論文の概要: Wrangling Entropy: Next-Generation Multi-Factor Key Derivation, Credential Hashing, and Credential Generation Functions

• arxiv url: http://arxiv.org/abs/2509.05893v1
• Date: Sun, 07 Sep 2025 02:01:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-09 14:07:03.767922
• Title: Wrangling Entropy: Next-Generation Multi-Factor Key Derivation, Credential Hashing, and Credential Generation Functions
• Title（参考訳）: ラングリングエントロピー:次世代多要素鍵導出、クレデンシャルハッシュ、クレデンシャル生成関数
• Authors: Colin Roberts, Vivek Nair, Dawn Song,
• Abstract要約: 本稿では,暗号鍵の導出やハッシュ関数の複数の呼び出しにまたがるエントロピーの悪質なリークを明らかにするために,新しい暗号解析手法を提案する。 元のMFKDF構築における既知の脆弱性のそれぞれを正しく識別することができることを示す。 そこで本稿では,MFKDF2の鍵導出関数であるMFKDF2の新しい構成法を提案する。
• 参考スコア（独自算出の注目度）: 47.715495058757824
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The Multi-Factor Key Derivation Function (MFKDF) offered a novel solution to the classic problem of usable client-side key management by incorporating multiple popular authentication factors into a key derivation process, but was later shown to be vulnerable to cryptanalysis that degraded its security over multiple invocations. In this paper, we present the Entropy State Transition Modeling Framework (ESTMF), a novel cryptanalytic technique designed to reveal pernicious leaks of entropy across multiple invocations of a cryptographic key derivation or hash function, and show that it can be used to correctly identify each of the known vulnerabilities in the original MFKDF construction. We then use these findings to propose a new construction for ``MFKDF2,'' a next-generation multi-factor key derivation function that can be proven to be end-to-end secure using the ESTMF. Finally, we discuss how MFKDF2 can be extended to support more authentication factors and usability features than the previous MFKDF construction, and derive several generalizable best-practices for the construction of new KDFs in the future.
• Abstract（参考訳）: MFKDF(Multi-Factor Key Derivation Function)は、複数の一般的な認証要素を鍵導出プロセスに組み込むことによって、使用可能なクライアントサイドキー管理という古典的な問題に対する新しい解決策を提供するが、後に複数の呼び出しに対してセキュリティを低下させる暗号解析に脆弱であることが判明した。 本稿では,暗号鍵導出やハッシュ関数の複数の呼び出しにまたがるエントロピーの悪質なリークを明らかにするための新しい暗号解析手法であるEntropy State Transition Modeling Framework (ESTMF)を提案する。 次に、これらの知見を用いて、ESTMFを用いてエンドツーエンドにセキュアであることが証明できる次世代多要素鍵導出関数である `MFKDF2' の新たな構成を提案する。 最後に、MFKDF2が従来のMFKDF構築よりも多くの認証要素とユーザビリティ機能をサポートするためにどのように拡張できるかを論じ、今後、新しいKDFを構築するためのいくつかの一般化可能なベストプラクティスを導出する。

関連論文リスト

• Secure Multi-Key Homomorphic Encryption with Application to Privacy-Preserving Federated Learning [10.862166653863571]
  マルチパーティ安全な計算タスクに適用した場合、CDKSスキームにおける重要なセキュリティ脆弱性を特定する。 マルチキーBFVおよびCKKSフレームワークに新しいマスキング機構を組み込んだ新しいスキームSMHEを提案する。 SMHEを用いてPPFLアプリケーションを実装し,ランタイム評価のオーバーヘッドを最小限に抑えて,セキュリティを大幅に改善することを示した。
  論文  参考訳（メタデータ） (2025-06-25T03:28:25Z)
• Decentralized Multi-Authority Attribute-Based Inner-Product Functional Encryption: Noisy and Evasive Constructions from Lattices [26.8852774949828]
  ノイズの多い内積機能に対するマルチオーソリティ属性に基づく機能暗号化について検討する。 我々は,(1)マルチオーソリティ属性に基づく(ノイズの多い)内積関数暗号(MA-AB(N)IPFE)と(2)マルチオーソリティ属性に基づく回避内積関数暗号(MA-evIPFE)の2つの新しいプリミティブを提案する。 我々のスキームは、標準LWE仮定と新たに導入された仮定の下でランダムオラクルモデルにおいて静的に安全であることが証明されている。
  論文  参考訳（メタデータ） (2025-05-16T23:03:23Z)
• Exploiting Mixture-of-Experts Redundancy Unlocks Multimodal Generative Abilities [69.26544016976396]
  我々は、新しいモダリティを学ぶための追加能力の源として、Mixture-of-Experts(MoEs)内の冗長性を利用する。 我々は、新しいモダリティのトークンのみに低ランク適応を適用することで、オリジナルの言語生成能力を保ちます。
  論文  参考訳（メタデータ） (2025-03-28T15:21:24Z)
• Learning Multi-Aspect Item Palette: A Semantic Tokenization Framework for Generative Recommendation [55.99632509895994]
  マルチアスペクトセマンティックトークン化のための新しいアプローチであるLAMIAを紹介する。 単一の埋め込みを使用するRQ-VAEとは異なり、LAMIAは独立的でセマンティックな並列な埋め込みの集合である「アイテムパレット」を学習する。 その結果,提案手法よりも提案手法の精度が大幅に向上した。
  論文  参考訳（メタデータ） (2024-09-11T13:49:48Z)
• Mixture-of-Noises Enhanced Forgery-Aware Predictor for Multi-Face Manipulation Detection and Localization [52.87635234206178]
  本稿では,多面的操作検出と局所化に適したMoNFAPという新しいフレームワークを提案する。 このフレームワークには2つの新しいモジュールが含まれている: Forgery-aware Unified Predictor (FUP) Module と Mixture-of-Noises Module (MNM)。
  論文  参考訳（メタデータ） (2024-08-05T08:35:59Z)
• Robust and Reusable Fuzzy Extractors for Low-entropy Rate Randomness Sources [3.918940900258555]
  ファジィ抽出器(英: Fuzzy extractor、FE)は、ノイズの多い現実世界のランダムソースから信頼できる暗号鍵を抽出する暗号プリミティブである。 我々は情報理論FEを考察し、再利用可能性の強い概念を定義し、堅牢で再利用可能なFE(srrFE)を提案する。 我々は、再利用可能なFEと、構造化されたソースに対する情報理論(IT)セキュリティを備えたsrrFEの2つの構成を提供する。
  論文  参考訳（メタデータ） (2024-05-07T05:48:02Z)
• RoFL: Attestable Robustness for Secure Federated Learning [59.63865074749391]
  フェデレートラーニング(Federated Learning)により、多数のクライアントが、プライベートデータを共有することなく、ジョイントモデルをトレーニングできる。 クライアントのアップデートの機密性を保証するため、フェデレートラーニングシステムはセキュアなアグリゲーションを採用している。 悪意のあるクライアントに対する堅牢性を向上させるセキュアなフェデレート学習システムであるRoFLを提案する。
  論文  参考訳（メタデータ） (2021-07-07T15:42:49Z)

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。