Fugu-MT 論文翻訳(概要): Scrambler: Mixed Boolean Arithmetic Obfuscation Tool Using E-graph and Equality Expansion

論文の概要: Scrambler: Mixed Boolean Arithmetic Obfuscation Tool Using E-graph and Equality Expansion

arxiv url: http://arxiv.org/abs/2603.03624v1
Date: Wed, 04 Mar 2026 01:23:19 GMT
ステータス: 翻訳完了
システム内更新日: 2026-03-05 21:29:15.143399
Title: Scrambler: Mixed Boolean Arithmetic Obfuscation Tool Using E-graph and Equality Expansion
Title（参考訳）: Scrambler:E-graph と Equality Expansion を用いたブール算術難読化ツール
Authors: Seoksu Lee, Sangjun An, Eun-Sun Cho,
Abstract要約: Equality Expansion を用いた Scrambler と e-graph ベースの MBA 難読化ツールを提案する。実験によると、Scramblerは複雑さと表現力で既存のツールを改善している。
参考スコア（独自算出の注目度）: 4.7664516965746335
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose Scrambler, and e-graph-based MBA obfuscation tool using Equality Expansion to efficiently generate complex and diverse expressions with equivalence guaranteed by construction. Experiments show Scrambler improves existing tools in expressiveness and complexity.
Abstract（参考訳）: Equality Expansion を用いた Scrambler と e-graph ベースの MBA 難読化ツールを提案する。実験によると、Scramblerは表現力と複雑さで既存のツールを改善している。

関連論文リスト

ToolLibGen: Scalable Automatic Tool Creation and Aggregation for LLM Reasoning [80.10274552177096]
外部ツールを備えたLarge Language Models (LLM) は、複雑な推論タスクにおけるパフォーマンスの向上を実証している。このツールに強化された推論が広く採用されるのは、ドメイン固有のツールが不足しているためである。構造化ツールライブラリに非構造化ツールのコレクションを自動的に組み込むための体系的なアプローチを提案する。
論文参考訳（メタデータ） (2025-10-09T04:11:16Z)
Censor Resistant Instruction Independent Obfuscation for Multiple Programs [0.0]
本研究は,複数プログラムの難読化を実現する命令デコリレーションとして,難読化に関するこれまでの研究を基盤とし,最適化するものである。センサ耐性計算の特性をさらに向上する。
論文参考訳（メタデータ） (2025-02-06T15:40:58Z)
Improving Genetic Programming for Symbolic Regression with Equality Graphs [0.0]
等式グラフを利用して、式とその等価な形式を格納する。サブツリー演算子を適応させて、表現の再検討の機会を減らします。提案手法は,PySRやOperonと競合する単純なGPアルゴリズムの性能を向上させる。
論文参考訳（メタデータ） (2025-01-29T18:49:34Z)
Diversifying the Expert Knowledge for Task-Agnostic Pruning in Sparse Mixture-of-Experts [75.85448576746373]
本稿では,モデルのパラメータ効率を向上させるために,類似の専門家をグループ化し,グループ化する方法を提案する。提案手法の有効性を3つの最先端MoEアーキテクチャを用いて検証する。評価の結果,本手法は自然言語タスクにおいて,他のモデルプルーニング手法よりも優れていることがわかった。
論文参考訳（メタデータ） (2024-07-12T17:25:02Z)
Simplifying MBA Expression Using E-Graphs [1.1879716317856948]
Mixed Boolean Arithmetic (MBA) obfuscationは、既存のコードの難読化技術を用いて解読するのが最も難しいと考えられている。我々は、電子グラフデータ構造を用いて、同じ意味論の複数の表現を効率的に保持し、項を書き直し、より単純な表現を見つける。
論文参考訳（メタデータ） (2024-04-08T12:02:06Z)
Accelerated Discovery of Machine-Learned Symmetries: Deriving the Exceptional Lie Groups G2, F4 and E6 [55.41644538483948]
このレターでは、対称性変換の発見を著しく高速化する2つの改良されたアルゴリズムを紹介している。例外的リー群の複雑性を考えると,この機械学習手法は完全に汎用的であり,多種多様なラベル付きデータセットに適用可能であることを示す。
論文参考訳（メタデータ） (2023-07-10T20:25:44Z)
Dense FixMatch: a simple semi-supervised learning method for pixel-wise prediction tasks [68.36996813591425]
Dense FixMatchは,高密度かつ構造化された予測タスクのオンライン半教師付き学習のための簡易な手法である。我々は、擬似ラベルにマッチング操作を追加することにより、画像分類を超えた半教師付き学習問題にFixMatchの適用を可能にする。 Dense FixMatchは、ラベル付きデータのみを使用して教師付き学習と比較すると、結果を著しく改善し、ラベル付きサンプルの1/4でそのパフォーマンスに近づいた。
論文参考訳（メタデータ） (2022-10-18T15:02:51Z)
Syntax-Aware Network for Handwritten Mathematical Expression Recognition [53.130826547287626]
手書き数式認識(HMER)は、多くの潜在的な応用が可能な課題である。 HMERの最近の手法はエンコーダ・デコーダアーキテクチャで優れた性能を実現している。本稿では,構文情報をエンコーダ・デコーダネットワークに組み込んだHMERの簡易かつ効率的な手法を提案する。
論文参考訳（メタデータ） (2022-03-03T09:57:19Z)
Text Ranking and Classification using Data Compression [1.332560004325655]
テキスト分類における言語に依存しないアプローチを提案する。我々は、Zstandard圧縮機を使用し、これらのアイデアをいくつかの方法で強化し、結果のテクニックをZestと呼ぶ。 Zestは実運用環境における言語固有の多次元コンテンツ埋め込みと競合するが,公開データセット上の他のカウント手法よりも優れていることを示す。
論文参考訳（メタデータ） (2021-09-23T18:13:17Z)
Certified Robustness via Randomized Smoothing over Multiplicative Parameters [78.42152902652215]
我々はガンマ補正摂動に関して、確実に頑健な分類器を構築する。我々の知る限りでは、乗法的ガンマ補正変換に対する証明された堅牢性に関する最初の研究である。
論文参考訳（メタデータ） (2021-06-28T07:35:15Z)
Unsupervised Summarization by Jointly Extracting Sentences and Keywords [12.387378783627762]
RepRankは、抽出多文書要約のための教師なしグラフベースのランキングモデルである。学習した表現を用いて,有意な文やキーワードを協調的・相互強化プロセスで抽出できることを示す。複数のベンチマークデータセットによる実験結果は、RepRankがROUGEで最高の、または同等のパフォーマンスを達成したことを示している。
論文参考訳（メタデータ） (2020-09-16T05:58:00Z)

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。