論文の概要: eFPE: Design, Implementation, and Evaluation of a Lightweight Format-Preserving Encryption Algorithm for Embedded Systems
- arxiv url: http://arxiv.org/abs/2511.12225v1
- Date: Sat, 15 Nov 2025 14:00:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-18 14:36:23.687632
- Title: eFPE: Design, Implementation, and Evaluation of a Lightweight Format-Preserving Encryption Algorithm for Embedded Systems
- Title（参考訳）: eFPE:組み込みシステムのための軽量フォーマット保存暗号化アルゴリズムの設計・実装・評価
- Authors: Nishant Vasantkumar Hegde, Suneesh Bare, K B Ramesh, Aamir Ibrahim,
- Abstract要約: eFPEは8ラウンドのFeistel暗号であり、このドメイン用に特別に設計された "novel lightweight Pseudorandom Function (PRF)" を備えている。
eFPEは、任意の長さの十進文字列をパディングや複雑な変換なしで直接暗号化し、標準的な前提の下でIND-CCA2セキュリティを目指している。
eFPEは、データフォーマットの整合性、リソースフットプリントの最小化、運用遅延の低減が最重要である金融端末、医療センサ、産業用IoTデバイスなどのアプリケーションに適している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Resource-constrained embedded systems demand secure yet lightweight data protection, particularly when data formats must be preserved. This paper introduces eFPE (Enhanced Format-Preserving Encryption), an 8-round Feistel cipher featuring a "novel lightweight Pseudorandom Function (PRF)" specifically designed for this domain. The PRF, architected with an efficient two-iteration structure of AES-inspired operations (byte-substitution, keyed XOR, and byte-rotation), underpins eFPE's ability to directly encrypt even-length decimal strings without padding or complex conversions, while aiming for IND-CCA2 security under standard assumptions. Implemented and evaluated on an ARM7TDMI LPC2148 microcontroller using Keil μVision 4, eFPE demonstrates the efficacy of its targeted design: a total firmware Read-Only Memory (ROM) footprint of 4.73 kB and Random Access Memory (RAM) usage of 1.34 kB. The core eFPE algorithm module itself is notably compact, requiring only 3.55 kB ROM and 116 B RAM. These characteristics make eFPE a distinct and highly suitable solution for applications like financial terminals, medical sensors, and industrial IoT devices where data format integrity, minimal resource footprint, and low operational latency are paramount.
- Abstract（参考訳）: リソース制約のある組み込みシステムは、特にデータフォーマットを保存する必要がある場合、安全かつ軽量なデータ保護を要求する。
本稿では,この領域に特化して設計された "novel lightweight Pseudorandom Function (PRF)" を備えた8ラウンドのFeistel暗号であるeFPE(Enhanced Format-Preserving Encryption)を紹介する。
PRFは、AESにインスパイアされたオペレーション(バイト置換、キー付きXOR、バイトローテーション)の効率的な2項目構造で設計されており、標準的な前提の下でIND-CCA2セキュリティを目標にしながら、パディングや複雑な変換なしに、偶数長の十進文字列を直接暗号化するeFPEの能力を基盤としている。
Keil μVision 4を用いてARM7TDMI LPC2148マイクロコントローラを実装、評価し、eFPEはターゲット設計の有効性を示した。
コアのeFPEアルゴリズムモジュール自体は非常にコンパクトで、3.55kBのROMと116BのRAMしか必要としない。
これらの特徴により、eFPEは、データフォーマットの整合性、リソースフットプリントの最小化、運用レイテンシの低下が最重要となる金融端末、医療センサ、産業用IoTデバイスといったアプリケーションに対して、明確かつ極めて適したソリューションとなっている。
関連論文リスト
- Design and Optimization of Cloud Native Homomorphic Encryption Workflows for Privacy-Preserving ML Inference [0.0]
ホモモルフィック暗号化(HE)は、暗号化されたデータに対する暗号計算を可能にする魅力的な技術として登場した。
大規模クラウドネイティブパイプラインにおけるHEの統合は、高い計算オーバーヘッド、オーケストレーションの複雑さ、モデル互換性の問題によって制限されている。
本稿では、プライバシML推論をサポートするクラウドネイティブな同型暗号化の設計と最適化のための体系的なフレームワークを提案する。
論文 参考訳（メタデータ） (2025-10-28T15:13:32Z) - HHEML: Hybrid Homomorphic Encryption for Privacy-Preserving Machine Learning on Edge [4.623074730653607]
プライバシ保護機械学習(PPML)は、信頼できない環境で機密データに対するセキュアな機械学習推論を処理するための、新たなトピックである。
完全同型暗号化(FHE)は、サーバ側の暗号化データ上で直接計算を可能にするが、クライアント側の重要な通信と計算オーバーヘッドを導入する。
HHEは、クライアント側の計算コストを削減するために、対称暗号(SE)とFHEを組み合わせることで、この制限に対処する。
本研究は、FHE互換に最適化された軽量対称暗号を中心に構築されたハードウェアアクセラレーションHHEアーキテクチャを提案する。
論文 参考訳（メタデータ） (2025-10-23T05:51:55Z) - CryptPEFT: Efficient and Private Neural Network Inference via Parameter-Efficient Fine-Tuning [40.49435347359895]
CryptPEFTはワンウェイ通信(OWC)アーキテクチャであり、アダプタのみに暗号化されている。
我々は、広く使われている画像分類データセット間でビジョントランスフォーマーのバックボーンを用いてCryptPEFTを評価する。
この結果、CryptPEFTは既存のベースラインを大幅に上回り、シミュレーションワイドエリアネットワーク(WAN)とローカルエリアネットワーク(LAN)設定で20.62タイム(20.62ドル)から291.48タイム(291.48ドル)までのスピードアップを実現した。
論文 参考訳（メタデータ） (2025-08-17T07:19:27Z) - Decoder-Hybrid-Decoder Architecture for Efficient Reasoning with Long Generation [108.0657508755532]
我々は、レイヤ間の効率的なメモリ共有のためのシンプルで効果的なメカニズムであるGated Memory Unit(GMU)を紹介した。
これは、GMUを組み込んでSambaベースのセルフデコーダからメモリ読み出し状態を共有するデコーダ・ハイブリッド・デコーダアーキテクチャである。
論文 参考訳（メタデータ） (2025-07-09T07:27:00Z) - Toward a Lightweight, Scalable, and Parallel Secure Encryption Engine [0.0]
SPiMEは軽量でスケーラブルでFPGA互換のSecure Processor-in-Memory Encryptionアーキテクチャである。
Advanced Encryption Standard (AES-128)を直接Processing-in-Memoryフレームワークに統合する。
持続的な暗号化スループットを25Gbps以上提供し、予測可能な低レイテンシパフォーマンスを実現している。
論文 参考訳（メタデータ） (2025-06-18T02:25:04Z) - Privacy-Preserving Edge Computing from Pairing-Based Inner Product Functional Encryption [0.0]
本研究は,FHIPE(Function-hiding inner product encryption)のための効率的なソフトウェア実装フレームワークを提案する。
アルゴリズム最適化は$approx 2.6 times$と$approx 3.4 times$をそれぞれFHIPE暗号化と復号化で高速化する。
また,暗号化バイオメディカルセンサデータ分類やセキュアな無線指紋による屋内位置推定といった,プライバシー保護のためのエッジコンピューティングアプリケーションについても実証した。
論文 参考訳（メタデータ） (2025-04-02T19:01:10Z) - Efficient Multi-Instance Generation with Janus-Pro-Dirven Prompt Parsing [53.295515505026096]
Janus-Pro-driven Prompt Parsingは、テキスト理解とレイアウト生成をブリッジするプロンプト解析モジュールである。
MIGLoRAはパラメータ効率の良いプラグインで、低ランク適応を UNet (SD1.5) と DiT (SD3) のバックボーンに統合する。
提案手法はパラメータ効率を維持しつつCOCOおよびLVISベンチマークの最先端性能を実現する。
論文 参考訳（メタデータ） (2025-03-27T00:59:14Z) - SOCI^+: An Enhanced Toolkit for Secure OutsourcedComputation on Integers [50.608828039206365]
本稿では,SOCIの性能を大幅に向上させるSOCI+を提案する。
SOCI+は、暗号プリミティブとして、高速な暗号化と復号化を備えた(2, 2)ホールドのPaillier暗号システムを採用している。
実験の結果,SOCI+は計算効率が最大5.4倍,通信オーバヘッドが40%少ないことがわかった。
論文 参考訳（メタデータ） (2023-09-27T05:19:32Z) - CodedPaddedFL and CodedSecAgg: Straggler Mitigation and Secure
Aggregation in Federated Learning [86.98177890676077]
本稿では, 階層化デバイスの効果を緩和する線形回帰のための2つの新しい符号付きフェデレーションラーニング手法を提案する。
最初のスキームであるCodedPaddedFLは、従来のFLのプライバシレベルを維持しながら、ストラグリングデバイスの効果を緩和する。
第2のスキームであるCodedSecAggは、モデル反転攻撃に対するストラグラーレジリエンスと堅牢性を提供する。
論文 参考訳（メタデータ） (2021-12-16T14:26:30Z)
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。