論文の概要: Synthesizing Probabilistic Saturating Counters with Differentially Private Formal Guarantees
- arxiv url: http://arxiv.org/abs/2608.10521v1
- Date: Tue, 11 Aug 2026 05:51:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-12 19:14:45.920991
- Title: Synthesizing Probabilistic Saturating Counters with Differentially Private Formal Guarantees
- Title（参考訳）: 異なる形式的保証を持つ確率飽和カウンタの合成
- Abstract要約: 分岐予測器は現代のプロセッサの命令レベルの並列性を改善する。
古典的な飽和カウンターは決定論的であり、サイドチャネル攻撃に対して脆弱である。
確率飽和カウンタ(PSC)は、カウンタ更新をランダムにすることで、このリークを軽減するために提案されている。
- 参考スコア（独自算出の注目度）: 17.565026214071057
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Branch predictors improve instruction-level parallelism in modern processors and are commonly modeled using saturating counters. However, classical saturating counters are deterministic and thus vulnerable to side-channel attacks: an attacker can manipulate the counter state and infer the branch direction of a victim process. Probabilistic saturating counters (PSCs) have been proposed to mitigate this leakage by randomizing counter updates, but existing evaluations are mainly empirical. In this paper, we give a formal analysis based on differential privacy (DP): we model PSCs and the corresponding Prime+Probe attack strategies as probabilistic Moore machines, derive optimal attack strategies, and quantify the attacker's distinguishing power through DP. Our DP guarantee applies to the PSC primitive under the Prime+Probe observation model; end-to-end security for a full branch predictor under repeated or adaptive attacks is an important direction for future work. We then synthesize parameters for an enhanced PSC that satisfies a target pure DP guarantee. To evaluate utility, we derive the stationary misprediction rate and validate the theoretical predictions on benchmark programs. Compared to deterministic and existing probabilistic saturating counters, the synthesized PSCs provide formal security guarantees while preserving competitive prediction performance.
- Abstract（参考訳）: 分岐予測器は現代のプロセッサの命令レベル並列性を改善し、飽和カウンタを用いてモデル化される。
しかし、古典的な飽和カウンターは決定論的であり、攻撃者はカウンター状態を操作し、被害者のプロセスの分岐方向を推測することができる。
確率飽和カウンタ (PSCs) は, カウンタ更新をランダム化することで, このリークを軽減するために提案されているが, 既存の評価は主に経験的である。
本稿では、PSCと対応するPrime+Probe攻撃戦略を確率的ムーアマシンとしてモデル化し、最適な攻撃戦略を導出し、DPを介して攻撃者の識別力を定量化する。
我々のDP保証は、Prime+Probe観測モデルの下でPSCプリミティブに適用されます。
次に、対象の純粋DP保証を満たす拡張PSCのパラメータを合成する。
実用性を評価するため,定常予測率を導出し,ベンチマークプログラムの理論的予測を検証した。
決定論的および既存の確率飽和カウンタと比較して、合成PSCは、競合予測性能を維持しつつ、正式なセキュリティ保証を提供する。
関連論文リスト
- How to Verify Consistency of Probabilistic Claims [49.47758039235095]
予測モデルの一貫性を証明するために,対話型PCPを構築する。
添加音の小さなギャップがBへの依存を除去することを示す。
我々は,対話型PCPを,自身の一貫性を証明するための予測モデルに向けた第一歩だと考えている。
論文 参考訳（メタデータ） (2026-08-11T17:41:39Z) - COIN: Uncertainty-Guarding Selective Question Answering for Foundation Models with Provable Risk Guarantees [51.5976496056012]
COINは、統計的に有効な閾値を校正し、質問毎に1つの生成された回答をフィルタリングする不確実性保護選択フレームワークである。
COINはキャリブレーションセット上で経験的誤差率を推定し、信頼区間法を適用して真誤差率に高い確率上界を確立する。
リスク管理におけるCOINの堅牢性,許容回答を維持するための強いテストタイムパワー,キャリブレーションデータによる予測効率を実証する。
論文 参考訳（メタデータ） (2025-06-25T07:04:49Z) - Optimal Conformal Prediction under Epistemic Uncertainty [61.46247583794497]
コンフォーマル予測(CP)は不確実性を表すための一般的なフレームワークである。
条件付きカバレッジを保証する最小の予測セットを生成するBernoulli予測セット(BPS)を導入する。
1次予測を与えられた場合、BPSはよく知られた適応予測セット(APS)に還元する。
論文 参考訳（メタデータ） (2025-05-25T08:32:44Z) - Online scalable Gaussian processes with conformal prediction for guaranteed coverage [32.21093722162573]
結果として生じる不確実な値の整合性は、学習関数がGPモデルで指定された特性に従うという前提に基づいている。
提案するGPは,分散のない後処理フレームワークである共形予測(CP)を用いて,有意なカバレッジで予測セットを生成する。
論文 参考訳（メタデータ） (2024-10-07T19:22:15Z) - Conformal Generative Modeling with Improved Sample Efficiency through Sequential Greedy Filtering [55.15192437680943]
生成モデルは出力に対する厳密な統計的保証を欠いている。
厳密な統計的保証を満たす予測セットを生成する逐次共形予測法を提案する。
このことは、高い確率で予測セットが少なくとも1つの許容可能な(または有効な)例を含むことを保証している。
論文 参考訳（メタデータ） (2024-10-02T15:26:52Z) - Improved postselection security analysis of phase error estimation in quantum key distribution [5.084252553101737]
量子鍵分散(QKD)は、2つの離れたユーザ間でセキュアな鍵を生成する。
本稿では,集合攻撃とコヒーレント攻撃に対する位相誤差推定の失敗確率を関連づける手法を提案する。
提案手法は様々なQKDプロトコルに適用可能であり,従来のポストセレクション法と比較して性能が向上する。
論文 参考訳（メタデータ） (2024-09-29T03:48:08Z) - PuriDefense: Randomized Local Implicit Adversarial Purification for Defending Black-box Query-based Attacks [17.613736258543096]
ブラックボックスクエリベースの攻撃は機械学習・アズ・ア・サービス(ML)システムに脅威を与える。
低レベルの推論コストで軽量な浄化モデルのアンサンブルでランダムなパッチワイズ処理を施した効率的な防御機構であるPuriDefenseを提案する。
我々の理論的分析は、ランダム性を浄化に組み込むことで、クエリベースの攻撃の収束を遅くすることを示唆している。
論文 参考訳（メタデータ） (2024-01-19T09:54:23Z) - Variational Inference with Coverage Guarantees in Simulation-Based Inference [18.818573945984873]
コンフォーマル化補正ニューラル変分推論(CANVI)を提案する。
CANVIは各候補に基づいて共形予測器を構築し、予測効率と呼ばれる計量を用いて予測器を比較し、最も効率的な予測器を返す。
我々は,CANVIが生成する領域の予測効率の低い境界を証明し,その近似に基づいて,後部近似の品質と予測領域の予測効率の関係について検討する。
論文 参考訳（メタデータ） (2023-05-23T17:24:04Z) - Will My Robot Achieve My Goals? Predicting the Probability that an MDP Policy Reaches a User-Specified Behavior Target [56.99669411766284]
自律的なシステムがタスクを実行する場合、ユーザの目標を達成する確率のキャリブレーションされた見積もりを維持する必要がある。
本稿では,ユーザの目標が目標間隔として指定される設定について検討する。
我々は、共形予測を反転させて確率推定を計算する。
論文 参考訳（メタデータ） (2022-11-29T18:41:20Z) - CC-Cert: A Probabilistic Approach to Certify General Robustness of
Neural Networks [58.29502185344086]
安全クリティカルな機械学習アプリケーションでは、モデルを敵の攻撃から守ることが不可欠である。
意味的に意味のある入力変換に対して、ディープラーニングモデルの証明可能な保証を提供することが重要である。
我々はChernoff-Cramer境界に基づく新しい普遍確率的証明手法を提案する。
論文 参考訳（メタデータ） (2021-09-22T12:46:04Z)
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。