Fugu-MT 論文翻訳(概要): SMT-Boosted Security Types for Low-Level MPC

論文の概要: SMT-Boosted Security Types for Low-Level MPC

arxiv url: http://arxiv.org/abs/2501.17824v1
Date: Wed, 29 Jan 2025 18:16:20 GMT
ステータス: 翻訳完了
システム内更新日: 2025-01-30 15:52:48.770484
Title: SMT-Boosted Security Types for Low-Level MPC
Title（参考訳）: 低レベルMPC用SMTブーストセキュリティタイプ
Authors: Christian Skalka, Joseph P. Near,
Abstract要約: 我々は,emphPrelude/Overture言語フレームワークで記述されたプロトコルの正当性,機密性,整合性を自動的に適用する新しい型理論を開発した。我々のアプローチは、データとキーサイズに対する任意の素体に自動化され、構成され、拡張され、一般化されます。
参考スコア（独自算出の注目度）: 2.798211113992669
License:
Abstract: Secure Multi-Party Computation (MPC) is an important enabling technology for data privacy in modern distributed applications. We develop a new type theory to automatically enforce correctness,confidentiality, and integrity properties of protocols written in the \emph{Prelude/Overture} language framework. Judgements in the type theory are predicated on SMT verifications in a theory of finite fields, which supports precise and efficient analysis. Our approach is automated, compositional, scalable, and generalizes to arbitrary prime fields for data and key sizes.
Abstract（参考訳）: Secure Multi-Party Computation (MPC)は、現代の分散アプリケーションにおけるデータプライバシを実現する重要な技術である。本稿では, プロトコルの正当性, 機密性, 整合性を自動的に適用する新しい型理論を, 言語フレームワークである \emph{Prelude/Overture} で記述する。型理論の判断は、正確かつ効率的な解析をサポートする有限場の理論におけるSMT検証に述示される。我々のアプローチは、データとキーサイズに対する任意の素体に自動化され、構成され、拡張され、一般化されます。

関連論文リスト

MeToken: Uniform Micro-environment Token Boosts Post-Translational Modification Prediction [65.33218256339151]
翻訳後修飾(PTM)はプロテオームの複雑さと機能を大幅に拡張する。既存の計算手法は主に、配列依存的なモチーフの認識によって引き起こされる、PTM部位を予測するタンパク質配列に焦点を当てている。本稿では,各酸のマイクロ環境をトークン化し,シーケンス情報と構造情報を統一された離散トークンに統合するMeTokenモデルを提案する。
論文参考訳（メタデータ） (2024-11-04T07:14:28Z)
A Survey of Small Language Models [104.80308007044634]
小言語モデル (SLM) は, 計算資源の最小化による言語タスクの効率化と性能の向上により, ますます重要になってきている。本稿では,SLMのアーキテクチャ,トレーニング技術,モデル圧縮技術に着目した総合的な調査を行う。
論文参考訳（メタデータ） (2024-10-25T23:52:28Z)
Context is Key: A Benchmark for Forecasting with Essential Textual Information [87.3175915185287]
コンテキスト・イズ・キー (Context is Key) (CiK) は、時系列予測ベンチマークであり、様々な種類のテキストコンテキストと数値データをペアリングする。我々は,統計モデル,時系列基礎モデル,LLMに基づく予測モデルなど,さまざまなアプローチを評価する。実験では、文脈情報の導入の重要性を強調し、LLMに基づく予測モデルを用いた場合の驚くべき性能を示すとともに、それらの重要な欠点を明らかにした。
論文参考訳（メタデータ） (2024-10-24T17:56:08Z)
Encryption-Friendly LLM Architecture [11.386436468650016]
ホモモルフィック暗号(homomorphic encryption, HE)は、暗号状態における算術演算をサポートする暗号プロトコルである。本稿では,パーソナライズされた(プライベートな)微調整による推論を重視した改良型HE-Friendly Transformerアーキテクチャを提案する。
論文参考訳（メタデータ） (2024-10-03T13:48:35Z)
Language-Based Security for Low-Level MPC [2.798211113992669]
マルチパーティ計算は、現代の分散アプリケーションにおけるデータプライバシを実現する重要な技術である。現在、低レベルのMPCプロトコルの証明方法は、主に手作業であり、退屈でエラーを起こしやすい。我々は、様々な低レベルの確率的MPCプロトコルを定義するための新しい段階的なPLを開発した。
論文参考訳（メタデータ） (2024-07-23T14:21:27Z)
A Semi-Formal Verification Methodology for Efficient Configuration Coverage of Highly Configurable Digital Designs [2.655207969975261]
System-on-Chips (SoC) の大半は開発サイクルを短縮するために知的財産(IP)を利用している。膨大な数の可能性が、残酷な力によるアプローチを許さない。本稿では,効率的な構成カバレッジを実現するための半形式的検証手法を提案する。
論文参考訳（メタデータ） (2024-04-20T12:18:47Z)
Just Shift It: Test-Time Prototype Shifting for Zero-Shot Generalization with Vision-Language Models [19.683461002518147]
Test-Time Prototype Shifting (TPS)は、未ラベルのテスト入力を使用したデータセットのテストに視覚言語モデルを適用するために設計された先駆的なアプローチである。 TPSは、その後の予測のために最適化不要なプロトタイプの再利用を促進するだけでなく、プロンプトエンジニアリングにおける現在の進歩とシームレスに統合することを可能にする。我々のフレームワークの特筆すべき点は、従来のテキストプロンプトチューニング手法と比較して、メモリと計算要求が大幅に削減されていることである。
論文参考訳（メタデータ） (2024-03-19T17:54:34Z)
Prototype-based Aleatoric Uncertainty Quantification for Cross-modal Retrieval [139.21955930418815]
クロスモーダル検索手法は、共通表現空間を共同学習することにより、視覚と言語モダリティの類似性関係を構築する。しかし、この予測は、低品質なデータ、例えば、腐敗した画像、速いペースの動画、詳細でないテキストによって引き起こされるアレタリック不確実性のために、しばしば信頼性が低い。本稿では, 原型に基づくAleatoric Uncertainity Quantification (PAU) フレームワークを提案する。
論文参考訳（メタデータ） (2023-09-29T09:41:19Z)
KDSTM: Neural Semi-supervised Topic Modeling with Knowledge Distillation [5.688430564294212]
テキスト分類タスクでは、BERT や GPT-3 のような事前訓練された言語モデルを微調整することで、競争精度が向上する。一般的な話題モデリング手法は、事前学習を必要とせず、意味のある単語のパターンを抽出するために文書を解析する利点がある。我々は、テキスト分類タスクにおけるトピックモデリングの教師なし洞察抽出を活用するために、知識蒸留半教師付きトピックモデリング(KDSTM)を開発した。
論文参考訳（メタデータ） (2023-07-04T18:49:19Z)
Learning Label Modular Prompts for Text Classification in the Wild [56.66187728534808]
そこで本研究では,非定常学習/テスト段階の異なるテキスト分類手法を提案する。複雑なタスクをモジュラー成分に分解することで、そのような非定常環境下での堅牢な一般化が可能になる。テキスト分類タスクのためのラベルモジュール型プロンプトチューニングフレームワークMODcularPROMPTを提案する。
論文参考訳（メタデータ） (2022-11-30T16:26:38Z)
Is Vertical Logistic Regression Privacy-Preserving? A Comprehensive Privacy Analysis and Beyond [57.10914865054868]
垂直ロジスティック回帰(VLR)をミニバッチ降下勾配で訓練した。我々は、オープンソースのフェデレーション学習フレームワークのクラスにおいて、VLRの包括的で厳密なプライバシー分析を提供する。
論文参考訳（メタデータ） (2022-07-19T05:47:30Z)

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。