論文の概要: Eliminating Exponential Key Growth in PRG-Based Distributed Point Functions

• arxiv url: http://arxiv.org/abs/2509.22022v1
• Date: Fri, 26 Sep 2025 07:57:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-29 20:57:54.285352
• Title: Eliminating Exponential Key Growth in PRG-Based Distributed Point Functions
• Title（参考訳）: PRGに基づく分散点関数における指数鍵成長の除去
• Authors: Marc Damie, Florian Hahn, Andreas Peter, Jan Ramon,
• Abstract要約: PRGベースのマルチパーティDPFは、パーティ数やフィールドサイズと指数関数的に増加するキーサイズのため、実用性に苦慮している。 我々の研究は、ボイルらによるPRGベースの多人数DPF方式を最適化することで、このボトルネックに対処する。 提案手法は,実用的な鍵サイズを持つ初のPRGベースのマルチパーティDPF方式であり,最もよく知られているマルチパーティDPFよりも最大3倍小さい鍵を提供する。
• 参考スコア（独自算出の注目度）: 3.0966075492209715
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Distributed Point Functions (DPFs) enable sharing secret point functions across multiple parties, supporting privacy-preserving technologies such as Private Information Retrieval, and anonymous communications. While 2-party PRG-based schemes with logarithmic key sizes have been known for a decade, extending these solutions to multi-party settings has proven challenging. In particular, PRG-based multi-party DPFs have historically struggled with practicality due to key sizes growing exponentially with the number of parties and the field size. Our work addresses this efficiency bottleneck by optimizing the PRG-based multi-party DPF scheme of Boyle et al. (EUROCRYPT'15). By leveraging the honest-majority assumption, we eliminate the exponential factor present in this scheme. Our construction is the first PRG-based multi-party DPF scheme with practical key sizes, and provides key up to 3x smaller than the best known multi-party DPF. This work demonstrates that with careful optimization, PRG-based multi-party DPFs can achieve practical performances, and even obtain top performances.
• Abstract（参考訳）: 分散ポイント関数(DPF)は、複数のパーティ間でシークレットポイント機能を共有することを可能にし、プライベート情報検索や匿名通信などのプライバシ保護技術をサポートする。 対数的なキーサイズを持つ2つのサードパーティのPRGベースのスキームは10年前から知られているが、これらのソリューションを複数パーティの設定に拡張することは困難であることが証明されている。 特に、PRGベースの多党制DPFは、パーティーの数やフィールドサイズと指数関数的に増加するキーサイズのために、歴史的に実用性に苦戦してきた。 本研究は, PRG をベースとした Boyle et al (EUROCRYPT'15) のマルチパーティDPF スキームを最適化することにより, この効率ボトルネックに対処する。 このスキームに現れる指数係数を除去する。 提案手法は,実用的な鍵サイズを持つ初のPRGベースのマルチパーティDPF方式であり,最もよく知られているマルチパーティDPFよりも最大3倍小さい鍵を提供する。 本研究は,PRGをベースとした多人数DPFを慎重に最適化することで,実用的な性能を実現し,最高の性能を得ることができることを示す。

関連論文リスト

• A New Non-Binary Response Generation Scheme from Physical Unclonable Functions [2.142505989409247]
  PUFビットの1-確率に基づく新しい非バイナリ応答生成方式を提案する。 FPGA実装の結果は,従来の研究と比べ,有効鍵長が有意に増加したことを示している。
  論文  参考訳（メタデータ） (2024-10-27T03:24:17Z)
• Deep Reinforcement Learning for Traveling Purchaser Problems [63.37136587778153]
  旅行購入問題(TPP)は幅広いアプリケーションにおいて重要な最適化問題である。 本稿では,ルート構築と購入計画を個別に扱う,深層強化学習(DRL)に基づく新しいアプローチを提案する。 様々な合成TPPインスタンスとTPPLIBベンチマークの実験により、我々のDRLベースのアプローチは、確立されたTPPを著しく上回ることを示した。
  論文  参考訳（メタデータ） (2024-04-03T05:32:10Z)
• Fine-Grained Pillar Feature Encoding Via Spatio-Temporal Virtual Grid for 3D Object Detection [11.798670216671631]
  Fine-Grained Pillar Feature (FG-PFE)は、LiDARベースの3Dオブジェクト検出器のための新しい符号化アーキテクチャである。 FG-PFEはPointPillar、CenterPoint-Pillar、PillarNetといったベースラインモデルよりも大幅なパフォーマンス向上を実現している。
  論文  参考訳（メタデータ） (2024-03-11T04:58:36Z)
• FP3O: Enabling Proximal Policy Optimization in Multi-Agent Cooperation with Parameter-Sharing Versatility [13.882557160892686]
  既存のマルチエージェントPPOアルゴリズムは、異なるタイプのパラメータ共有と互換性がない。 我々は,FP3O(Full-Pipeline PPO)と呼ばれる実用的アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2023-10-08T07:26:35Z)
• Differential Privacy with Random Projections and Sign Random Projections [37.6593006747285]
  iDP-SignRPは個人差分プライバシ設定(iDP)において極めて効果的である DP-SignOPORPは、標準のDP設定の下で既存のアルゴリズムを大幅に改善する。
  論文  参考訳（メタデータ） (2023-05-22T16:33:23Z)
• Pointerformer: Deep Reinforced Multi-Pointer Transformer for the Traveling Salesman Problem [67.32731657297377]
  トラベリングセールスマン問題(TSP)は、もともと輸送と物流の領域で発生した古典的な経路最適化問題である。 近年, 深層強化学習は高い推論効率のため, TSP の解法として採用されている。 本稿では,多点変換器をベースとした新しいエンドツーエンドDRL手法であるPointerformerを提案する。
  論文  参考訳（メタデータ） (2023-04-19T03:48:32Z)
• Differentially Private Federated Bayesian Optimization with Distributed Exploration [48.9049546219643]
  我々は、DPを反復アルゴリズムに追加するための一般的なフレームワークを通じて、ディープニューラルネットワークのトレーニングに差分プライバシ(DP)を導入する。 DP-FTS-DEは高い実用性(競争性能)と高いプライバシー保証を実現する。 また,DP-FTS-DEがプライバシとユーティリティのトレードオフを引き起こすことを示すために,実世界の実験も行っている。
  論文  参考訳（メタデータ） (2021-10-27T04:11:06Z)

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。