論文の概要: Hardened CTIDH: Dummy-Free and Deterministic CTIDH

• arxiv url: http://arxiv.org/abs/2509.12877v1
• Date: Tue, 16 Sep 2025 09:29:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-17 17:50:53.002758
• Title: Hardened CTIDH: Dummy-Free and Deterministic CTIDH
• Title（参考訳）: 硬度CTIDH : ダミーフリーおよび決定論的CTIDH
• Authors: Gustavo Banegas, Andreas Hellenbrand, Matheus Saldanha,
• Abstract要約: 今回,dCTIDHのダミーフリー実装について紹介する。 ダミーフリーなdCTIDH-2048-194およびdCTIDH-2048-205を実装し,約357,000-362,000Fp乗算の集団作用コストを実現する。 これらの結果はdC-TIDHを超えるものではなく、CTIDHを約5%上回り、ダミー手術を完全に排除した。
• 参考スコア（独自算出の注目度）: 0.1749935196721634
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Isogeny-based cryptography has emerged as a promising postquantum alternative, with CSIDH and its constant-time variants CTIDH and dCTIDH offering efficient group-action protocols. However, CTIDH and dCTIDH rely on dummy operations in differential addition chains (DACs) and Matryoshka, which can be exploitable by fault-injection attacks. In this work, we present the first dummy-free implementation of dCTIDH. Our approach combines two recent ideas: DACsHUND, which enforces equal-length DACs within each batch without padding, and a reformulated Matryoshka structure that removes dummy multiplications and validates all intermediate points. Our analysis shows that small primes such as 3, 5, and 7 severely restrict feasible DACsHUND configurations, motivating new parameter sets that exclude them. We implement dummy-free dCTIDH-2048-194 and dCTIDH-2048-205, achieving group action costs of roughly 357,000-362,000 Fp-multiplications, with median evaluation times of 1.59-1.60 (Gcyc). These results do not surpass dC-TIDH, but they outperform CTIDH by roughly 5% while eliminating dummy operations entirely. Compared to dCSIDH, our construction is more than 4x faster. To the best of our knowledge, this is the first efficient implementation of a CSIDH-like protocol that is simultaneously deterministic, constant-time, and fully dummy-free.
• Abstract（参考訳）: CSIDHとその定数時間変種であるCTIDHとdCTIDHは効率的なグループアクションプロトコルを提供する。 しかしCTIDHとdCTIDHは差分付加鎖(DAC)とマトリオシカ(Matryoshka)のダミー操作に依存しており、これはフォールトインジェクション攻撃によって利用することができる。 本稿では,dCTIDHのダミーフリー実装について紹介する。 DACsHUNDはパディングなしで各バッチ内で等しい長さのDACを強制するが、Materyoshka構造はダミー乗算を除去し、全ての中間点を検証する。 分析の結果, 3, 5, 7 などの小素数では実現可能な DACsHUND 構成が厳しく制限され, それらを除く新しいパラメータセットのモチベーションが得られた。 ダミーフリーのdCTIDH-2048-194およびdCTIDH-2048-205を実装し,約357,000-362,000 Fp-multiplicationsの集団作用コストを1.59-1.60(Gcyc)の中央値で達成した。 これらの結果はdC-TIDHを超えるものではなく、CTIDHを約5%上回り、ダミー手術を完全に排除した。 dCSIDHと比較すると、構造は4倍以上高速です。 我々の知る限りでは、これはCSIDHライクなプロトコルを、決定論的、定時的、そして完全にダミーフリーに同時に実装する最初の効率的な実装である。

関連論文リスト

• CleanCTG: A Deep Learning Model for Multi-Artefact Detection and Reconstruction in Cardiotocography [0.0]
  マルチスケールの畳み込みとコンテキスト対応のクロスアテンションにより,まず複数のアーティファクトタイプを識別するエンド・ツー・エンドのデュアルステージモデルであるCleanCTGを提案する。 合成データでは、CureCTGは完全人工物検出(AU-ROC = 1.00)と劣化セグメントの平均二乗誤差(MSE)を2.74×10-4に削減した。 933の臨床的CTG記録において、デュース・レッドマン・システムと統合されると、識別された痕跡は特異性(80.70%から82.70%)を高め、中央値の判断時間を33%短縮した。
  論文  参考訳（メタデータ） (2025-08-11T11:24:45Z)
• Revisiting Out-of-Distribution Detection in Real-time Object Detection: From Benchmark Pitfalls to a New Mitigation Paradigm [8.206992765692535]
  アウト・オブ・ディストリビューション(OoD)入力はディープラーニングモデルに永続的な課題をもたらす。 この研究は、物体検出におけるOoD検出の2つの見落としられた次元に対処する。 外部OoD検出器とは独立に動作する新しい訓練時間緩和パラダイムを導入する。
  論文  参考訳（メタデータ） (2025-03-10T13:42:41Z)
• Enhancing Multimodal Unified Representations for Cross Modal Generalization [52.16653133604068]
  我々は、コードブック(TOC)のトレーニング不要最適化と、FCID(Fin and Coarse Cross-modal Information Disentangling)を提案する。 これらの方法は、各モードの特定の特性に合わせて、事前学習から統一された離散表現を洗練し、きめ細かな情報と粗い情報の絡み合わせを行う。
  論文  参考訳（メタデータ） (2024-03-08T09:16:47Z)
• Differentially Private SGD Without Clipping Bias: An Error-Feedback Approach [62.000948039914135]
  Differentially Private Gradient Descent with Gradient Clipping (DPSGD-GC) を使用して、差分プライバシ(DP)がモデルパフォーマンス劣化の犠牲となることを保証する。 DPSGD-GCに代わる新しいエラーフィードバック(EF)DPアルゴリズムを提案する。 提案アルゴリズムに対するアルゴリズム固有のDP解析を確立し,R'enyi DPに基づくプライバシ保証を提供する。
  論文  参考訳（メタデータ） (2023-11-24T17:56:44Z)
• Unconstrained Stochastic CCA: Unifying Multiview and Self-Supervised Learning [0.13654846342364307]
  PLS, CCA, Deep CCA の高速アルゴリズム群を標準 CCA と Deep CCA のベンチマークで示す。 我々のアルゴリズムは、従来の最先端ベンチマークよりもはるかに高速な収束と高い相関関係の回復を示す。 これらの改良により、非常に大きなバイオメディカルデータセットの第一種PSS分析を行うことができる。
  論文  参考訳（メタデータ） (2023-10-02T09:03:59Z)
• DR-DSGD: A Distributionally Robust Decentralized Learning Algorithm over Graphs [54.08445874064361]
  本稿では,分散環境下での正規化された分散ロバストな学習問題を解くことを提案する。 Kullback-Liebler正規化関数をロバストなmin-max最適化問題に追加することにより、学習問題を修正されたロバストな問題に還元することができる。 提案アルゴリズムは, 最低分布検定精度を最大10%向上できることを示す。
  論文  参考訳（メタデータ） (2022-08-29T18:01:42Z)
• ADAPT: Mitigating Idling Errors in Qubits via Adaptive Dynamical Decoupling [3.2505361717998227]
  キュービットはアイドル状態にあり、アクティブな操作を行わないときに発生するアイドルエラーの影響を受けやすい。 既存の動的デカップリングプロトコルは主に個々の量子ビットに対して研究されている。 本稿では,各キュービットの組み合わせに対するDDの有効性を推定するソフトウェアフレームワークであるAdaptive Dynamical Decoupling (ADAPT)を提案する。
  論文  参考訳（メタデータ） (2021-09-11T16:15:24Z)
• Highly Parallel Autoregressive Entity Linking with Discriminative Correction [51.947280241185]
  自己回帰リンクを全ての潜在的な言及に対して並列化する,非常に効率的な手法を提案する。 我々のモデルは以前の生成法より70倍高速で精度が高い。
  論文  参考訳（メタデータ） (2021-09-08T17:28:26Z)
• Disentangle Your Dense Object Detector [82.22771433419727]
  深層学習に基づく高密度物体検出器はここ数年で大きな成功を収め、ビデオ理解などのマルチメディアアプリケーションにも応用されてきた。 しかし、現在の高密度検出器の訓練パイプラインは、保持できない多くの接続に妥協されている。 そこで本研究では, 簡易かつ効果的な遠心分離機構を設計し, 現在の最先端検出器に統合するDED(Disentangled Dense Object Detector)を提案する。
  論文  参考訳（メタデータ） (2021-07-07T00:52:16Z)
• Federated Deep AUC Maximization for Heterogeneous Data with a Constant Communication Complexity [77.78624443410216]
  異種胸部データ検出のための改良型FDAMアルゴリズムを提案する。 本研究は,提案アルゴリズムの通信が機械数に強く依存し,精度レベルにも強く依存していることを示す。 FDAMアルゴリズムのベンチマークデータセットと、異なる組織の医療用胸部X線画像に対する効果を実験により実証した。
  論文  参考訳（メタデータ） (2021-02-09T04:05:19Z)

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。