Fugu-MT 論文翻訳(概要): Robust secret storage in networks

論文の概要: Robust secret storage in networks

arxiv url: http://arxiv.org/abs/2606.30261v1
Date: Mon, 29 Jun 2026 13:09:25 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-30 18:07:16.241297
Title: Robust secret storage in networks
Title（参考訳）: ネットワークにおけるロバストな秘密ストレージ
Abstract要約: 分散秘密ストレージのための正式なフレームワークが導入される。この問題はロバストネス関数の最適化として定式化されている。極限の場合、ロバスト性函数は実効スピンハミルトニアンに自然に写像できる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The problem of storing secure information on a network is studied. A formal framework for distributed secret storage is introduced, and possible applications in technological and social systems are discussed. The problem is formulated as the optimization of a robustness functional in which two competing requirements are balanced: survivability under network-degrading processes and resistance to adversarial compromise. An exact representation of survivability is derived in terms of minimal information-carrying subgraphs (MICS), which provide a reduced description of the reconstruction events relevant to the stored information. This representation is then used to construct semi-local optimization methods whose dynamics do not require global knowledge of the network structure. Finally, it is shown that, in a limiting case, the robustness functional can be mapped naturally to an effective spin Hamiltonian.
Abstract（参考訳）: ネットワーク上のセキュアな情報を格納する問題について検討する。分散秘密ストレージの形式的枠組みを導入し,技術・社会システムへの応用の可能性について論じる。この問題は、ネットワーク劣化過程下での生存可能性と敵の妥協に対する抵抗という、2つの競合する要件が均衡しているロバストネス関数の最適化として定式化されている。生存可能性の正確な表現は、最小限の情報伝達サブグラフ(MICS)によって導き出され、記憶された情報に関連する再構築イベントの少ない記述を提供する。この表現は、ネットワーク構造のグローバルな知識を必要としない半局所最適化手法を構築するために使われる。最後に、極限の場合、ロバスト性汎函数は有効スピンハミルトニアンに自然に写像できることが示されている。

関連論文リスト

Robust Auto-associative Memory via Convolutional Restricted Hopfield Networks [0.22940141855172036]
連想記憶モデルはパターン検索において基本的な役割を果たす。 Modern Hopfield Networks (MHNs) や Predictive Coding Networks (PCNs) といった既存のアプローチでは、ストレージ容量、計算効率、堅牢性のバランスが制限されている。本稿では、畳み込み特徴抽出とアトラクタベースのメモリ検索を統合した構造化潜在空間における畳み込み制限ホップフィールドネットワーク(CRHN)を提案する。
論文参考訳（メタデータ） (2026-06-11T21:25:54Z)
MemFly: On-the-Fly Memory Optimization via Information Bottleneck [35.420309099411874]
長期記憶により、大きな言語モデルエージェントは歴史的相互作用を通じて複雑なタスクに取り組むことができる。既存のフレームワークは、冗長な情報を効率よく圧縮し、下流タスクの正確な検索を維持するというジレンマに遭遇する。 MemFlyは、LLMのオンザフライメモリ進化を促進する情報ボトルネックの原則に基づくフレームワークである。 MemFlyは、メモリコヒーレンス、応答忠実度、精度において最先端のベースラインを大幅に上回る。
論文参考訳（メタデータ） (2026-02-08T09:37:25Z)
CoCo-Fed: A Unified Framework for Memory- and Communication-Efficient Federated Learning at the Wireless Edge [50.42067935605982]
ローカルメモリの効率とグローバル通信の削減を両立させる新しい圧縮・結合型学習フレームワークを提案する。 CoCo-Fedは、メモリと通信効率の両方において最先端のベースラインを著しく上回り、非IID設定下では堅牢な収束を維持している。
論文参考訳（メタデータ） (2026-01-02T03:39:50Z)
Knowledge-Informed Neural Network for Complex-Valued SAR Image Recognition [51.03674130115878]
本稿では,新しい「圧縮集約圧縮」アーキテクチャ上に構築された軽量なフレームワークであるKnowledge-Informed Neural Network(KINN)を紹介する。 KINNはパラメータ効率の認識における最先端を確立し、データスカースとアウト・オブ・ディストリビューションのシナリオにおいて例外的な一般化を提供する。
論文参考訳（メタデータ） (2025-10-23T07:12:26Z)
From Imperfect Signals to Trustworthy Structure: Confidence-Aware Inference from Heterogeneous and Reliability-Varying Utility Data [8.390328146420211]
我々は,不均一なデータを体系的に統合することで,信頼に値するグリッドトポロジを再構築するスケーラブルなフレームワークを提案する。提案するフレームワークは,Oncorのサービス領域内の3つのフィーダーにわたる8000m以上のデータを用いて検証されている。
論文参考訳（メタデータ） (2025-08-07T19:05:19Z)
TDNetGen: Empowering Complex Network Resilience Prediction with Generative Augmentation of Topology and Dynamics [14.25304439234864]
本稿では,ネットワークトポロジとダイナミックスの生成的データ拡張を通じてこの問題に対処するために設計された,複雑なネットワークに対する新しいレジリエンス予測フレームワークを提案する。 3つのネットワークデータセットの実験結果から,提案するフレームワークであるTDNetGenは,最大85%～95%の精度で高い予測精度を達成可能であることが示された。
論文参考訳（メタデータ） (2024-08-19T09:20:31Z)
Semantic Loss Functions for Neuro-Symbolic Structured Prediction [74.18322585177832]
このような構造に関する知識を象徴的に定義した意味的損失をトレーニングに注入する。記号の配置に非依存であり、それによって表現される意味論にのみ依存する。識別型ニューラルモデルと生成型ニューラルモデルの両方と組み合わせることができる。
論文参考訳（メタデータ） (2024-05-12T22:18:25Z)
Disentangling the Causes of Plasticity Loss in Neural Networks [55.23250269007988]
可塑性の喪失は複数の独立したメカニズムに分解できることを示す。種々の非定常学習タスクにおいて, 層正規化と重み劣化の組み合わせは, 可塑性維持に極めて有効であることを示す。
論文参考訳（メタデータ） (2024-02-29T00:02:33Z)
Imitation-regularized Optimal Transport on Networks: Provable Robustness and Application to Logistics Planning [4.943443725022745]
グラフ構造上のエントロピー規則化された最適輸送(OT)は、そのようなネットワーク上での輸送のロバスト性を高めるために研究されている。本稿では,先行知識をOTの堅牢性に数学的に組み込む模倣規則化OT(I-OT)を提案する。
論文参考訳（メタデータ） (2024-02-28T01:19:42Z)
Cross-receptive Focused Inference Network for Lightweight Image Super-Resolution [64.25751738088015]
トランスフォーマーに基づく手法は、単一画像超解像(SISR)タスクにおいて顕著な性能を示した。動的に特徴を抽出するために文脈情報を組み込む必要がある変換器は無視される。我々は,CNNとTransformerを混合したCTブロックのカスケードで構成される,軽量なクロスレセプティブ・フォーカスド・推論・ネットワーク(CFIN)を提案する。
論文参考訳（メタデータ） (2022-07-06T16:32:29Z)
Neuro-Symbolic Artificial Intelligence (AI) for Intent based Semantic Communication [85.06664206117088]
6Gネットワークはデータ転送のセマンティクスと有効性(エンドユーザ)を考慮する必要がある。観測データの背後にある因果構造を学習するための柱としてNeSy AIが提案されている。 GFlowNetは、無線システムにおいて初めて活用され、データを生成する確率構造を学ぶ。
論文参考訳（メタデータ） (2022-05-22T07:11:57Z)
Privacy-preserving machine learning with tensor networks [37.01494003138908]
テンソルネットワークアーキテクチャは、特にプライバシー保護機械学習に期待できる特性を持つことを示す。まず、フィードフォワードニューラルネットワークに存在する新たなプライバシ脆弱性を説明し、それを合成および実世界のデータセットで説明する。このような条件がテンソルネットワークアーキテクチャによって満たされていることを厳密に証明する。
論文参考訳（メタデータ） (2022-02-24T19:04:35Z)
Self-Repairing Neural Networks: Provable Safety for Deep Networks via Dynamic Repair [16.208330991060976]
本稿では,非リレーショナル安全性制約の違反を動的に修復するニューラルネットワーク分類器を構築する方法を提案する。我々のアプローチは、確実に安全な出力が得られる新しい自己修復層に基づいている。提案手法は,GPU上で効率的に実行されるベクトル化計算を用いて実装可能であることを示す。
論文参考訳（メタデータ） (2021-07-23T20:08:52Z)
Resolution Adaptive Networks for Efficient Inference [53.04907454606711]
本稿では,低分解能表現が「容易」な入力を分類するのに十分である,という直感に触発された新しいレゾリューション適応ネットワーク(RANet)を提案する。 RANetでは、入力画像はまず、低解像度表現を効率的に抽出する軽量サブネットワークにルーティングされる。ネットワーク内の高解像度パスは、"ハード"サンプルを認識する能力を維持している。
論文参考訳（メタデータ） (2020-03-16T16:54:36Z)

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。