論文の概要: OmniSphinx: Active Mix Networks (Extended Version)

• arxiv url: http://arxiv.org/abs/2608.13008v1
• Date: Thu, 13 Aug 2026 09:26:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-14 18:29:38.463907
• Title: OmniSphinx: Active Mix Networks (Extended Version)
• Title（参考訳）: OmniSphinx: Active Mix Networks (拡張バージョン)
• Abstract要約: 混合ネットワークは匿名通信を実装する重要なツールである。 ミックスネットワークのための様々なパケットフォーマットが提案されており、通常は単一の特定の目標を念頭に置いている。 我々はこの問題を解決する新しいフォーマットであるOmniSphinxを提案する。
• 参考スコア（独自算出の注目度）: 4.72249178421945
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Mix networks are an important tool to implement anonymous communication, which protects not just the content but also the metadata of messages. Over time, various packet formats for mix networks have been proposed, usually with single, specific goals in mind. These formats are incompatible with each other, requiring separate software and infrastructure to be set up. In this paper, we propose a new format, OmniSphinx, which solves this issue. In OmniSphinx, senders embed code in their packets that determines how they must be processed. The resulting active mix network can emulate any other mix format within a single deployment. Our empirical evaluation shows that emulation in OmniSphinx incurs reasonable overhead compared to native execution for typical mix network use cases: For Sphinx, the most compact format, computation time increases by around 90μs, while headers increase by 33% in size.
• Abstract（参考訳）: ミックスネットワークは匿名通信を実装する重要なツールであり、コンテンツだけでなくメッセージのメタデータも保護している。 時間とともに、ミックスネットワークのための様々なパケットフォーマットが提案され、通常は単一の特定の目標を念頭に置いている。 これらのフォーマットは互いに互換性がなく、別々のソフトウェアとインフラをセットアップする必要がある。 本稿では,この問題を解決する新しいフォーマットであるOmniSphinxを提案する。 OmniSphinxでは、送信者がパケットにコードを埋め込んで、処理の仕方を決定する。 その結果生まれたアクティブなミックスネットワークは、ひとつのデプロイメント内で他のミックスフォーマットをエミュレートすることができる。 実験により,OmniSphinxのエミュレーションは,一般的な混在ネットワークの場合と比較して,適切なオーバーヘッドを発生させることがわかった。

関連論文リスト

• Omni-Prune: Query-Aware Unified Token Pruning for Efficient Omnimodal Large Language Models [18.902147033940434]
  Omni-Pruneは、トレーニング不要で、クエリ対応のオーディオ-ビジュアルトークンプルーニングフレームワークである。 タスク関連のクロスモーダルな証拠を保持しながら、両方のモダリティから冗長性を取り除く。 最大3.25倍のプリフィルスピードアップと1.3倍のメモリ削減を実現し、フルモデル性能の99%を維持できる。
  論文  参考訳（メタデータ） (2026-07-26T03:51:39Z)
• MeshLoom: Feed-Forward Non-Rigid Registration of Mesh Sequences [71.45325481648995]
  MeshLoomは、メッシュシーケンス間の変形を再構築するフィードフォワード登録ネットワークである。 以上の結果から,MeshLoomは非厳密な登録における最先端の結果が得られることを示す。
  論文  参考訳（メタデータ） (2026-06-15T17:51:38Z)
• SEMixer: Semantics Enhanced MLP-Mixer for Multiscale Mixing and Long-term Time Series Forecasting [9.398256560898448]
  SEMixerは長期時系列予測(TSF)用に設計された軽量モデルである MixerはRAM(Random Attention Mechanism)とMPMC(Multiscale Progressive Mixing Chain)を備えている。 MPMCはRAMとアンサンブルミキサーをメモリ効率よくスタックし、より効果的な時間混合を実現する。
  論文  参考訳（メタデータ） (2026-02-18T06:53:32Z)
• Outfox: a Packet Format for a Layered Mixnet [3.695001420243781]
  ミックスネットの現在の標準であるSphinxは、強力な匿名性を提供するが、古典的な公開鍵暗号に依存しており、量子攻撃に弱い。 提案するOutfoxは,固定長経路を持つミキシングネット用に調整された,量子後セキュリティ用に設計された,Sphinxの簡易版である。
  論文  参考訳（メタデータ） (2024-12-27T21:53:56Z)
• OmniSep: Unified Omni-Modality Sound Separation with Query-Mixup [50.70494796172493]
  Omni-modal Sound separation (OmniSep) は、Omni-modal クエリに基づいてクリーンなサウンドトラックを分離できる新しいフレームワークである。 トレーニング中に異なるモダリティからクエリ機能をブレンドするQuery-Mixup戦略を導入する。 我々は、クエリーが音の分離に肯定的または否定的に影響を与え、特定の音の保持や除去を容易にすることにより、この柔軟性をさらに強化する。
  論文  参考訳（メタデータ） (2024-10-28T17:58:15Z)
• Learning Multiplex Representations on Text-Attributed Graphs with One Language Model Encoder [55.24276913049635]
  テキスト分散グラフ上での多重表現学習のための新しいフレームワークMETAGを提案する。 既存の手法とは対照的に、MeTAGは1つのテキストエンコーダを使用して関係性間の共有知識をモデル化する。 学術分野と電子商取引分野の5つのグラフにおいて,9つの下流タスクについて実験を行った。
  論文  参考訳（メタデータ） (2023-10-10T14:59:22Z)
• SWAT: Spatial Structure Within and Among Tokens [53.525469741515884]
  我々は,トークン化時に空間構造が保存される場合,モデルが顕著な利得が得られることを論じる。 本研究では,(1)構造認識のトークン化と(2)構造認識のミキシングという2つの重要なコントリビューションを提案する。
  論文  参考訳（メタデータ） (2021-11-26T18:59:38Z)
• SSMix: Saliency-Based Span Mixup for Text Classification [2.4493299476776778]
  隠れベクトルではなく入力テキストで操作を行う新しい混合手法であるSSMixを提案する。 SSMixは、スパンベースのミキシングによって2つの原文の局所性を保ちながら文を合成する。 我々は,本手法がテキスト分類ベンチマークにおいて,隠れレベル混合手法より優れていることを実証的に検証した。
  論文  参考訳（メタデータ） (2021-06-15T11:40:23Z)
• Bit-Mixer: Mixed-precision networks with runtime bit-width selection [72.32693989093558]
  Bit-Mixerは、テスト時間中に任意のレイヤが入札幅を変更し、ネットワーク全体の精度の高い推論能力に影響を与えることなく、メタ量子ネットワークをトレーニングする最初の方法である。 本手法は, デバイス上での展開に望ましい柔軟性を示す複合精密ネットワークを, 精度を犠牲にすることなく実現できることを示した。
  論文  参考訳（メタデータ） (2021-03-31T17:58:47Z)
• MixMo: Mixing Multiple Inputs for Multiple Outputs via Deep Subnetworks [97.08677678499075]
  マルチインプットマルチアウトプットディープワークを学ぶための新しいフレームワークであるMixMoを紹介します。 機能、特にCutMixのパッチによるバイナリの混合は、ワークをより強く、より多様なものにすることによって、結果を向上します。 実装が容易で、推論にコストがかかることに加えて、我々のモデルはよりコストの高いデータ拡張深層アンサンブルよりも優れています。
  論文  参考訳（メタデータ） (2021-03-10T15:31:02Z)
• Regularized Densely-connected Pyramid Network for Salient Instance Segmentation [73.17802158095813]
  我々は、エンドツーエンドの有能なインスタンスセグメンテーション(SIS)のための新しいパイプラインを提案する。 ディープネットワークにおけるリッチな特徴階層をよりよく活用するために、正規化された高密度接続を提案する。 マスク予測を改善するために,新しいマルチレベルRoIAlignベースのデコーダを導入し,多レベル特徴を適応的に集約する。
  論文  参考訳（メタデータ） (2020-08-28T00:13:30Z)

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。