論文の概要: MIFA: An MILP-based Framework for Improving Differential Fault Attacks
- arxiv url: http://arxiv.org/abs/2608.06837v1
- Date: Fri, 07 Aug 2026 05:57:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-10 16:21:25.373487
- Title: MIFA: An MILP-based Framework for Improving Differential Fault Attacks
- Title（参考訳）: MIFA: 差動攻撃を改善するMILPベースのフレームワーク
- Abstract要約: 混合整数線形計画法(MILP)を用いた新しいDFAフレームワークを提案する。
このフレームワークにより、以前達成したよりも深いラウンドを攻撃でき、キーリカバリに必要な障害インジェクションの数を減らすことができる。
- 参考スコア（独自算出の注目度）: 4.985732961642215
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: At ASIACRYPT 2021, Baksi et al. introduced DEFAULT, a block cipher designed to algorithmically resist Differential Fault Attack (DFA), claiming 64-bit DFA security regardless of the number of injected faults. At EUROCRYPT 2022, Nageler et al. demonstrated that DEFAULT's claimed DFA resistance can be broken by applying an information-combining technique. More recently, at ASIACRYPT 2024, Jana et al. improved DFA by searching for differential trails with a single solution. They showed that, for DEFAULT with a simple key schedule, injecting five faults at the fifth-to-last round reduces the key space to one, and for BAKSHEESH, injecting twelve faults at the third-to-last round achieves the same result. In this paper, we propose a new DFA framework that utilizes a Mixed-Integer Linear Programming (MILP) solver. This framework makes it possible to attack deeper rounds than previously achieved, reducing the number of fault injections required for key recovery. Furthermore, we present a method to determine the most efficient fault injection bit positions by systematically analyzing the input differences from all possible single bit-flip faults, thereby further reducing the required number of faults. This systematic analysis has the significant advantage of allowing us to theoretically calculate the required number of faults. Applying our framework, for DEFAULT, injecting three faults at the sixth-to-last round and two faults at the seventh- and eighth-to-last rounds reduces the key space to one.
- Abstract（参考訳）: ASIACRYPT 2021で、BaksiらはDFAULTというブロック暗号を導入した。
EUROCRYPT 2022で、Nagelerらは、DFAULTの主張するDFA抵抗は情報結合技術を適用して破壊できることを示した。
最近では、ASIACRYPT 2024において、JanaらはDFAを1つの解で探索することで改善した。
彼らは、単純な鍵スケジュールでDEFAULTに対して、第5ラウンドから第3ラウンドに5つの障害を注入することで鍵空間を1つに減らし、BAKSHEESHでは第3ラウンドから第3ラウンドに12の障害を注入すると同じ結果が得られることを示した。
本稿では,Mixed-Integer Linear Programming (MILP) を用いた新しいDFAフレームワークを提案する。
このフレームワークにより、以前達成したよりも深いラウンドを攻撃でき、キーリカバリに必要な障害インジェクションの数を減らすことができる。
さらに,可能な単一ビットフリップ断層の入力差を系統的に解析することで,最も効率的な断層注入ビット位置を決定する手法を提案する。
この系統解析は,必要な断層数を理論的に計算できるという大きな利点がある。
DEFAULTでは,第6ラウンドから第8ラウンドまでの3つの障害を注入し,第7ラウンドと第8ラウンドの2つの障害を注入することで,キースペースを1に削減する。
関連論文リスト
- Constrained Decoding for Diffusion Language Models via Efficient Inference over Finite Automata [57.27430779838529]
有限オートマトンとして表現可能な任意の制約の下で,制約付き平均場後部からサンプリングする,正確かつトラクタブルなアルゴリズムを提案する。
このアプローチは、構築による制約満足度を保証し、欲求とサンプリングベースのデコーディングの両方をサポートし、並列およびブロックワイドデコーディングと互換性がある。
Dream-7B と LLaDA-8 の実証的な評価は、様々なタスクにおいてかなりの精度の向上を示した。
論文 参考訳（メタデータ） (2026-07-08T05:48:57Z) - Roll Out and Roll Back: Diffusion LLMs are Their Own Efficiency Teachers [76.15132587294862]
Wide-In, Narrow-Out (WINO) は、リボッキング可能な並列生成を可能にするトレーニング不要の復号アルゴリズムである。
WINO+は、WINOが生成した検証された認知軌道をモデルパラメータに注入し、トレーニングを効率的な推論と整合させる。
LLaDAとMMaDAの実験では、WINOは品質と効率の両方を改善し、WINO+はこの進歩をさらに強化している。
論文 参考訳（メタデータ） (2026-05-16T11:27:40Z) - Not Just RLHF: Why Alignment Alone Won't Fix Multi-Agent Sycophancy [0.7212939068975618]
事前訓練されたベースモデルは、インストラクトの変種と同じ置換パターンを示し、インストラクトよりも高い収率を平均化する。
このウィンドウの上のパッチは、クリーンにプレッシャーされたP(正しい)ギャップの96%を復元する。
2つの凝縮活性化空間介入は、新しいサイコファンシー回路を活性化するのではなく、圧力がクリーンな推論特性を抑制することを示している。
論文 参考訳（メタデータ） (2026-05-13T04:45:08Z) - Deep Learning-Assisted Improved Differential Fault Attacks on Lightweight Stream Ciphers [0.43012765978447565]
軽量暗号プリミティブは、特にIoT(Internet of Things)デバイスにおいて、リソース制約環境に広くデプロイされている。
一般的なアクセシビリティのため、これらのデバイスは物理的攻撃、特に障害攻撃に弱い。
ディープラーニングベースの暗号解析技術は有望な結果を示しているが、障害攻撃への応用は限定的だ。
論文 参考訳（メタデータ） (2026-03-31T07:50:59Z) - From Precise to Random: A Systematic Differential Fault Analysis of the Lightweight Block Cipher Lilliput [9.595193236716314]
ニブル指向の3つの故障モデルに基づくLilliputの最初の系統的差分故障解析について述べる。
この結果から,現実のシナリオにおいて,様々な敵能力にまたがる実用的障害攻撃に対するLilliputの重大な脆弱性が明らかになった。
論文 参考訳（メタデータ） (2026-03-20T09:17:28Z) - Defeating the Training-Inference Mismatch via FP16 [72.25890308541334]
強化学習(Reinforcement Learning, RL)の微調整は、トレーニングと推論ポリシーのミスマッチが原因で不安定な場合が多い。
その根本原因は浮動小数点精度そのものにあることを示す。
広く採用されているBF16は、大きなダイナミックレンジにもかかわらず、トレーニングと推論の一貫性を損なう大きな丸め誤差を導入している。
論文 参考訳（メタデータ） (2025-10-30T17:58:11Z) - Efficient Decomposition Identification of Deterministic Finite Automata from Examples [12.847589897236373]
DFA分解識別問題(DFA-DIP)について検討する。
DFA-DIPアプローチは、Augmented Prefix Tree Acceptors(APTA)由来のSATエンコーディングに依存する
私たちの重要なイノベーションの1つは、APTAをラベル付き例から直接派生した3つの価値付きDFAに置き換えています。
論文 参考訳（メタデータ） (2025-09-29T06:50:03Z) - DiffuGuard: How Intrinsic Safety is Lost and Found in Diffusion Large Language Models [50.21378052667732]
我々は、ステップ内およびステップ間ダイナミクスという2つの異なる次元にわたるジェイルブレイク攻撃に対して、dLLM脆弱性の詳細な分析を行う。
デュアルステージアプローチによる脆弱性に対処する,トレーニング不要な防御フレームワークであるDiffuGuardを提案する。
論文 参考訳（メタデータ） (2025-09-29T05:17:10Z) - Estimating the Decoding Failure Rate of Binary Regular Codes Using Iterative Decoding [84.0257274213152]
並列ビットフリップデコーダのDFRを高精度に推定する手法を提案する。
本研究は,本症候群のモデル化およびシミュレーションによる重み比較,第1イテレーション終了時の誤りビット分布の誤検出,復号化復号化率(DFR)について検証した。
論文 参考訳（メタデータ） (2024-01-30T11:40:24Z) - SAT-based Formal Fault-Resistance Verification of Cryptographic Circuits [4.42563968195381]
本稿では,NP完全であることを示す耐故障性検証問題を定式化する。
そこで我々は,耐故障性検証問題をBoolean satisfiability (SAT)問題として符号化する新しい手法を考案した。
この手法は、リアルな暗号回路ベンチマークで広く評価されているオープンソースツールFIRMERで実装されている。
論文 参考訳（メタデータ） (2023-07-02T13:01:32Z) - FastLR: Non-Autoregressive Lipreading Model with Integrate-and-Fire [74.04394069262108]
我々は,全てのターゲットトークンを同時に生成する非自己回帰(NAR)リップリーダーモデルであるFastLRを提案する。
FastLRは最先端のリップリーダーモデルと比較して10.97$times$のスピードアップを実現している。
論文 参考訳（メタデータ） (2020-08-06T08:28:56Z) - Robust Encodings: A Framework for Combating Adversarial Typos [85.70270979772388]
NLPシステムは入力の小さな摂動によって容易に騙される。
このような混乱に対して防御するための既存の手順は、最悪の場合の攻撃に対して確実な堅牢性を提供する。
モデルアーキテクチャに妥協を加えることなく、ロバスト性を保証するロブエン(RobEn)を導入します。
論文 参考訳（メタデータ） (2020-05-04T01:28:18Z)
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。