論文の概要: Modification to Fully Homomorphic Modified Rivest Scheme
- arxiv url: http://arxiv.org/abs/2603.04952v1
- Date: Thu, 05 Mar 2026 08:45:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-06 22:06:11.148633
- Title: Modification to Fully Homomorphic Modified Rivest Scheme
- Title（参考訳）: 完全同型化リベストスキームの修正
- Authors: Sona Alex, Bian Yang,
- Abstract要約: この文書では、FHMRSのセキュリティ問題であるFHMRS(Fully Homomorphic Modified Rivest Scheme)と、セキュリティ問題を緩和するためのFHMRSの変更について詳述している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This document details the Fully Homomorphic Modified Rivest Scheme (FHMRS), a security issue in FHMRS, and a modification to FHMRS (mFHMRS) to mitigate the security issue.
- Abstract（参考訳）: この文書では、FHMRSのセキュリティ問題であるFHMRS(Fully Homomorphic Modified Rivest Scheme)と、セキュリティ問題を緩和するためのFHMRS(mFHMRS)の変更について詳述している。
関連論文リスト
- FGGM: Fisher-Guided Gradient Masking for Continual Learning [57.56585138260662]
破滅的な忘れ物は、大きな言語モデルの継続的な学習を損なう。
我々は、対角的なフィッシャー情報を用いて、更新のためのパラメータを戦略的に選択することでこれを緩和するフレームワークであるFisher-Guided Gradient Masking (FGGM)を提案する。
論文 参考訳（メタデータ） (2026-01-26T08:35:34Z) - SGM: A Statistical Godel Machine for Risk-Controlled Recursive Self-Modification [24.250783705030653]
安全編集のための最初の統計アーキテクチャである統計ゴデルマシン(SGM)を紹介する。
SGMは証明に基づく要求を統計的信頼テスト(e-values, Hoeffding bounds)に置き換え、選択された信頼度レベルで優越性が証明された場合にのみ修正を認める。
また,提案するCTHS(Confirm-Triggered Harmonic Spending)も提案する。
論文 参考訳（メタデータ） (2025-10-11T14:09:37Z) - Reliability Analysis of Fully Homomorphic Encryption Systems Under Memory Faults [4.342622051185079]
ホモモルフィック暗号化(英: Homomorphic Encryption、FHE)は、暗号のパラダイムシフトであり、暗号化されたデータを直接計算し、プライバシクリティカルな計算をアンロックすることを可能にする。
本稿では,FHEがメモリ障害の存在下でどのように振る舞うかを,個々の操作やアプリケーションレベルで,異なるFHEスキームに対してより深く理解することを目的とする。
論文 参考訳（メタデータ） (2025-09-25T02:40:16Z) - MFFI: Multi-Dimensional Face Forgery Image Dataset for Real-World Scenarios [56.87612820699948]
実世界のシナリオに適した多次元顔偽画像(textbfMFFI)データセットを提案する。
MFFIは, より広いフォージェリー手法, 2) 潜伏した顔シーン, 3) 多様化された認証データ, 4) マルチレベル劣化操作の4つの戦略次元に基づいてリアリズムを強化する。
ベンチマーク評価の結果、MFFIはシーンの複雑さ、クロスドメインの一般化能力、検出難易度勾配などの観点から、既存の公開データセットよりも優れていた。
論文 参考訳（メタデータ） (2025-09-06T04:36:41Z) - MEMOIR: Lifelong Model Editing with Minimal Overwrite and Informed Retention for LLMs [76.28901550926021]
寿命の長いモデル編集のための既存の方法は、妥協の一般化、過去の編集の妨害、長い編集シーケンスへのスケールの失敗である。
我々は,学習済みモデルのコア能力を保ちながら,残メモリを介して知識を注入する,新しいスケーラブルなフレームワークMEMOIRを提案する。
MeMOIRは信頼性、一般化、ローカリティのメトリクスにまたがる最先端のパフォーマンスを実現し、最小限の忘れ物で数千のシーケンシャルな編集にスケールする。
論文 参考訳（メタデータ） (2025-06-09T16:16:42Z) - SaLoRA: Safety-Alignment Preserved Low-Rank Adaptation [41.91948079316541]
近年の研究では、LoRAの微調整が大きな言語モデルの安全性を損なう可能性があるという懸念が持ち上がっている。
本稿では,安全性に配慮した低ランク適応(SaLoRA)を提案する。
以前のLoRAメソッドやその派生型とは異なり、SaLoRAは本来のアライメントを中断することなく、LLMへのターゲット変更を可能にする。
実験の結果,SaLoRAは様々な微調整タスクにおいて,様々な評価指標のアダプタベースのアプローチ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） (2025-01-03T11:34:28Z) - Separate the Wheat from the Chaff: A Post-Hoc Approach to Safety Re-Alignment for Fine-Tuned Language Models [30.93821289892195]
IRR (Identify, Remove, and Recalibrate for Safety Realignment) を提案する。
IRRの中核は、保持されたパラメータを再調整しながら、微調整されたモデルから安全でないデルタパラメータを特定し、除去することである。
この結果から,IRRは有害なクエリやジェイルブレイク攻撃などの安全性ベンチマークにおいて,微調整モデルの安全性を著しく向上することが示された。
論文 参考訳（メタデータ） (2024-12-15T03:58:38Z) - Linearly Homomorphic Signature with Tight Security on Lattice [7.911831986965765]
Boyen氏とLi氏は、ASIACRYPT 2016カンファレンスで、オープンな問題を提起した。
ショートソリューション(SIS)硬さ仮定の下で、厳密にセキュアな同型シグネチャスキームを構築する方法。
この研究は、同じ仮定の下でこの問題の最初の完全な解決を提供する。
論文 参考訳（メタデータ） (2024-12-02T15:51:57Z) - PyMAF-X: Towards Well-aligned Full-body Model Regression from Monocular
Images [60.33197938330409]
PyMAF-Xは、モノクロ画像からパラメトリックフルボディモデルを復元するための回帰ベースのアプローチである。
PyMAFとPyMAF-Xは、メッシュイメージアライメントを効果的に改善し、新しい最先端の結果を達成する。
論文 参考訳（メタデータ） (2022-07-13T17:58:33Z) - Learning Adaptive Warping for Real-World Rolling Shutter Correction [52.45689075940234]
本稿では,実世界のローリングシャッター(RS)補正データセットであるBS-RSCと,歪みビデオ中のRSフレームを補正するための対応するモデルを提案する。
ビデオキャプチャ用のCMOSベースのセンサを備えたコンシューマ市場のモバイルデバイスは、ビデオ取得プロセス中に相対的な動きが発生した場合、ローリングシャッター効果をもたらすことが多い。
論文 参考訳（メタデータ） (2022-04-29T05:13:50Z) - MagGAN: High-Resolution Face Attribute Editing with Mask-Guided
Generative Adversarial Network [145.4591079418917]
MagGANは、望ましい属性変更に関連する顔の部分のみを編集することを学ぶ。
各属性変更の影響領域をジェネレータに組み込むために、新しいマスク誘導条件付け戦略を導入する。
高解像度(1024×1024$)の顔編集のために,マルチレベルパッチワイド識別器構造を提案する。
論文 参考訳（メタデータ） (2020-10-03T20:56:16Z)
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。