論文の概要: Commitment Schemes for Multi-Party Computation

• arxiv url: http://arxiv.org/abs/2506.10721v1
• Date: Thu, 12 Jun 2025 14:11:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-13 15:37:22.770258
• Title: Commitment Schemes for Multi-Party Computation
• Title（参考訳）: マルチパーティ計算におけるコミット方式
• Authors: Ioan Ionescu, Ruxandra F. Olimid,
• Abstract要約: 本稿では,マルチパーティ計算(MPC)プロトコルで使用されるコミットスキーム(CS)の分析を行う。 本研究は,MPCの対角的,機能的要件を満たすためにCSを慎重に選択することの重要性を強調した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The paper presents an analysis of Commitment Schemes (CSs) used in Multi-Party Computation (MPC) protocols. While the individual properties of CSs and the guarantees offered by MPC have been widely studied in isolation, their interrelation in concrete protocols and applications remains mostly underexplored. This paper presents the relation between the two, with an emphasis on (security) properties and their impact on the upper layer MPC. In particular, we investigate how different types of CSs contribute to various MPC constructions and their relation to real-life applications of MPC. The paper can also serve as a tutorial for understanding the cryptographic interplay between CS and MPC, making it accessible to both researchers and practitioners. Our findings emphasize the importance of carefully selecting CS to meet the adversarial and functional requirements of MPC, thereby aiming for more robust and privacy-preserving cryptographic applications
• Abstract（参考訳）: 本稿では,マルチパーティ計算(MPC)プロトコルで使用されるコミットスキーム(CS)の分析を行う。 CSの個々の特性とMPCによって提供される保証は独立して研究されてきたが、具体的なプロトコルや応用における相互関係はほとんど未解明のままである。 本稿では,2つの特性(セキュリティ)と上層MPCへの影響に着目し,両者の関係について述べる。 特に,異なるタイプのCSが様々なMPC構築にどのように貢献するか,また,実際のMPC応用との関係について検討する。 この論文は、CSとMPCの暗号的相互作用を理解するためのチュートリアルとしても機能し、研究者と実践者の両方が利用できる。 我々の発見は、MPCの敵的かつ機能的な要件を満たすためにCSを慎重に選択することの重要性を強調し、より堅牢でプライバシーに配慮した暗号アプリケーションを目指していた。

関連論文リスト

• Privacy-Preserving Inconsistency Measurement [4.861125297881692]
  マルチパーティ通信における不整合測定の新たな形態について検討する。 その結果,知識ベースの内容を明らかにすることなく,K_A U K_Bの不整合度を定量的に評価できることがわかった。
  論文  参考訳（メタデータ） (2025-05-28T06:24:33Z)
• Reward-Independent Messaging for Decentralized Multi-Agent Reinforcement Learning [7.872846260392537]
  MARL-CPCは、完全に分散化された独立したエージェント間の通信を可能にするフレームワークである。 アクション空間の一部としてメッセージを扱う従来の方法とは異なり、MARL-CPCはメッセージを状態推論にリンクする。 ベンチマークの結果、Bandit-CPCとIPPO-CPCは標準的なメッセージ・アズ・アクション・アプローチよりも優れていた。
  論文  参考訳（メタデータ） (2025-05-28T05:23:47Z)
• A Survey On Secure Machine Learning [0.0]
  セキュアマルチパーティ計算(MPC)の最近の進歩は、機械学習(ML)領域における適用性を著しく改善している。 このレビューでは、MPCを活用して、データのプライバシを損なうことなく、複数のパーティがMLタスクに参加できるようにする重要なコントリビューションについて検討する。 特殊なソフトウェアフレームワークやドメイン固有言語といった革新は、MLにおけるMPCの採用を合理化している。
  論文  参考訳（メタデータ） (2025-05-21T05:19:45Z)
• Performance of Cascade and LDPC-codes for Information Reconciliation on Industrial Quantum Key Distribution Systems [69.47813697920358]
  我々は、情報再構成に使用される2つの一般的なアルゴリズムの性能を分析し、シミュレーションし、最適化し、比較する。 我々は,現実的かつアプリケーションクローズな環境での運用において,実用的および工業的環境における適用性に焦点をあてる。
  論文  参考訳（メタデータ） (2024-08-28T12:51:03Z)
• Low-Latency Privacy-Preserving Deep Learning Design via Secure MPC [31.35072624488929]
  セキュアなマルチパーティ計算(MPC)は、プライベート情報をリークすることなく、複数のパーティ間のプライバシ保護計算を容易にする。 本研究は、MPCプロトコルの実行中に不要な通信ラウンドを減らす、低レイテンシな秘密共有ベースのMPC設計を提案する。
  論文  参考訳（メタデータ） (2024-07-24T07:01:21Z)
• GIFT: Graph-Induced Fine-Tuning for Multi-Party Conversation Understanding [51.37738394062851]
  GIFTは、様々なトランスフォーマーベースの事前訓練言語モデルを適用して、普遍的なMPC理解を実現する。 4種類のエッジは、グラフ誘発信号と注意機構を統合するように設計されている。
  論文  参考訳（メタデータ） (2023-05-16T11:35:24Z)
• Towards Semantic Communication Protocols: A Probabilistic Logic Perspective [69.68769942563812]
  我々は,NPMを確率論理型言語ProbLogで記述された解釈可能なシンボルグラフに変換することによって構築された意味プロトコルモデル(SPM)を提案する。 その解釈性とメモリ効率を利用して、衝突回避のためのSPM再構成などのいくつかの応用を実演する。
  論文  参考訳（メタデータ） (2022-07-08T14:19:36Z)
• MPCLeague: Robust MPC Platform for Privacy-Preserving Machine Learning [5.203329540700177]
  この論文は、2、3、4パーティで効率的なMPCフレームワークを設計することに焦点を当て、少なくとも1つの汚職とリング構造をサポートする。 それぞれのフレームワークに対して2つのバリエーションを提案し、一方は実行時間を最小化し、もう一方は金銭的コストに焦点を当てる。
  論文  参考訳（メタデータ） (2021-12-26T09:25:32Z)
• MPC-BERT: A Pre-Trained Language Model for Multi-Party Conversation Understanding [58.95156916558384]
  MPC理解のための事前学習モデルであるMPC-BERTを提案する。 我々は,MPC-BERTを,話者認識,話者識別,応答選択を含む3つの下流タスクで評価した。
  論文  参考訳（メタデータ） (2021-06-03T01:49:12Z)
• FACMAC: Factored Multi-Agent Centralised Policy Gradients [103.30380537282517]
  FACtored Multi-Agent Centralized Policy gradients (FACMAC)を提案する。 離散的および連続的な行動空間における協調的マルチエージェント強化学習のための新しい手法である。 我々は,マルチエージェント粒子環境の変動に対するFACMAC,新しいマルチエージェント MuJoCo ベンチマーク,およびStarCraft II マイクロマネジメントタスクの挑戦的セットについて評価した。
  論文  参考訳（メタデータ） (2020-03-14T21:29:09Z)

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。