論文の概要: M-ary Precomputation-Based Accelerated Scalar Multiplication Algorithms for Enhanced Elliptic Curve Cryptography

• arxiv url: http://arxiv.org/abs/2505.01845v1
• Date: Sat, 03 May 2025 15:18:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-06 18:49:35.294873
• Title: M-ary Precomputation-Based Accelerated Scalar Multiplication Algorithms for Enhanced Elliptic Curve Cryptography
• Title（参考訳）: M-ary Precomputation-based Accelerated Scalar Multiplication Algorithms for Enhanced Elliptic Curve Cryptography
• Authors: Tongxi Wu, Xufeng Liu, Jin Yang, Yijie Zhu, Shunyang Zeng, Mingming Zhan,
• Abstract要約: 本稿では,M-aryプレ計算に基づくスカラー乗算アルゴリズムを提案し,計算効率とメモリ使用量の両方を最適化することを目的とした。 ElGamal暗号化とNS3ベースの通信シミュレーションの実験は、その有効性を検証する。 バイナリ最適化された変種は、secp384r1で通信時間を22.1%削減し、secp521r1でシミュレーション時間を25.4%短縮する。
• 参考スコア（独自算出の注目度）: 2.8614337550669324
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Efficient scalar multiplication is critical for enhancing the performance of elliptic curve cryptography (ECC), especially in applications requiring large-scale or real-time cryptographic operations. This paper proposes an M-ary precomputation-based scalar multiplication algorithm, aiming to optimize both computational efficiency and memory usage. The method reduces the time complexity from $\Theta(Q \log p)$ to $\Theta\left(\frac{Q \log p}{\log Q}\right)$ and achieves a memory complexity of $\Theta\left(\frac{Q \log p}{\log^2 Q}\right)$. Experiments on ElGamal encryption and NS3-based communication simulations validate its effectiveness. On secp256k1, the proposed method achieves up to a 59\% reduction in encryption time and 30\% memory savings. In network simulations, the binary-optimized variant reduces communication time by 22.1\% on secp384r1 and simulation time by 25.4\% on secp521r1. The results demonstrate the scalability, efficiency, and practical applicability of the proposed algorithm. The source code will be publicly released upon acceptance.
• Abstract（参考訳）: 効率的なスカラー乗算は楕円曲線暗号(ECC)の性能を高めるために重要であり、特に大規模またはリアルタイムな暗号処理を必要とするアプリケーションにおいて重要である。 本稿では,M-aryプレ計算に基づくスカラー乗算アルゴリズムを提案し,計算効率とメモリ使用量の両方を最適化することを目的とした。 この方法は、時間複雑性を$\Theta(Q \log p)$から$\Theta\left(\frac{Q \log p}{\log Q}\right)$に減らし、メモリ複雑性を$\Theta\left(\frac{Q \log p}{\log^2 Q}\right)$にする。 ElGamal暗号化とNS3ベースの通信シミュレーションの実験は、その有効性を検証する。 secp256k1 では,最大 59 % の暗号化時間削減,30 % のメモリ節約を実現している。 ネットワークシミュレーションでは、バイナリ最適化は通信時間をsecp384r1で22.1\%、シミュレーション時間をsecp521r1で25.4\%削減する。 この結果は,提案アルゴリズムのスケーラビリティ,効率,実用性を示すものである。 ソースコードは受理後、公開される。

関連論文リスト

• An Efficient Matrix Multiplication Algorithm for Accelerating Inference in Binary and Ternary Neural Networks [8.779871128906787]
  我々はディープニューラルネットワーク(DNN)の推論時間とメモリ効率を改善するアルゴリズムを提案する。 推論のボトルネック演算として行列乗法に着目する。 我々の実験は推論時間で5.24倍のスピードアップを示す。
  論文  参考訳（メタデータ） (2024-11-10T04:56:14Z)
• An Efficient Algorithm for Modulus Operation and Its Hardware Implementation in Prime Number Calculation [0.0]
  提案アルゴリズムは加算演算,減算演算,論理演算,ビットシフト演算のみを用いる。 暗号化アプリケーションにおけるスケーラビリティの課題に対処する。 このアルゴリズムを50,000までの素数計算に適用すると、実用性と性能上の利点が示される。
  論文  参考訳（メタデータ） (2024-07-17T13:24:52Z)
• Hardware-Aware Parallel Prompt Decoding for Memory-Efficient Acceleration of LLM Inference [19.167604927651073]
  LLM(Large Language Models)の自動回帰デコーディングは、ハードウェアの性能に大きなオーバーヘッドをもたらす。 トレーニング可能なパラメータを0.0002$%しか必要とせず,A100-40GBのGPUをたった16時間で効率的にトレーニングできる並列プロンプトデコーディングを提案する。 我々のアプローチでは、最大2.49$times$ スピードアップを示し、最小のメモリオーバーヘッドは0.0004$%である。
  論文  参考訳（メタデータ） (2024-05-28T22:19:30Z)
• Fast, Scalable, Warm-Start Semidefinite Programming with Spectral Bundling and Sketching [53.91395791840179]
  我々は、大規模なSDPを解くための、証明可能な正確で高速でスケーラブルなアルゴリズムであるUnified Spectral Bundling with Sketching (USBS)を提案する。 USBSは、20億以上の決定変数を持つインスタンス上で、最先端のスケーラブルなSDP解決器よりも500倍のスピードアップを提供する。
  論文  参考訳（メタデータ） (2023-12-19T02:27:22Z)
• Improved Rate of First Order Algorithms for Entropic Optimal Transport [2.1485350418225244]
  本稿では,エントロピー正規化最適輸送を解くための1次アルゴリズムの最先端性を改善する。 そこで本研究では,差分低減による初期2次元ミラー降下アルゴリズムを提案する。 我々のアルゴリズムは、OTを解くために$widetildeO(n2/epsilon)$の速度を持つ加速された原始双対アルゴリズムを開発するためにより多くの研究を刺激するかもしれない。
  論文  参考訳（メタデータ） (2023-01-23T19:13:25Z)
• RSC: Accelerating Graph Neural Networks Training via Randomized Sparse Computations [56.59168541623729]
  トレーニンググラフニューラルネットワーク(GNN)は、疎グラフベースの操作がハードウェアによって加速することが難しいため、時間を要する。 我々は,サンプリングに基づく近似による時間的複雑性を低減するために,計算精度のトレードオフを検討する。 本稿では,GNNを近似演算でトレーニングする可能性を初めて示すランダム化スパース計算を提案する。
  論文  参考訳（メタデータ） (2022-10-19T17:25:33Z)
• Communication-Efficient Adam-Type Algorithms for Distributed Data Mining [93.50424502011626]
  我々はスケッチを利用した新しい分散Adam型アルゴリズムのクラス(例:SketchedAMSGrad)を提案する。 我々の新しいアルゴリズムは、反復毎に$O(frac1sqrtnT + frac1(k/d)2 T)$の高速収束率を$O(k log(d))$の通信コストで達成する。
  論文  参考訳（メタデータ） (2022-10-14T01:42:05Z)
• Rapid Person Re-Identification via Sub-space Consistency Regularization [51.76876061721556]
  Person Re-Identification (ReID) は、歩行者を分離したカメラで識別する。 実値特徴記述子を用いた既存のReID法は精度が高いが、ユークリッド距離計算が遅いため効率が低い。 本稿では,ReID 処理を 0.25 倍高速化するサブスペース一貫性規則化 (SCR) アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-07-13T02:44:05Z)

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。