論文の概要: Evolving k-Threshold Visual Cryptography Schemes

• arxiv url: http://arxiv.org/abs/2508.15917v1
• Date: Thu, 21 Aug 2025 18:30:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-25 16:42:36.165905
• Title: Evolving k-Threshold Visual Cryptography Schemes
• Title（参考訳）: k-Thresholdビジュアル暗号方式の進化
• Authors: Xiaoli Zhuo, Xuehu Yan, Lintao Liu, Wei Yan,
• Abstract要約: 我々は、$(k,infty)$ VCSの形式的な数学的定義を示し、任意の$k$で動作するランダムグリッドに基づく$(k,infty)$ VCSを提案する。 また、最適化された$(k,infty)$ VCSを$k=2$と$$$で、コントラスト強化戦略を$kgeq 4$で開発しています。
• 参考スコア（独自算出の注目度）: 7.842676354668401
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In evolving access structures, the number of participants is countably infinite with no predetermined upper bound. While such structures have been realized in secret sharing, research in secret image sharing has primarily focused on visual cryptography schemes (VCS). However, there exists no construction for $(k,\infty)$ VCS that applies to arbitrary $k$ values without pixel expansion currently, and the contrast requires enhancement. In this paper, we first present a formal mathematical definition of $(k,\infty)$ VCS. Then, propose a $(k,\infty)$ VCS based on random grids that works for arbitrary $k$. In addition, to further improve contrast, we develop optimized $(k,\infty)$ VCS for $k=2$ and $3$, along with contrast enhancement strategies for $k\geq 4$. Theoretical analysis and experimental results demonstrate the superiority of our proposed schemes.
• Abstract（参考訳）: 進化するアクセス構造では、参加者の数は、所定の上限のない数え切れないほど無限である。 このような構造は秘密共有において実現されているが、秘密画像共有の研究は主に視覚暗号方式(VCS)に焦点を当てている。 しかし、現在ピクセル展開のない任意の$k$値に適用される$(k,\infty)$ VCSの構成はなく、コントラストは拡張を必要とする。 本稿では、まず、$(k,\infty)$ VCSの形式的な数学的定義を示す。 次に、任意の$k$に対して作用するランダムグリッドに基づく$(k,\infty)$ VCSを提案する。 さらに、コントラストをさらに改善するために、$k=2$と$3$の最適化された$(k,\infty)$ VCSと、$k\geq 4$のコントラスト強化戦略を開発する。 理論的解析と実験結果は,提案手法の優位性を示すものである。

関連論文リスト

• Grouped k-threshold random grid-based visual cryptography scheme [9.775517796673615]
  ランダムグリッドベースのVCS(RGVCS)は、基本的な行列設計を必要とせず、画素拡大を避けるため、広く注目を集めている。 RGVCSのコアメトリックであるコントラストは、回復した画像の視覚的品質を直接決定する。 本稿では、任意の$(k,n')$-thresholdスキームから$(k,n)$-thresholdスキームを構成するRGVCSの新しい共有パラダイムを提案する。
  論文  参考訳（メタデータ） (2025-08-07T13:44:09Z)
• CODA: Repurposing Continuous VAEs for Discrete Tokenization [52.58960429582813]
  textbfCODA(textbfCOntinuous-to-textbfDiscrete textbfAdaptation)は、圧縮と離散化を分離するフレームワークである。 提案手法は,ImageNet 256$times$256ベンチマークにおいて,$mathbf0.43$と$mathbf1.34$を8倍,$16倍の圧縮で,100%のコードブック利用と注目すべき再構成FID(rFID)を実現している。
  論文  参考訳（メタデータ） (2025-03-22T12:59:00Z)
• Optimal Computational Secret Sharing [51.599517747577266]
  $(t, n)$-threshold secret sharingでは、秘密の$S$が$n$の参加者に分散される。 共有サイズが $tfrac|S|t + |K|t$ となる構成を示す。
  論文  参考訳（メタデータ） (2025-02-04T23:37:16Z)
• Stochastic Bandits Robust to Adversarial Attacks [33.278131584647745]
  本稿では,敵攻撃に対して頑健なマルチアームバンディットアルゴリズムについて検討する。 我々は、攻撃予算の知識の有無に関わらず、このモデルの2つのケースを調査する。 我々は、加法的あるいは乗法的な$C$依存項を持つ後悔境界を持つ2種類のアルゴリズムを考案する。
  論文  参考訳（メタデータ） (2024-08-16T17:41:35Z)
• A Construction of Evolving $k$-threshold Secret Sharing Scheme over A Polynomial Ring [55.17220687298207]
  閾値秘密共有方式により、ディーラーは、秘密が一定量の株式から正しく回収されたことをすべての参加者に分配することができる。 我々は、リング上の$ell$-bitシークレットのための、進化する$k$-thresholdシークレット共有スキームを、正確性と完全なセキュリティで新たに構築することを提案する。
  論文  参考訳（メタデータ） (2024-02-02T05:04:01Z)
• On Ideal Secret-Sharing Schemes for $k$-homogeneous access structures [0.16385815610837165]
  k$-一様アクセス構造は$k$-一様ハイパーグラフ$mathcalH$で表される。 本稿では,独立シーケンス法を用いて,理想的な$k$-均一アクセス構造を特徴付ける。
  論文  参考訳（メタデータ） (2023-09-14T07:37:19Z)
• Horizon-Free and Variance-Dependent Reinforcement Learning for Latent Markov Decision Processes [62.90204655228324]
  我々は,後期マルコフ決定過程(LMDP)における強化学習(RL)の文脈を考慮した後悔の最小化について検討した。 我々は,モデル最適化と値最適化の両手法でインスタンス化できる,新しいモデルベースアルゴリズムフレームワークを設計する。
  論文  参考訳（メタデータ） (2022-10-20T21:32:01Z)
• Small Covers for Near-Zero Sets of Polynomials and Learning Latent Variable Models [56.98280399449707]
  我々は、s$ of cardinality $m = (k/epsilon)o_d(k1/d)$ に対して $epsilon$-cover が存在することを示す。 構造的結果に基づいて,いくつかの基本的高次元確率モデル隠れ変数の学習アルゴリズムを改良した。
  論文  参考訳（メタデータ） (2020-12-14T18:14:08Z)
• Beyond Grids: Multi-objective Bayesian Optimization With Adaptive Discretization [8.674678760891528]
  GPサンプリング関数の滑らかさと$(cal X,d)$の構造を利用して高速に学習するアルゴリズムを提案する。 本質的に、Adaptive $boldsymbolepsilon$-PALは木に基づく適応的な離散化技術を採用している。
  論文  参考訳（メタデータ） (2020-06-24T21:27:27Z)

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。