論文の概要: FIPS 204-Compatible Threshold ML-DSA via Masked Lagrange Reconstruction
- arxiv url: http://arxiv.org/abs/2601.20917v1
- Date: Wed, 28 Jan 2026 18:13:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-30 16:22:49.376732
- Title: FIPS 204-Compatible Threshold ML-DSA via Masked Lagrange Reconstruction
- Title（参考訳）: FIPS 204-Compatible Threshold ML-DSA
- Authors: Leo Kao,
- Abstract要約: Masked Lagrange再構成は任意のしきい値が$T$のしきい値ML-DSAを可能にする。
修正されていない204実装で検証可能な標準3.3KBシグネチャを生成する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present masked Lagrange reconstruction, a technique that enables threshold ML-DSA (FIPS 204) with arbitrary thresholds $T$ while producing standard 3.3 KB signatures verifiable by unmodified FIPS 204 implementations. Concurrent approaches have limitations: Bienstock et al. (ePrint 2025/1163) achieve arbitrary $T$ but require honest-majority and 37--136 rounds; Celi et al. (ePrint 2026/013) achieve dishonest-majority but are limited to $T \leq 6$. Our technique addresses the barrier that Lagrange coefficients grow as $Θ(q)$ for moderate $T$, making individual contributions too large for ML-DSA's rejection sampling. Unlike ECDSA threshold schemes where pairwise masks suffice for correctness, ML-DSA requires solving three additional challenges absent in prior work: (1) rejection sampling on $\|z\|_\infty$ must still pass after masking, (2) the $r_0$-check exposes $c s_2$ enabling key recovery if unprotected, and (3) the resulting Irwin-Hall nonce distribution must preserve EUF-CMA security. We solve all three. We instantiate this technique in three deployment profiles with full security proofs. Profile P1 (TEE-assisted) achieves 3-round signing with a trusted coordinator, with EUF-CMA security under Module-SIS. Profile P2 (fully distributed) eliminates hardware trust via MPC in 8 rounds, achieving UC security against malicious adversaries corrupting up to $n-1$ parties. Profile P3 (2PC-assisted) uses lightweight 2PC for the $r_0$-check in 3--5 rounds, achieving UC security under a 1-of-2 CP honest assumption with the best empirical performance (249ms). Our scheme requires $|S| \geq T+1$ signers and achieves success rates of 23--32\%, matching single-signer ML-DSA.
- Abstract（参考訳）: マスク付きラグランジュ再構成は、未修正のFIPS 204実装で検証可能な標準3.3KBシグネチャを生成しながら、任意の閾値をT$でしきい値ML-DSA(FIPS 204)を実現する手法である。
同時アプローチには制限がある: Bienstock et al (ePrint 2025/1163) は任意の$T$を達成するが、正直なマジョリティと37--136ラウンドを必要とし、Celi et al (ePrint 2026/013) は不当なマヨリティを達成するが、$T \leq 6$に制限される。
本手法は, ML-DSA の拒絶サンプリングには個々の寄与が大きすぎるため, ラグランジュ係数が適度な$T$に対して$(q)$として成長する障壁に対処する。
1)$\|z\|_\infty$の拒絶サンプリングは、マスクの後にパスしなければならない (2)$r_0$-checkは、保護されていない場合にキーリカバリを可能にする$c s_2$、(3)結果のIrwin-Hallノルス分布はEUF-CMAセキュリティを保持する必要がある。
私たちは三つすべてを解決します。
このテクニックを,完全なセキュリティ証明を備えた3つのデプロイメントプロファイルでインスタンス化する。
プロファイルP1(TEE支援)は、モジュールSISの下でEUF-CMAセキュリティを備えた信頼できるコーディネータと3ラウンドの署名を達成している。
プロファイルP2は8ラウンドでMPC経由のハードウェア信頼を排除し、悪質な敵に対するUCのセキュリティを最大$n-1$のパーティーで破滅させる。
Profile P3 (2PCアシスト)は3-5ラウンドで$r_0$-checkの軽量2PCを使用し、最高の経験的性能(249ms)で1対2CPの正直な仮定の下でUCセキュリティを達成する。
我々のスキームは、$|S| \geq T+1$シグナーを必要とし、シングルシグナーML-DSAと一致する23--32\%の成功率を達成する。
関連論文リスト
- Trust Region Masking for Long-Horizon LLM Reinforcement Learning [20.589897184824878]
大規模言語モデルのポリシー勾配法は、ロールアウトポリシーのサンプルから計算された代理目的を最適化する。
$_textroll ne _$ の場合、サロゲートと真の目的の間に近似誤差がある。
本稿では,トークンが信頼領域に違反した場合に,全シーケンスを勾配計算から除外するトラスト領域マスキング(TRM)を提案する。
論文 参考訳（メタデータ） (2025-12-28T20:41:59Z) - Spectral Sentinel: Scalable Byzantine-Robust Decentralized Federated Learning via Sketched Random Matrix Theory on Blockchain [0.0]
ビザンチンのクライアントは、不均一な(Non-IID)データの下での濃度勾配を中毒する。
本稿では,ビザンチン検出・集約フレームワークであるSpectral Sentinelを提案する。
Polygonネットワーク上でブロックチェーンを統合することで,完全なシステムを実現しています。
論文 参考訳（メタデータ） (2025-12-14T09:43:03Z) - Robust Conformal Prediction with a Single Binary Certificate [58.450154976190795]
コンフォーマル予測(CP)は、任意のモデルの出力を、真のラベルを(調整可能な)高い確率でカバーすることを保証した予測セットに変換する。
我々は,MCサンプルが著しく低い場合でも,より小さな集合を生成する頑健な共形予測を提案する。
論文 参考訳（メタデータ） (2025-03-07T08:41:53Z) - Minimax-Optimal Multi-Agent Robust Reinforcement Learning [7.237817437521988]
我々は、生成モデルへのアクセスを前提として、Q-FTRLアルゴリズム citepli2022minimax を有限水平設定で RMG に拡張する。
提案アルゴリズムは$varepsilon$-robust coarse correlation equilibrium (CCE) を$widetildeOleft(H3Ssum_i=1mA_iminleftH,1/Rright/varepsilon2right) のサンプル複雑性(ログファクタまで)で達成している。
論文 参考訳（メタデータ） (2024-12-27T16:37:33Z) - Masking Gaussian Elimination at Arbitrary Order, with Application to Multivariate- and Code-Based PQC [4.655421225385125]
我々は,ガウス的排除(GE)のためのマスキングスキームを提供する。
線形方程式の系を行-エケロン形式に変換するためのマスク付きアルゴリズムを提案する。
新しいガジェットはすべて、$t$-probingモデルで安全であることが証明されている。
論文 参考訳（メタデータ） (2024-10-31T14:01:02Z) - Intention Analysis Makes LLMs A Good Jailbreak Defender [79.4014719271075]
我々は,シンプルかつ高能率な防衛戦略,すなわち意図分析(mathbbIA$)を提示する。
$mathbbIA$ は LLM 固有の自己修正をトリガーし、2段階のプロセスを通じて能力を向上させる。
さまざまなjailbreakベンチマークの実験によると、$mathbbIA$は一貫して応答の有害性を著しく低減できる。
論文 参考訳（メタデータ） (2024-01-12T13:15:05Z) - A Provably Secure Strong PUF based on LWE: Construction and
Implementation [11.66624679713865]
古典的および量子コンピュータに対するML攻撃に対するセキュリティを証明可能な格子PUFを構築する。
Spartan 6 FPGA上に2,136 ドルのチャレンジ応答対 (CRP) を持つ格子PUF の設計を試作した。
リソース効率の良い設計では、PUFロジックの適切なスライスに45ドル、ファジィ抽出器に351ドルしか必要としない。
論文 参考訳（メタデータ） (2023-03-05T23:41:00Z) - Near Sample-Optimal Reduction-based Policy Learning for Average Reward
MDP [58.13930707612128]
この研究は、平均報酬マルコフ決定過程(AMDP)における$varepsilon$-Optimal Policyを得る際のサンプルの複雑さを考察する。
我々は、状態-作用対当たりの$widetilde O(H varepsilon-3 ln frac1delta)$サンプルを証明し、$H := sp(h*)$は任意の最適ポリシーのバイアスのスパンであり、$varepsilon$は精度、$delta$は失敗確率である。
論文 参考訳（メタデータ） (2022-12-01T15:57:58Z) - Reward-Mixing MDPs with a Few Latent Contexts are Learnable [75.17357040707347]
報酬混合マルコフ決定過程(RMMDP)におけるエピソード強化学習の検討
我々のゴールは、そのようなモデルにおける時間段階の累積報酬をほぼ最大化する、ほぼ最適に近いポリシーを学ぶことである。
論文 参考訳（メタデータ） (2022-10-05T22:52:00Z) - Provably Efficient Safe Exploration via Primal-Dual Policy Optimization [105.7510838453122]
制約付きマルコフ決定過程(CMDP)を用いた安全強化学習(SRL)問題について検討する。
本稿では,関数近似設定において,安全な探索を行うCMDPの効率の良いオンラインポリシー最適化アルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-03-01T17:47:03Z)
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。