論文の概要: A Comparative Study and Implementation of Key Derivation Functions Standardized by NIST and IEEE

• arxiv url: http://arxiv.org/abs/2507.06244v1
• Date: Mon, 23 Jun 2025 23:56:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-13 12:05:57.554698
• Title: A Comparative Study and Implementation of Key Derivation Functions Standardized by NIST and IEEE
• Title（参考訳）: NISTとIEEEで標準化されたキー導出関数の比較研究と実装
• Authors: Abel C. H. Chen,
• Abstract要約: 多くのアプリケーションやサービスは擬似乱数(PRN)を必要とする。 キー導出関数(KDF)を使用して、与えられたキー値と入力メッセージに基づいてPRNを生成することが可能である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Since many applications and services require pseudorandom numbers (PRNs), it is feasible to generate specific PRNs under given key values and input messages using Key Derivation Functions (KDFs). These KDFs are primarily constructed based on Message Authentication Codes (MACs), where the MAC serves as a core component in the generation of pseudorandom numbers. In light of this, the study first examines three MAC algorithms defined by the National Institute of Standards and Technology (NIST): the Keyed-Hash Message Authentication Code (HMAC), the Cipher-based Message Authentication Code (CMAC), and the Keccak-based Message Authentication Code (KMAC). Subsequently, the study explores KDFs based on these MACs, including the Counter Mode KDF, the KMAC-based KDF, and the KDF defined in IEEE 1609.2.1. In experiments, the computation times for generating MACs and the corresponding pseudorandom numbers using each KDF are evaluated. The study further analyzes the advantages, disadvantages, and applicable scenarios for each method. Experimental results indicate that the CMAC and the CMAC-based KDF exhibit the shortest computation times, averaging approximately 0.007 milliseconds and 0.014 milliseconds, respectively.
• Abstract（参考訳）: 多くのアプリケーションやサービスは擬似乱数(PRN)を必要とするため、与えられたキー値の下で特定のPRNを生成し、キーデリゲーション関数(KDF)を使用して入力メッセージを生成することが可能である。 これらの KDF は主にメッセージ認証符号 (MAC) に基づいて構築され、MAC は擬似乱数生成のコアコンポーネントとして機能する。 これを踏まえ、この研究はまず、National Institute of Standards and Technology (NIST)によって定義された3つのMACアルゴリズム(Keyed-Hash Message Authentication Code (HMAC)、CipherベースのMessage Authentication Code (CMAC)、KeccakベースのMessage Authentication Code (KMAC))を検証した。 その後、これらのMACに基づいてKDF、KMACベースのKDF、IEEE 1609.2.1で定義されたKDFを探索する。 実験では、各KDFを用いてMACを生成する計算時間と対応する擬似乱数を評価する。 この研究は、各手法の利点、欠点、適用可能なシナリオをさらに分析する。 CMACとCMACをベースとしたKDFは,それぞれ0.007ミリ秒と0.014ミリ秒の平均計算時間を最短とする実験結果が得られた。

関連論文リスト

• Cryptanalysis via Machine Learning Based Information Theoretic Metrics [58.96805474751668]
  本稿では,機械学習アルゴリズムの新たな2つの応用法を提案する。 これらのアルゴリズムは、監査設定で容易に適用でき、暗号システムの堅牢性を評価することができる。 本稿では,DES,RSA,AES ECBなど,IND-CPAの安全でない暗号化スキームを高精度に識別する。
  論文  参考訳（メタデータ） (2025-01-25T04:53:36Z)
• One-Time Signature Based on Pseudorandom Number Generator [0.0]
  ハッシュ関数は擬似乱数生成器(PRNG)に広く応用されている 本研究では,ワンタイムシグネチャ(OTS)アプリケーションに適したPRNGをベースとしたDSAを改良したアプローチを提案する。
  論文  参考訳（メタデータ） (2024-12-23T05:36:42Z)
• A Key Encapsulation Mechanism from Low Density Lattice Codes [0.0]
  キーカプセル化メカニズム(キーカプセル化メカニズム、英: Key Encapsulation Mechanisms、KEM)は、非対称機構(公開鍵)を用いて対称暗号鍵を提供するように設計された暗号技術である。 本稿では,低密度格子符号(KEM-LDLC)から鍵カプセル化機構の設計と解析に着目し,セキュリティレベルを許容して鍵サイズを下げる。
  論文  参考訳（メタデータ） (2024-12-06T11:56:25Z)
• Hyperparameters in Continual Learning: A Reality Check [53.30082523545212]
  連続学習(CL)は、可塑性(新しいタスクを学ぶ)と安定性(事前知識を保持する)のトレードオフをバランスしながら、一連のタスクでモデルを訓練することを目的としている。
  論文  参考訳（メタデータ） (2024-03-14T03:13:01Z)
• On Leveraging Encoder-only Pre-trained Language Models for Effective Keyphrase Generation [76.52997424694767]
  本研究では、キーフレーズ生成(KPG)におけるエンコーダのみの事前学習言語モデル(PLM)の適用について述べる。 エンコーダのみの PLM では、条件付きランダムフィールドを持つ KPE は、現在のキーフレーズの同定においてわずかに優れているが、KPG の定式化はキーフレーズの予測の幅広いスペクトルを表現している。 また,エンコーダのみの PLM を用いたエンコーダデコーダアーキテクチャを用いる場合,幅よりもモデル深度に対するパラメータ割り当てが望ましいことを示す。
  論文  参考訳（メタデータ） (2024-02-21T18:57:54Z)
• Towards Semantic Communication Protocols for 6G: From Protocol Learning to Language-Oriented Approaches [60.6632432485476]
  6Gシステムは、幅広い非定常タスクに対処することが期待されている。これは、静的で事前定義された従来のメディアアクセス制御(MAC)プロトコルに課題をもたらす。 データ駆動MACプロトコルが最近登場し、特定のタスクのためにシグナリングメッセージをカスタマイズする機能を提供する。 本稿では、これらのデータ駆動MACプロトコルを、3つのレベルに分類する:レベル1 MAC。レベル2 MAC。レベル2 MAC。レベル1 MAC出力を明示的なシンボルに変換することによって開発されたニューラルネットワーク指向のシンボルプロトコル、レベル3 MAC。
  論文  参考訳（メタデータ） (2023-10-14T06:28:50Z)
• Rethinking Model Selection and Decoding for Keyphrase Generation with Pre-trained Sequence-to-Sequence Models [76.52997424694767]
  キーフレーズ生成(英: Keyphrase Generation, KPG)は、NLPにおける長年の課題である。 Seq2seq 事前訓練言語モデル (PLM) は KPG に転換期を迎え、有望な性能改善をもたらした。 本稿では, PLM に基づく KPG におけるモデル選択と復号化戦略の影響について, 系統解析を行った。
  論文  参考訳（メタデータ） (2023-10-10T07:34:45Z)
• LFSR based RNG on low cost FPGA for QKD applications [0.0]
  本研究は、量子鍵分布(QKD)アプリケーションのための、計算コストの低い「十分なランダム」リソースを開発することを目的とする。 我々は、QKDプロトコルの直接利用事例の1つである低コストFPGA評価ボード上で、2つのLFSRシーケンスのXORを実装した。
  論文  参考訳（メタデータ） (2023-07-31T06:38:21Z)
• SMACv2: An Improved Benchmark for Cooperative Multi-Agent Reinforcement Learning [45.98103968842858]
  StarCraft Multi-Agent Challenge (SMAC)は、分散実行を伴う集中的なトレーニングのための人気のあるテストベッドである。 SMAC には複雑な *closed-loop* ポリシーを必要とする部分的な可観測性がないことを示す。 SMACv2は、シナリオが手続き的に生成され、エージェントが以前見つからなかった設定を一般化する必要があるベンチマークの新バージョンである。
  論文  参考訳（メタデータ） (2022-12-14T20:15:19Z)
• Medical Code Prediction from Discharge Summary: Document to Sequence BERT using Sequence Attention [0.0]
  ICD符号の自動割り当てにシーケンスアテンション法を用いた変換器(BERT)からの双方向エンコーダ表現に基づくモデルを提案する。 我々はMIMIC-IIIベンチマークデータセットのap-proachを評価した。
  論文  参考訳（メタデータ） (2021-06-15T07:35:50Z)
• Noise-Tolerant Quantum Tokens for MAC [0.13654846342364302]
  トークン化MACまたはTMACは関連する暗号プリミティブである。 BB84状態に基づくTMACの基本構成を提供する。 我々の建設は14%の騒音に耐えることができ、これが最初の耐雑音性TMAC建設となる。
  論文  参考訳（メタデータ） (2021-05-11T13:24:39Z)
• CREPO: An Open Repository to Benchmark Credal Network Algorithms [78.79752265884109]
  クレダルネットワークは、確率質量関数の集合であるクレダルに基づく不正確な確率的グラフィカルモデルである。 CREMAと呼ばれるJavaライブラリが最近リリースされ、クレダルネットワークをモデル化し、処理し、クエリする。 我々は,これらのモデル上での推論タスクの正確な結果とともに,合成クレダルネットワークのオープンリポジトリであるcrrepoを提案する。
  論文  参考訳（メタデータ） (2021-05-10T07:31:59Z)

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。