論文の概要: TALUS: Threshold ML-DSA with One-Round Online Signing via Boundary Clearance and Carry Elimination

• arxiv url: http://arxiv.org/abs/2603.22109v1
• Date: Mon, 23 Mar 2026 15:37:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-24 19:11:39.755229
• Title: TALUS: Threshold ML-DSA with One-Round Online Signing via Boundary Clearance and Carry Elimination
• Title（参考訳）: TALUS: 境界クリアランスとキャリー除去によるワンロードオンライン署名付き閾値ML-DSA
• Authors: Leo Kao,
• Abstract要約: 我々は,ML-DSAの最初のしきい値構築であるTALUSを,99%のオンライン成功で1ラウンドのオンライン署名を実現した。 これをLattice 204 Threshold Trilemmaとして定式化し、ML-DSAノセ空間から任意のアーベル群への群準同型が同時に隠れ、結合できないことを証明した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Deploying ML-DSA (FIPS 204) in threshold settings has remained an open problem: the scheme's inherently non-linear rounding step defeats the additive share techniques that underpin practical threshold schemes for elliptic-curve signatures such as FROST. We present TALUS, the first threshold ML-DSA construction that achieves one-round online signing with >99% online success, while producing standard signatures verifiable by any unmodified ML-DSA verifier. We formalise this as the Lattice Threshold Trilemma, proving that no group homomorphism from the ML-DSA nonce space into any abelian group can simultaneously be hiding and binding, ruling out all possible homomorphic commitment schemes. TALUS overcomes this barrier with two techniques. The Boundary Clearance Condition (BCC) identifies nonces whose rounding residuals lie far enough from modular boundaries that the secret key component s2 has no effect on the signature; such nonces (approximately 31.7% of attempts) are filtered during offline preprocessing. The Carry Elimination Framework (CEF) then enables parties to compute the commitment hash input distributedly, without reconstructing the full nonce product. Together, BCC and CEF reduce online signing to a single broadcast round: each party sends one message and the coordinator assembles a valid FIPS 204 signature. We instantiate TALUS in two deployment profiles: TALUS-TEE (trusted execution environment, T-of-N) and TALUS-MPC (fully distributed, malicious security with identifiable abort for T >= 2). Security of both variants reduces to ML-DSA EUF-CMA. A Rust implementation across all three FIPS 204 security levels (ML-DSA-44, ML-DSA-65, ML-DSA-87) shows that TALUS-TEE completes a signing operation in 0.62--1.94 ms and TALUS-MPC in 2.27--5.02 ms (amortised, T=3), competitive with the fastest concurrent threshold ML-DSA proposals.
• Abstract（参考訳）: ML-DSA (FIPS 204) をしきい値設定に配置することは未解決の問題であり、このスキームの本質的に非線形なラウンドングステップは、FROSTのような楕円曲線シグネチャの実用的なしきい値スキームを支える付加的共有技術を打ち破っている。 本報告では,ML-DSAのオンライン署名において,修正されていないML-DSA検証で検証可能な標準署名を生成するとともに,99%のオンライン署名を実現する最初のしきい値であるTALUSについて述べる。 これをLattice Threshold Trilemma(英語版)として定式化し、ML-DSAのナンス空間から任意のアーベル群への群準同型は同時に隠れて束縛され、すべての可能な準同型コミットメントスキームを除外できないことを証明した。 TALUSはこの障壁を2つのテクニックで克服する。 境界クリアランス条件(BCC)は、秘密鍵成分 s2 がシグネチャに影響を与えないようなモジュラー境界から十分遠く離れた丸い残基を識別する。 キャリー・エミネーション・フレームワーク(CEF)は、完全なナンス・プロダクトを再構築することなく、参加者がコミットハッシュ入力を分散的に計算することを可能にする。 BCCとCEFは共に1回の放送ラウンドへのオンライン署名を減らし、各当事者は1つのメッセージを送信し、コーディネータは有効なFIPS 204署名を組み立てる。 TALUS-TEE(信頼された実行環境、T-of-N)とTALUS-MPC(T>=2)の2つのデプロイプロファイルでTALUSをインスタンス化する。 両者のセキュリティはML-DSA EUF-CMAに低下する。 3つのFIPS 204セキュリティレベル(ML-DSA-44, ML-DSA-65, ML-DSA-87)のRust実装では、TALUS-TEEが0.62--1.94 msで、TALUS-MPCは2.27--5.02 ms(修正済み、T=3)で、最速の並行しきい値ML-DSA提案と競合する署名操作を完了している。

関連論文リスト

• CLASP: Defending Hybrid Large Language Models Against Hidden State Poisoning Attacks [48.54598003197356]
  Mambaのような状態空間モデル(SSM)はトランスフォーマーの効率的な代替品として大きな注目を集めている。 HiSPAsは、最近発見された脆弱性で、敵対する文字列を通じてSSMメモリを破損させる。 この脅威に対して防御するためのCLASPモデルを紹介します。
  論文  参考訳（メタデータ） (2026-03-12T17:29:55Z)
• Make Anything Match Your Target: Universal Adversarial Perturbations against Closed-Source MLLMs via Multi-Crop Routed Meta Optimization [49.30177419529011]
  我々は、より厳密な設定であるユニバーサル・ターゲティング・トランスファラブル・アタック(UTTAA)について研究する。 単一の摂動は、未知の商用MLLMをまたいで、指定されたターゲットに対する任意の入力を常に制御しなければならない。 本稿では,M CRMO-Attackを提案する。
  論文  参考訳（メタデータ） (2026-01-30T17:03:24Z)
• FIPS 204-Compatible Threshold ML-DSA via Masked Lagrange Reconstruction [0.0]
  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。
  論文  参考訳（メタデータ） (2026-01-28T18:13:47Z)
• Feature-Space Adversarial Robustness Certification for Multimodal Large Language Models [59.6491828112519]
  MLLM(Multimodal large language model)は、様々なアプリケーションにまたがる強力な機能を示す。 MLLMは、その特徴表現を歪め、誤った予測を誘発する敵の摂動に弱い。 本稿では,MLLMの特徴表現レベルにおいて,信頼性の高いロバスト性保証を提供する汎用フレームワークであるFeature-space Smoothing(FS)を提案する。
  論文  参考訳（メタデータ） (2026-01-22T18:52:21Z)
• Multi-Faceted Attack: Exposing Cross-Model Vulnerabilities in Defense-Equipped Vision-Language Models [54.61181161508336]
  MFA(Multi-Faceted Attack)は、防衛装備型ビジョンランゲージモデル(VLM)の一般的な安全性上の脆弱性を明らかにするフレームワークである。 MFAの中核となるコンポーネントはアテンション・トランスファー・アタック(ATA)であり、競合する目的を持ったメタタスク内に有害な命令を隠す。 MFAは58.5%の成功率を獲得し、既存の手法を一貫して上回っている。
  論文  参考訳（メタデータ） (2025-11-20T07:12:54Z)
• A2D: Any-Order, Any-Step Safety Alignment for Diffusion Language Models [9.013322174686653]
  A2D(Any-Order, Any-Step Defense)は、dLLMをアライメントして有害なコンテンツが発生するたびに(EOS)拒絶信号を出力するトークンレベルのアライメント手法である。 様々な条件下で、任意のデコード順序と任意のステッププリフィル攻撃の両方に対して堅牢性を達成する。 安全性ベンチマークでは、A2Dは有害な出力の発生を一貫して防止し、DIJAの成功率を80%以上からほぼゼロに削減する。
  論文  参考訳（メタデータ） (2025-09-27T12:54:59Z)
• Unsupervised Conformal Inference: Bootstrapping and Alignment to Control LLM Uncertainty [49.19257648205146]
  生成のための教師なし共形推論フレームワークを提案する。 我々のゲートは、分断されたUPPよりも厳密で安定した閾値を提供する。 その結果は、ラベルのない、API互換の、テスト時間フィルタリングのゲートになる。
  論文  参考訳（メタデータ） (2025-09-26T23:40:47Z)
• AdversariaL attacK sAfety aLIgnment(ALKALI): Safeguarding LLMs through GRACE: Geometric Representation-Aware Contrastive Enhancement- Introducing Adversarial Vulnerability Quality Index (AVQI) [21.209413521884297]
  LLMに対する敵の脅威は、現在の防衛が適応できるよりも急速にエスカレートしている。 ALKALIは, 厳格にキュレートされた最初の逆数ベンチマークである。 本稿では、遅延空間正規化と協調するアライメントフレームワークGRACEを紹介する。
  論文  参考訳（メタデータ） (2025-06-10T15:14:17Z)
• Technical Report for ICML 2024 TiFA Workshop MLLM Attack Challenge: Suffix Injection and Projected Gradient Descent Can Easily Fool An MLLM [62.94350555141339]
  本報告では、TiFAワークショップMLLMアタックチャレンジに対処するための、トップランクのソリューションを紹介します。 まず、間違ったラベル付きオプション(擬似ラベル付き)から元のクエリに接尾辞としてテキストを追加する。 この修正クエリを用いて、画像に知覚不能な摂動を加えるためにPGD法を適用した。
  論文  参考訳（メタデータ） (2024-12-20T07:17:50Z)

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。