論文の概要: Dyadic-Chaotic Lifting S-Boxes for Enhanced Physical-Layer Security within 6G Networks

• arxiv url: http://arxiv.org/abs/2511.12325v1
• Date: Sat, 15 Nov 2025 19:00:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-18 14:36:23.894157
• Title: Dyadic-Chaotic Lifting S-Boxes for Enhanced Physical-Layer Security within 6G Networks
• Title（参考訳）: 6Gネットワークにおける物理層セキュリティ向上のためのDyadic-Chaotic Lifting S-Boxes
• Authors: Ilias Cherkaoui, Indrakshi Dey,
• Abstract要約: 第6世代(6G)無線ネットワークは、何十億ものリソース制限されたデバイスと時間クリティカルなサービスを相互接続する。 物理層セキュリティ(PLS)は、軽量で情報理論的な保護を提供するために重要である。 PLSのための最初のカオスリフト置換箱(S-box)を紹介する。
• 参考スコア（独自算出の注目度）: 1.5469452301122173
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Sixth-Generation (6G) wireless networks will interconnect billions of resource-constrained devices and time-critical services, where classical, fixed, and heavy cryptography strains latency and energy budgets and struggles against large-scale, pre-computation attacks. Physical-Layer Security (PLS) is therefore pivotal to deliver lightweight, information-theoretic protection, but still requires strong, reconfigurable confusion components that can be diversified per slice, session, or device to blunt large-scale precomputation and side-channel attacks. In order to address the above requirement, we introduce the first-ever chaos-lifted substitution box (S-box) for PLS that couples a $β$-transformation-driven dynamical system with dyadic conditional sampling to generate time-varying, seedable 8-bit permutations on demand. This construction preserves uniformity via ergodicity, yields full 8-bit bijections, and supports on-the-fly diversification across sessions. The resulting S-box attains optimal algebraic degree 7 on every output bit and high average nonlinearity 102.5 (85% of the 8-bit bound), strengthening resistance to algebraic and linear cryptanalysis. Differential and linear profiling report max DDT entry 10 (probability 0.039) and max linear probability 0.648, motivating deployment within a multi-round cipher with a strong diffusion layer, where the security-to-efficiency trade-off is compelling. Our proposed reconfigurable, lightweight S-box directly fulfills key PLS requirements of 6G networks by delivering fast, hardware-amenable confusion components with built-in agility against evolving threats.
• Abstract（参考訳）: 第6世代(6G)無線ネットワークは、数十億ものリソース制限されたデバイスと時間クリティカルなサービスとを相互接続する。 そのため、PLS(Physical-Layer Security)は、軽量で情報理論的な保護を提供する上で重要であるが、大規模なプリ計算とサイドチャネル攻撃を抑えるために、スライス、セッション、デバイス毎に多様化可能な、強力な、再構成可能な混乱コンポーネントが必要である。 以上の要件に対処するため,我々は PLS 用の最初のカオスリフト式置換ボックス (S-box) を導入し, 要求に応じて, 時間変化, シード可能な8ビットの置換を生成するために, β$-transformation-driven dynamical system をdyadic conditional sample と組み合わせた。 この構造はエルゴード性を通じて均一性を保ち、完全な8ビットの単射を発生させ、セッション間のオンザフライの多様化をサポートする。 その結果、Sボックスは出力ビットごとに最適代数次数7と高平均非線形性102.5(8ビット境界の85%)を達成し、代数的および線形暗号解析に対する耐性を強化する。 差分及び線形プロファイリングレポート 最大DDTエントリ10(確率0.039)と最大線形確率0.648は、高い拡散層を有する多ラウンド暗号内の展開を動機付け、セキュリティ対効率のトレードオフが魅力的である。 提案する再構成可能で軽量なSボックスは,進化する脅威に対する機敏性を備えた高速でハードウェア対応の混乱コンポーネントを提供することで,6Gネットワークの重要なPSS要件を直接満たす。

関連論文リスト

• Dispatch-Aware Deep Neural Network for Optimal Transmission Switching: Toward Real-Time and Feasibility Guaranteed Operation [3.3894236476098185]
  本稿では,事前に解決されたラベルを使わずにDC-OTSを高速化するディスパッチ対応ディープニューラルネットワーク(DA-DNN)を提案する。 DA-DNNは線状態を予測し、それを微分可能なDC-OPF層に渡す。 DCOPFを解くと同時に、実現可能なトポロジとディスパッチペアを生成する。
  論文  参考訳（メタデータ） (2025-07-23T04:39:29Z)
• A Hybrid Chaos-Based Cryptographic Framework for Post-Quantum Secure Communications [2.474908349649168]
  提案するCryptoChaosは、決定論的カオス理論を最先端の暗号プリミティブと相乗し、堅牢で量子後レジリエントな暗号化を実現するための、新しいハイブリッド暗号フレームワークである。 CryptoChaosは、4つの離散カオス写像の固有の予測不可能性を利用して、統一エントロピープールから高エントロピー、多次元鍵を生成する。
  論文  参考訳（メタデータ） (2025-04-11T15:24:21Z)
• Provably-Safe Neural Network Training Using Hybrid Zonotope Reachability Analysis [2.1198879079315573]
  安全クリティカルな制御アプリケーションにおいて、ニューラルネットワークの制約を強制することは困難である。 本稿では,線形整列線形ユニット(ReLU)非線形性を持つニューラルネットワークに対して,非ハイブリッド入力セットの正確な画像化を促進する手法を提案する。
  論文  参考訳（メタデータ） (2025-01-22T17:13:48Z)
• Multi-Domain Polarization for Enhancing the Physical Layer Security of MIMO Systems [51.125572358881556]
  無線通信システムのセキュリティを高めるために,新しい物理層セキュリティ(PLS)フレームワークが考案されている。 マルチドメイン分極に基づく高度な鍵生成方式と対応する受信機を設計する。 提案手法は,無線通信システムのセキュリティと信頼性を効果的に向上させるものである。
  論文  参考訳（メタデータ） (2023-10-31T05:50:24Z)
• Artificial Intelligence Empowered Multiple Access for Ultra Reliable and Low Latency THz Wireless Networks [76.89730672544216]
  テラヘルツ(THz)無線ネットワークは、第5世代(B5G)以上の時代を触媒すると予想されている。 いくつかのB5Gアプリケーションの超信頼性と低レイテンシ要求を満たすためには、新しいモビリティ管理アプローチが必要である。 本稿では、インテリジェントなユーザアソシエーションとリソースアロケーションを実現するとともに、フレキシブルで適応的なモビリティ管理を可能にする、全体論的MAC層アプローチを提案する。
  論文  参考訳（メタデータ） (2022-08-17T03:00:24Z)
• An Adaptive Device-Edge Co-Inference Framework Based on Soft Actor-Critic [72.35307086274912]
  高次元パラメータモデルと大規模数学的計算は、特にIoT(Internet of Things)デバイスにおける実行効率を制限する。 本稿では,ソフトポリシーの繰り返しによるエフェキシット点,エフェキシット点,エンフェキシット点を生成する離散的(SAC-d)のための新しい深層強化学習(DRL)-ソフトアクタ批判法を提案する。 レイテンシと精度を意識した報酬設計に基づいて、そのような計算は動的無線チャンネルや任意の処理のような複雑な環境によく適応でき、5G URLをサポートすることができる。
  論文  参考訳（メタデータ） (2022-01-09T09:31:50Z)
• DS-Net++: Dynamic Weight Slicing for Efficient Inference in CNNs and Transformers [105.74546828182834]
  本稿では,様々な難易度を持つ入力に対して,ネットワークパラメータの一部を適応的にスライスする動的ウェイトスライシングという,ハードウェア効率のよい動的推論方式を示す。 我々は、CNNのフィルタ数とCNNと変換器の多重次元を入力依存的に調整することで、動的スライム可能なネットワーク(DS-Net)と動的スライス可能なネットワーク(DS-Net++)を提案する。
  論文  参考訳（メタデータ） (2021-09-21T09:57:21Z)
• Dynamic Slimmable Network [105.74546828182834]
  ダイナミックスリム化システム「ダイナミックスリム化ネットワーク(DS-Net)」を開発。 ds-netは,提案するダブルヘッド動的ゲートによる動的推論機能を備えている。 静的圧縮法と最先端の静的および動的モデル圧縮法を一貫して上回っている。
  論文  参考訳（メタデータ） (2021-03-24T15:25:20Z)
• Sparse Multi-Family Deep Scattering Network [14.932318540666543]
  DSN(Deep Scattering Network)の解釈可能性を活用した新しいアーキテクチャを提案する。 SMF-DSNは散乱係数の多様性を高めてDSNを強化し、(ii)非定常雑音に対するロバスト性を向上させる。
  論文  参考訳（メタデータ） (2020-12-14T16:06:14Z)
• EdgeBERT: Sentence-Level Energy Optimizations for Latency-Aware Multi-Task NLP Inference [82.1584439276834]
  BERTのようなトランスフォーマーベースの言語モデルでは、自然言語処理(NLP)タスクの精度が大幅に向上する。 We present EdgeBERT, a in-deepth algorithm- hardware co-design for latency-aware energy optimization for multi-task NLP。
  論文  参考訳（メタデータ） (2020-11-28T19:21:47Z)

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。