論文の概要: Post-Quantum Cryptography Migration in Australian Real-Time Payment Infrastructure: A Monte Carlo Simulation Study of the New Payments Platform

• arxiv url: http://arxiv.org/abs/2605.02276v1
• Date: Mon, 04 May 2026 07:00:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-05 20:33:50.165824
• Title: Post-Quantum Cryptography Migration in Australian Real-Time Payment Infrastructure: A Monte Carlo Simulation Study of the New Payments Platform
• Title（参考訳）: オーストラリアのリアルタイム決済インフラにおけるポスト量子暗号のマイグレーション:モンテカルロシミュレーションによる新しい支払いプラットフォームの研究
• Authors: Nazmus Salehin Sammo,
• Abstract要約: オーストラリアのNew Payments Platform (NPP)は、2000 mNCS SLAの下で1日に520万のリアルタイムトランザクションを処理する。 2030-2035年に提案された暗号関連量子コンピュータとHarvest Now, Decrypt Later(HNDL)の脅威が活発であるので,本研究では,NIST 204/205/HNDシグネチャ標準のモンテカルロシミュレーション研究を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Australia's New Payments Platform (NPP) processes 5.2 million real-time transactions per day under a 2,000 ms SLA. With cryptographically relevant quantum computers projected by 2030-2035 and the Harvest Now, Decrypt Later (HNDL) threat active, this paper presents a Monte Carlo simulation study of NIST FIPS 204/205/206 signature standards (ML-DSA, SLH-DSA/SPHINCS+, Falcon) in Australian payment infrastructure, jointly modelling M/M/c queue saturation, GEV tail bounds, and HNDL actuarial exposure across 1,000 seasonally-mixed simulation days (80 million events). Cross-platform validation used liboqs 0.15.0 on a seven-node multi-cloud testbed spanning four microarchitectures (Intel Xeon Ice Lake/Cascade Lake, AMD EPYC Milan, ARM Graviton3). ML-DSA and Falcon achieve 100% SLA compliance across all configurations; worst-case NPP p99 overhead is 1.57 ms (ML-DSA-87, 0.079% of SLA budget). We introduce the Crypto Dilution Index (CDI = delta-p99/p99_e2e), showing all non-SPHINCS+ algorithms achieve CDI < 0.04. GEV analysis yields p99.9 bounds below 154 ms (95% CI). Falcon-512 is the only NIST PQC signature fitting within the 2,048-byte SWIFT MT field limit (1,563 bytes combined). SPHINCS+ saturates HSM queues at NPP volumes (rho=1.8855, c=2 servers), achieving 0% NPP SLA compliance, characterised as a DoS amplification surface in hybrid deployments (utilisation ratio ~9,428x ECDSA). An HNDL actuarial model estimates 9.56 billion NPP records at risk under CRQC-2030. Migration costs peak at USD 21.4M in 2026, declining to USD 1.5M/year by 2028.
• Abstract（参考訳）: オーストラリアのNew Payments Platform(NPP)は、2000msのSLAの下で1日に520万のリアルタイムトランザクションを処理する。 本稿では,NIST FIPS 204/205/206シグネチャ標準 (ML-DSA, SLH-DSA/SPHINCS+, Falcon) を,M/M/cキュー飽和,GEVテール境界,HNDLアクチュアリ露光を,季節混合シミュレーション日(8000万件)にわたって共同でモデル化した。 クロスプラットフォーム検証では、4つのマイクロアーキテクチャ(Intel Xeon Lake/Cascade Lake、AMD EPYC Milan、ARM Graviton3)にまたがる7ノードのマルチクラウドテストベッド上で、Liboqs 0.15.0を使用した。 ML-DSAとFalconはすべての構成で100%SLA準拠を実現しており、最悪の場合のNPP p99オーバーヘッドは1.57ms(ML-DSA-87、SLA予算の0.079%)である。 我々は暗号希釈指数(CDI = delta-p99/p99_e2e)を導入し、全ての非SPHINCS+アルゴリズムがCDI < 0.04を達成することを示す。 GEV分析では、p99.9バウンドは154ms (95% CI)以下である。 ファルコン512は、2,048バイトのSWIFT MTフィールド制限(合計1,563バイト)の中で唯一のNIST PQC署名である。 SPHINCS+ は NPP ボリューム (rho=1.8855, c=2 サーバ) で HSM キューを飽和させ,0% NPP SLA 準拠を実現している。 HNDLアクチュエーターモデルでは、CRQC-2030の下で956億 NPPレコードが危険にさらされていると見積もられている。 移住費用は2026年に21.4Mでピークに達し、2028年までに年間1.5Mに減少した。

関連論文リスト

• Signal or Noise in Multi-Agent LLM-based Stock Recommendations? [0.0]
  本稿では,デプロイされたマルチエージェントLLM株式システムであるMarketSenseAIのポートフォリオレベルの検証について紹介する。 このシステムは、4人のスペシャリストを1人のエージェントに誘導し、月々の株式に関する論文を発行し、そのカバー宇宙における各株式の合成を行う。 購入勧告は受動的ベンチマークとランダム選択の両方に価値を加え、内部エージェント構造はエッジのソースについて何を明らかにするのか?
  論文  参考訳（メタデータ） (2026-04-19T08:43:31Z)
• LLM Readiness Harness: Evaluation, Observability, and CI Gates for LLM/RAG Applications [51.56484100374058]
  評価をデプロイメント決定ワークフローに変換するLLMおよびRAGアプリケーションのための準備性ハーネスを提案する。 このシステムは、最小限のAPI契約の下で、自動ベンチマーク、OpenTelemetryオブザーバビリティ、CI品質ゲートを組み合わせる。 チケットルーティングとBEIRタスクのハーネスを、完全なAzureマトリックスカバレッジで評価する。
  論文  参考訳（メタデータ） (2026-03-28T18:03:32Z)
• Benchmarking Post-Quantum Cryptography on Resource-Constrained IoT Devices: ML-KEM and ML-DSA on ARM Cortex-M0+ [0.0]
  本稿では,ARM Cortex-M0+プロセッサ上でML-KEMとML-DSAを分離したアルゴリズムレベルベンチマークを提案する。 PQClean参照Cの実装を用いて、キー生成、カプセル化/署名、カプセル化/検証の3つのセキュリティレベルをすべて計測する。 すべてのコード、データ、スクリプトは、開発者のためのオープンソースのベンチマークスイートとしてリリースされている。
  論文  参考訳（メタデータ） (2026-03-19T11:27:29Z)
• Luna-2: Scalable Single-Token Evaluation with Small Language Models [2.256035939593399]
  リアルタイムガードレールは正確で安価で高速な評価を必要とする。 今日のデフォルトの LLM-as-a-judge (LLMAJ) は遅く、高価で、運用上非決定論的である。 本稿では,デコーダのみの小型言語モデル(SLM)を決定論的評価モデルに活用する新しいアーキテクチャであるLuna-2を提案する。
  論文  参考訳（メタデータ） (2026-02-20T19:43:58Z)
• STEP3-VL-10B Technical Report [115.89015065130127]
  STEP3-VL-10Bは、コンパクト効率とフロンティアレベルのマルチモーダルインテリジェンスとのトレードオフを再定義する軽量基盤モデルである。 そこで我々はPallel Coordinated Reasoning(PaCoRe)を実装して,テスト時間計算をスケールし,リソースをスケーラブルな知覚推論に割り当てる。 MMBenchでは92.2%、MMMUでは80.11%、AIME2025では94.43%、MathVisionでは75.95%である。
  論文  参考訳（メタデータ） (2026-01-14T17:58:24Z)
• $π_\texttt{RL}$: Online RL Fine-tuning for Flow-based Vision-Language-Action Models [76.66547858171452]
  $pi_textRL$は、並列シミュレーションでフローベースのVision-Language-Action(VLA)モデルをトレーニングするためのオープンソースのフレームワークである。 $pi_textRL$は、数ショットのSFTモデルに$pi_0.5$を57.6%から97.6%へ、それぞれ77.1%から98.3%へ引き上げる。 ManiSkillでは、320の並列環境で$pi_textRL$をトレーニングし、$pi_textRL$を41.6%から85.7%、$pi_0.5に改善します。
  論文  参考訳（メタデータ） (2025-10-29T18:37:39Z)
• Kimi k1.5: Scaling Reinforcement Learning with LLMs [84.95584393629998]
  我々は、強化学習で訓練された最新のマルチモーダル言語モデル、Kimi k1.5の訓練実践について報告する。 長いコンテキストスケーリングと改善されたポリシー最適化手法が、我々のアプローチの鍵となる要素である。 本システムは,複数のベンチマークやモダリティに対して,最先端の推論性能を実現する。
  論文  参考訳（メタデータ） (2025-01-22T02:48:14Z)

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。