論文の概要: Variational Encrypted Model Predictive Control
- arxiv url: http://arxiv.org/abs/2603.19450v1
- Date: Thu, 19 Mar 2026 20:23:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 19:48:38.864373
- Title: Variational Encrypted Model Predictive Control
- Title（参考訳）: 変分暗号化モデル予測制御
- Authors: Jihoon Suh, Yeongjun Jang, Junsoo Kim, Takashi Tanaka,
- Abstract要約: 我々は,オンライン実行が暗号化操作のみに依存する変動型暗号化モデル予測制御プロトコルを開発した。
提案手法は,2次コストの復号化をサンプリング分布を傾けることで自然に処理するサンプリングベース推定器にMPC問題を再構成する。
暗号化による誤りが最適性に与える影響を解析し,シミュレーション結果から提案手法の実用性を示す。
- 参考スコア（独自算出の注目度）: 1.3416169841532526
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We develop a variational encrypted model predictive control (VEMPC) protocol whose online execution relies only on encrypted polynomial operations. The proposed approach reformulates the MPC problem into a sampling-based estimator, in which the computation of the quadratic cost is naturally handled by tilting the sampling distribution, thus reducing online encrypted computation. The resulting protocol requires no additional communication rounds or intermediate decryption, and scales efficiently through two complementary levels of parallelism. We analyze the effect of encryption-induced errors on optimality, and simulation results demonstrate the practical applicability of the proposed method.
- Abstract（参考訳）: 我々は,オンライン実行が暗号化多項式操作のみに依存する変動型暗号化モデル予測制御(VEMPC)プロトコルを開発した。
提案手法は,MPC問題をサンプリングベース推定器に再構成し,サンプリング分布を傾けることで2次コストの計算を自然に行うことにより,オンラインの暗号化計算を低減させる。
結果として得られるプロトコルは、追加の通信ラウンドや中間復号化を必要とせず、2つの相補的な並列性のレベルを効率的にスケールする。
暗号化による誤りが最適性に与える影響を解析し,シミュレーション結果から提案手法の実用性を示す。
関連論文リスト
- Physical Layer Deception based on Semantic Distortion [58.38604209714828]
物理層 deception (PLD) は、物理層セキュリティ(PLS)と偽造技術を統合するフレームワークである。
我々は,この枠組みを意味的コミュニケーションモデルに拡張し,性能指標として意味的歪みを用いた理論的解析を行う。
論文 参考訳（メタデータ） (2025-10-16T18:23:35Z) - One-Step Flow Policy Mirror Descent [52.31612487608593]
Flow Policy Mirror Descent (FPMD)は、フローポリシー推論中の1ステップのサンプリングを可能にするオンラインRLアルゴリズムである。
本手法は, 直流整合モデルにおける単段サンプリングの分散分散と離散化誤差の理論的関係を利用する。
論文 参考訳（メタデータ） (2025-07-31T15:51:10Z) - Towards Optimal Multi-draft Speculative Decoding [102.67837141152232]
MDSD(Multi-Draft Speculative Decoding)は、各トークンを生成する際に、小さなドラフトモデルで複数のドラフトを生成する手法である。
本稿では、最適輸送問題の双対性について論じ、最適受容率を効率的に計算する方法を提供する。
論文 参考訳（メタデータ） (2025-02-26T03:22:44Z) - Model Predictive Control via On-Policy Imitation Learning [28.96122879515294]
我々は,データ駆動型モデル予測制御のための新しいサンプル複雑性結果と性能保証を開発する。
我々のアルゴリズムは制約付き線形MPCの構造を用いており、解析は明示的なMPC解の特性を用いて、最適性能を達成するのに必要なオンラインMPCトラジェクトリの数を理論的に制限する。
論文 参考訳（メタデータ） (2022-10-17T16:06:06Z) - Data post-processing for the one-way heterodyne protocol under
composable finite-size security [62.997667081978825]
本研究では,実用的連続可変(CV)量子鍵分布プロトコルの性能について検討する。
ヘテロダイン検出を用いたガウス変調コヒーレント状態プロトコルを高信号対雑音比で検討する。
これにより、プロトコルの実践的な実装の性能を調べ、上記のステップに関連付けられたパラメータを最適化することができる。
論文 参考訳（メタデータ） (2022-05-20T12:37:09Z) - Algorithms for the Communication of Samples [9.442139459221783]
本稿では,従来の手法よりも現実的に有利な2つの新しい符号化方式を提案する。
まず,命令型ランダムコーディング(ORC)を導入し,従来の手法のコーディングコストを削減する。
次に、ディザレート量子化を用いたハイブリッド符号化方式について述べる。
論文 参考訳（メタデータ） (2021-10-25T11:04:01Z) - Covert Model Poisoning Against Federated Learning: Algorithm Design and
Optimization [76.51980153902774]
フェデレーテッド・ラーニング(FL)はパラメータ伝達中にFLモデルに対する外部攻撃に対して脆弱である。
本稿では,最先端の防御アグリゲーション機構に対処する有効なMPアルゴリズムを提案する。
実験の結果,提案したCMPアルゴリズムは,既存の攻撃機構よりも効果的で,かなり優れていることが示された。
論文 参考訳（メタデータ） (2021-01-28T03:28:18Z)
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。