法を提案する。 提案手法は,Kodakテストデータセット上でのBjontegaard-Delta(BD)レートの7.10%向上を実現する。
  論文  参考訳（メタデータ） (2024-06-18T21:05:51Z)
• Lossy Compression with Gaussian Diffusion [28.930398810600504]
  非条件拡散生成モデルに基づく新しい損失圧縮手法DiffCについて述べる。 エンコーダ変換の欠如にもかかわらず、概念実証を実装し、驚くほどうまく機能することを発見した。 流れに基づく再構築は,祖先サンプリングよりも高頻度で3dBのゲインを達成できることを示す。
  論文  参考訳（メタデータ） (2022-06-17T16:46:31Z)
• End-to-end optimized image compression with competition of prior distributions [29.585370305561582]
  本稿では,単一の畳み込みオートエンコーダと学習前の複数分布を用いた圧縮方式を提案する。 提案手法は, 予め予測したパラメトリケート値に匹敵する速度歪み特性を示す。
  論文  参考訳（メタデータ） (2021-11-17T15:04:01Z)
• End-to-End Image Compression with Probabilistic Decoding [31.38636002751645]
  確率的復号化を支援するための学習画像圧縮フレームワークを提案する。 提案するフレームワークは、画素を係数に変換するための可逆ニューラルネットワークベースの変換に依存する。
  論文  参考訳（メタデータ） (2021-09-30T04:07:09Z)
• Dense Coding with Locality Restriction for Decoder: Quantum Encoders vs. Super-Quantum Encoders [67.12391801199688]
  我々は、デコーダに様々な局所性制限を課すことにより、濃密な符号化について検討する。 このタスクでは、送信者アリスと受信機ボブが絡み合った状態を共有する。
  論文  参考訳（メタデータ） (2021-09-26T07:29:54Z)
• Text Compression-aided Transformer Encoding [77.16960983003271]
  本稿では,トランスフォーマーのエンコーディングを強化するために,明示的で暗黙的なテキスト圧縮手法を提案する。 バックボーン情報、つまり入力テキストのgistは、特に焦点を当てていません。 評価の結果,提案した明示的かつ暗黙的なテキスト圧縮手法は,強いベースラインと比較して結果を改善することがわかった。
  論文  参考訳（メタデータ） (2021-02-11T11:28:39Z)
• Unfolding Neural Networks for Compressive Multichannel Blind Deconvolution [71.29848468762789]
  圧縮性多チャネルブラインドデコンボリューション問題に対する学習構造付き展開型ニューラルネットワークを提案する。 この問題では、各チャネルの測定は共通のソース信号とスパースフィルタの畳み込みとして与えられる。 提案手法は,従来の圧縮型マルチチャネルブラインドデコンボリューション法よりも,スパースフィルタの精度と高速化の点で優れていることを示す。
  論文  参考訳（メタデータ） (2020-10-22T02:34:33Z)
• Modeling Lost Information in Lossy Image Compression [72.69327382643549]
  ロスシー画像圧縮は、デジタル画像の最もよく使われる演算子の1つである。 Invertible Lossy Compression (ILC) と呼ばれる新しい非可逆的フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-06-22T04:04:56Z)
• On Sparsifying Encoder Outputs in Sequence-to-Sequence Models [90.58793284654692]
  我々はTransformerをテストベッドとして、エンコーダとデコーダの間にあるゲートの層を導入します。 ゲートは、パリシティ誘導L0ペナルティの期待値を用いて正規化される。 このスペーサー化が2つの機械翻訳と2つの要約タスクに与える影響について検討する。
  論文  参考訳（メタデータ） (2020-04-24T16:57:52Z)

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。