論文の概要: Preventing Distinguishability between Multiplication and Squaring Operations

• arxiv url: http://arxiv.org/abs/2604.26536v1
• Date: Wed, 29 Apr 2026 11:04:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-30 15:59:36.369292
• Title: Preventing Distinguishability between Multiplication and Squaring Operations
• Title（参考訳）: 乗算と浮動小数点演算の区別性防止
• Abstract要約: スカラー乗算kPは楕円曲線暗号系において重要な演算である。 セキュリティを強化するための原子パターンに基づく戦略にもかかわらず、バイナリkPアルゴリズムは単純なサイドチャネル解析(SCA)の影響を受けやすいままである。 この脆弱性は、使用される乗法とは無関係に発生する。 我々は,データリダイレクトとバスリロードに着目した2つの緩和手法を実装し,分析した。
• 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: Scalar multiplication kP is a critical operation in Elliptic Curve Cryptosystems (ECC), often targeted by Side-Channel Analysis (SCA). Despite strategies based on atomic patterns to enhance security, the binary kP algorithms remain susceptible to simple SCA due to energy consumption variations in field multipliers during passing two different or two identical operands. This vulnerability arises independent of the multiplication method used. We implemented and analysed two mitigation techniques: one involving data redirection and another focusing on bus reloading.
• Abstract（参考訳）: スカラー乗算 kP は楕円曲線暗号システム (ECC) において重要な演算であり、しばしばSide-Channel Analysis (SCA) がターゲットとなっている。 セキュリティを強化するための原子パターンに基づく戦略にもかかわらず、バイナリkPアルゴリズムは2つの異なるまたは2つの同一オペランドを渡す際に、フィールド乗算器のエネルギー消費のばらつきにより、単純なSCAの影響を受ける。 この脆弱性は、使用される乗法とは無関係に発生する。 我々は,データリダイレクトとバスリロードに着目した2つの緩和手法を実装し,分析した。

関連論文リスト

• Reinforcement Learning for Exponential Utility: Algorithms and Convergence in Discounted MDPs [2.574071344130061]
  マルコフ決定過程における指数効用最適化のための強化学習(RL)は、原則的値ベースアルゴリズムを欠いている。 2つのQ値型拡張を導出し、関連する作用素が$L_infty$とsup-log/Thompsonメトリクスの縮約であることを示す。 我々は、時間スケールの分離により、ほぼ全周収束を確立し、有限時間収束率を与えるとともに、サブ線形パワーロー演算子によって制御される1時間スケールのアルゴリズムを提供する。
  論文  参考訳（メタデータ） (2026-05-08T17:41:48Z)
• Automatic feature identification in least-squares policy iteration using the Koopman operator framework [0.0]
  強化学習(RL)におけるKoopman Autoencoder-based least-squares Policy iteration (KAE-LSPI)アルゴリズムを提案する。 KAE-LSPIアルゴリズムは、拡張動的モード分解(EDMD)の観点から、いわゆる最小二乗不動点近似法を再構成したものである。 我々は,KAE-LSPIアルゴリズムと,従来の最小二乗ポリシー反復 (LSPI) とカーネルベースの最小二乗ポリシー反復 (KLSPI) を比較した。
  論文  参考訳（メタデータ） (2026-03-27T14:31:31Z)
• Practical Methods for Distance-Adaptive Continuous-Variable Quantum Key Distribution [2.6967769052209873]
  連続可変量子鍵分布 (CV-QKD) は、古典的な非対称暗号に代わる量子セーフな方法である。 FEC技術はノイズ相関データから同一のビット列を抽出するために用いられる。 本研究では,定速度FECが課す運転距離の厳密な制限について解析する。
  論文  参考訳（メタデータ） (2026-03-11T07:09:01Z)
• SIM-CoT: Supervised Implicit Chain-of-Thought [108.30049193668083]
  Implicit Chain-of-Thought(CoT)メソッドは、大規模言語モデルにおける明示的なCoT推論に代わるトークン効率の代替手段を提供する。 暗黙的なCoTの計算予算をスケールする際の中核的な不安定性問題を特定する。 そこで我々はSIM-CoTを提案する。SIM-CoTは,遅延推論空間を安定化・拡張するためのステップレベルの監視を実現するモジュールである。
  論文  参考訳（メタデータ） (2025-09-24T17:01:32Z)
• EconProver: Towards More Economical Test-Time Scaling for Automated Theorem Proving [64.15371139980802]
  大規模言語モデル(LLM)は、最近、自動定理証明(ATP)の分野を進歩させた。 ATPモデルに対する異なるテスト時間スケーリング戦略は、推論にかなりの計算オーバーヘッドをもたらすことを示す。 本稿では,統一EconRLパイプラインに統合可能な2つの補完手法を提案する。
  論文  参考訳（メタデータ） (2025-09-16T03:00:13Z)
• Residual-Evasive Attacks on ADMM in Distributed Optimization [2.999222219373899]
  本稿では,ADMMシステムにおける検出を回避するための2つの攻撃戦略を提案する。 我々は、残余がほとんど変化しないままにしておくことで、我々の攻撃は未発見のままであることを示す。 2つの戦略の比較は、一般的に使用されるナイーブ攻撃と合わせて、単純さ、検出可能性、有効性の間のトレードオフを明らかにしている。
  論文  参考訳（メタデータ） (2025-04-22T09:12:27Z)
• Revisiting Atomic Patterns for Elliptic Curve Scalar Multiplication Revealing Inherent Vulnerability to Simple SCA [0.0]
  kP操作は、全ての楕円曲線ベースの暗号プロトコルの基本的な操作である。 本研究では,Longaの原子パターンを用いてハードウェアに実装したkPアルゴリズムの抵抗について検討した。
  論文  参考訳（メタデータ） (2024-12-04T11:13:04Z)
• Learning Controlled Stochastic Differential Equations [61.82896036131116]
  本研究では,非一様拡散を伴う連続多次元非線形微分方程式のドリフト係数と拡散係数の両方を推定する新しい手法を提案する。 我々は、(L2)、(Linfty)の有限サンプル境界や、係数の正則性に適応する学習率を持つリスクメトリクスを含む、強力な理論的保証を提供する。 当社のメソッドはオープンソースPythonライブラリとして利用可能です。
  論文  参考訳（メタデータ） (2024-11-04T11:09:58Z)
• Efficient Adversarial Training in LLMs with Continuous Attacks [99.5882845458567]
  大規模言語モデル(LLM)は、安全ガードレールをバイパスできる敵攻撃に対して脆弱である。 本稿では,2つの損失からなる高速対向訓練アルゴリズム(C-AdvUL)を提案する。 C-AdvIPOは、対向的に堅牢なアライメントのためのユーティリティデータを必要としない、対向型のIPOである。
  論文  参考訳（メタデータ） (2024-05-24T14:20:09Z)
• Systematic Use of Random Self-Reducibility against Physical Attacks [10.581645335323655]
  本研究は,パワーサイドチャネルやフォールトインジェクション攻撃を含む物理攻撃に対する,ブラックボックスソフトウェアに基づく新しい対策を提案する。 このアプローチでは、ランダムな自己認識性と自己正当性の概念を使用して、保護のための実行にランダムさと冗長性を追加する。 RSA-CRTシグネチャアルゴリズムとKyber Key Generation公開鍵暗号システムに対して,この対策のエンドツーエンド実装を示す。
  論文  参考訳（メタデータ） (2024-05-08T16:31:41Z)
• Temporal Difference Learning with Compressed Updates: Error-Feedback meets Reinforcement Learning [47.904127007515925]
  本稿では,従来の時間差学習アルゴリズムの変種について検討する。 我々は、圧縮されたTDアルゴリズムと、最適化に広く用いられているエラーフィードバック機構が組み合わさって、漸近的でない近似を保証することを証明した。 特に、これらは一般圧縮演算子と線形関数近似とマルコフサンプリングを併用したタンデムの誤差フィードバックを考慮に入れたRLにおける最初の有限時間結果である。
  論文  参考訳（メタデータ） (2023-01-03T04:09:38Z)
• Versatile Weight Attack via Flipping Limited Bits [68.45224286690932]
  本研究では,展開段階におけるモデルパラメータを変更する新たな攻撃パラダイムについて検討する。 有効性とステルスネスの目標を考慮し、ビットフリップに基づく重み攻撃を行うための一般的な定式化を提供する。 SSA(Single sample attack)とTSA(Singr sample attack)の2例を報告した。
  論文  参考訳（メタデータ） (2022-07-25T03:24:58Z)
• Mitigating the Mutual Error Amplification for Semi-Supervised Object Detection [92.52505195585925]
  擬似ラベルの修正機構を導入し,相互誤りの増幅を緩和するクロス・インストラクション(CT)手法を提案する。 他の検出器からの予測を直接擬似ラベルとして扱う既存の相互指導法とは対照的に,我々はラベル修正モジュール(LRM)を提案する。
  論文  参考訳（メタデータ） (2022-01-26T03:34:57Z)
• Targeted Attack against Deep Neural Networks via Flipping Limited Weight Bits [55.740716446995805]
  我々は,悪質な目的で展開段階におけるモデルパラメータを修飾する新しい攻撃パラダイムについて検討する。 私たちのゴールは、特定のサンプルをサンプル修正なしでターゲットクラスに誤分類することです。 整数プログラミングにおける最新の手法を利用することで、このBIP問題を連続最適化問題として等価に再構成する。
  論文  参考訳（メタデータ） (2021-02-21T03:13:27Z)

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。