論文の概要: TurboRetry: Mitigating Large-Scale QUIC Handshake Floods with Off-the-Shelf DPU Offloading

• arxiv url: http://arxiv.org/abs/2608.02264v1
• Date: Mon, 03 Aug 2026 14:08:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 15:07:25.589054
• Title: TurboRetry: Mitigating Large-Scale QUIC Handshake Floods with Off-the-Shelf DPU Offloading
• Title（参考訳）: Turbo Retry: オフザシェルDPU負荷による大規模QUICハンドシェイク洪水の軽減
• Abstract要約: 輸送プロトコルQUICはハンドシェイクの洪水攻撃に弱い。 このような攻撃は、サーバーに高価な暗号操作を強制することでCPUリソースを枯渇させる。 本稿では,リトライ機構をDPUにオフロードしてQUICハンドシェイク洪水を効率的に軽減する分割設計であるTurboRetryの設計と実装を行う。
• 参考スコア（独自算出の注目度）: 19.46746113640729
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The modern transport protocol QUIC is designed to enhance network performance and security, but it remains vulnerable to handshake flooding attacks. Such attacks exhaust CPU resources by forcing the server to perform expensive cryptographic operations via a large number of handshaking requests. QUIC provides a built-in defense mechanism, the Retry mechanism, to mitigate these attacks. However, our experiments reveal that it can still become a performance bottleneck under large-scale QUIC handshake floods due to substantial computational overhead. In this paper, we design and implement TurboRetry, a split design, that offloads the Retry mechanism onto DPUs to efficiently mitigate QUIC handshake floods. TurboRetry partitions the tasks of the Retry into two categories, and then assigns them to the DPUs and the host, respectively. To preserve QUIC semantics and reduce the coordination overhead, TurboRetry designs an extended Retry token format and an efficient cooperation scheme. In addition, TurboRetry offloads the connection authorization task to the on-path DPA to further improve both performance and security. Our evaluation shows that TurboRetry outperforms the host-side implementation by a wide margin, improving throughput by 10-20$\times$.
• Abstract（参考訳）: 最新のトランスポートプロトコルQUICは、ネットワーク性能とセキュリティを高めるために設計されているが、ハンドシェイクの洪水攻撃に対して脆弱である。 このような攻撃は、サーバーに大量のハンドシェイキング要求を通じて高価な暗号操作を強制することでCPUリソースを枯渇させる。 QUICは、これらの攻撃を軽減するために、組み込みの防御機構、Retryメカニズムを提供する。 しかし, 大規模なQUICハンドシェイク洪水では, 計算オーバーヘッドが大きいため, 依然として性能ボトルネックとなる可能性が示唆された。 本稿では,リトライ機構をDPUにオフロードしてQUICハンドシェイク洪水を効果的に軽減する分割設計であるTurboRetryの設計と実装を行う。 TurboRetryはRetryのタスクを2つのカテゴリに分割し、それぞれDPUとホストに割り当てる。 QUICセマンティクスの保存と調整オーバーヘッドの低減のため、TurboRetryは拡張されたRetryトークンフォーマットと効率的な協調スキームを設計した。 さらにTurboRetryは、接続承認タスクをオンパスDPAにオフロードして、パフォーマンスとセキュリティの両方をさらに改善する。 評価の結果,TurboRetryはホスト側の実装を広いマージンで上回り,スループットを10～20$\times$で向上させた。

関連論文リスト

• DSPrompt: Dynamic Soft Prompt Defense Against M-RAG Corruption [29.57772851388111]
  M-RAG(Multimodal Retrieval Augmented Generation)は、敵の攻撃に対して脆弱である。 本稿では,検索パイプラインを変更することなく,検索者の埋め込みセマンティクスを再評価するフレームワークDSPromptを提案する。
  論文  参考訳（メタデータ） (2026-08-17T13:11:51Z)
• Fast Test-Time Refinement for Robust Learned Image Compression [76.1340081619183]
  学習された画像圧縮(lic)は、良質な設定で顕著なレート歪み(RD)性能を示した。 ディープニューラルネットワーク(DNN)によって与えられる高い表現能力は、敵の脆弱性の増加を犠牲にしている。 実用的でロバストなlicシステムのためのFTTR(Fast Test-Time Refinement Tube)フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-08-15T08:30:56Z)
• Evolving Cache Schedules for Fast Diffusion Policy Inference [6.879031540914794]
  拡散ポリシは、アクションチャンクを反復的にデノナイズすることで、強力なビジュモータ制御を実現するが、繰り返しデノナイズすることで、リアルタイムなデプロイメントを計算的に要求する。 Evolving Cache Schedules (EVO)は,進化的検索によるキャッシュリフレッシュをグローバルにスケジュールする,トレーニング不要のアクセラレーションフレームワークである。 EVOは計算量を大幅に削減し、最大8.05倍の動作生成速度を実現し、FLOPを15.77Gから1.96Gに削減する。
  論文  参考訳（メタデータ） (2026-07-22T15:40:11Z)
• Robust and Automated Reconfiguration of Byzantine Wide-Area Replication [0.8924669503280332]
  Byzantineのフォールトトレラントステートマシンレプリケーション(BFT-SMR)は、実行前にクライアントトランザクションを完全に注文する複製サービスである。 本研究では,フェール化されたレイテンシレポートをフィルタリングし,ロバストな重み分布を計算し,機械学習を適用してビザンチン耐性のある構成に収束する再構成フレームワークであるBewareを提案する。 評価の結果,Bewareは既存のソリューションと比較してコンセンサス遅延を最大45%削減できることがわかった。
  論文  参考訳（メタデータ） (2026-06-15T14:01:57Z)
• $R^2$-dLLM: Accelerating Diffusion Large Language Models via Spatio-Temporal Redundancy Reduction [28.068667649331246]
  推論とトレーニングの両方の観点から,デコード冗長性を低減するための統一的なフレームワークを提案する。 R2$-dLLMは、既存のデコード戦略と比較して、デコードステップの数を最大75%削減する。
  論文  参考訳（メタデータ） (2026-04-21T02:26:08Z)
• A Scalable Architecture for Efficient Multi-bit Fully Homomorphic Encryption [1.4174227043241145]
  本稿では,マルチビットTFHE計算の効率化を目的としたハードウェアアクセラレータTaurusを紹介する。 Taurusは、新しいFFTユニットを活用し、キー再利用戦略を通じてメモリ帯域幅を最適化することで、最大10ビットの暗号文をサポートする。 実験の結果,TaurusはCPU上で最大2600倍の高速化,GPU上で1200倍の高速化を実現した。
  論文  参考訳（メタデータ） (2025-09-16T05:00:57Z)
• Dynamic Speculative Agent Planning [57.630218933994534]
  大規模な言語モデルベースのエージェントは、遅延の禁止と推論コストのために、重要なデプロイメント課題に直面している。 本稿では,オンライン強化学習フレームワークである動的投機計画(Dynamic Speculative Planning, DSP)を紹介する。 2つの標準エージェントベンチマークの実験では、DSPは高速加速法に匹敵する効率を達成し、総コストを30%削減し、不要コストを60%まで削減している。
  論文  参考訳（メタデータ） (2025-09-02T03:34:36Z)
• TrojanTO: Action-Level Backdoor Attacks against Trajectory Optimization Models [67.06525001375722]
  TrojanTOはTOモデルに対する最初のアクションレベルのバックドア攻撃である。 様々なタスクにバックドア攻撃を移植し、低い攻撃予算で目標を攻撃する。 TrojanTOはDT、GDT、DCに広く適用可能である。
  論文  参考訳（メタデータ） (2025-06-15T11:27:49Z)
• QFAM: Mitigating QUIC Handshake Flooding Attacks Through Crypto Challenges [0.0]
  ハンドシェイクプロトコルに暗号チャレンジの概念を導入することで,新しい防御機構を導入する。 クライアントは、サーバ側で高い優先度を受け取るために、ハンドシェイクプロセス中に暗号の問題を解決しなければなりません。
  論文  参考訳（メタデータ） (2024-12-12T04:56:53Z)
• Robust and Transferable Backdoor Attacks Against Deep Image Compression With Selective Frequency Prior [118.92747171905727]
  本稿では,学習画像の圧縮モデルに複数のトリガを付加したバックドアアタックを起動するための新しい周波数ベースのトリガインジェクションモデルを提案する。 1) 圧縮品質をビットレートと再現精度で劣化させる,2) 顔認識やセマンティックセグメンテーションといったタスク駆動型対策を目標とする,様々なシナリオに適した攻撃目標を設計する。 実験の結果, トリガーインジェクションモデルと, エンコーダパラメータの微調整を組み合わせることで, 複数のバックドアとトリガーを1つの圧縮モデルに注入することができた。
  論文  参考訳（メタデータ） (2024-12-02T15:58:40Z)
• Structured Sparsity Learning for Efficient Video Super-Resolution [99.1632164448236]
  我々は、ビデオ超解像(VSR)モデルの特性に応じて、構造化スパシティ学習(SSL)と呼ばれる構造化プルーニング手法を開発する。 SSLでは,残差ブロック,リカレントネットワーク,アップサンプリングネットワークなど,VSRモデルのいくつかの重要なコンポーネントに対するプルーニングスキームを設計する。
  論文  参考訳（メタデータ） (2022-06-15T17:36:04Z)
• Improved Mask-CTC for Non-Autoregressive End-to-End ASR [49.192579824582694]
  マスク予測とコネクショナリズム時間分類(CTC)に基づく最近提案されたエンドツーエンドASRシステム 我々は、最近提案されたConformerアーキテクチャを用いて、ネットワークアーキテクチャを強化することを提案する。 次に、部分的ターゲットシーケンスの長さを予測する補助的目的を導入することによって、新しいトレーニングと復号化手法を提案する。
  論文  参考訳（メタデータ） (2020-10-26T01:22:35Z)
• Structured Sparsification with Joint Optimization of Group Convolution and Channel Shuffle [117.95823660228537]
  本稿では,効率的なネットワーク圧縮のための新しい構造空間分割法を提案する。 提案手法は, 畳み込み重みに対する構造的疎度を自動的に誘導する。 また,学習可能なチャネルシャッフル機構によるグループ間通信の問題にも対処する。
  論文  参考訳（メタデータ） (2020-02-19T12:03:10Z)

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。