論文の概要: From TS-SUF-2 to TS-SUF-4: Practical Security Enhancements for FROST2 Threshold Signatures
- arxiv url: http://arxiv.org/abs/2610.02805v1
- Date: Fri, 02 Oct 2026 04:53:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-06 00:14:30.212435
- Title: From TS-SUF-2 to TS-SUF-4: Practical Security Enhancements for FROST2 Threshold Signatures
- Title（参考訳）: TS-SUF-2からTS-SUF-4:FROST2閾値信号のセキュリティ強化
- Abstract要約: FROST2+は,従来のFROST2解析と同じ条件下でTS-SUF-4セキュリティを実現するだけでなく,PedPoPのような分散鍵生成プロトコルで緩和できることを示す。
ベンチマークの結果,FROST2+の性能はFROST2に匹敵し,プリ計算が可能となるとFROSTよりも約64～79%高速であることがわかった。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Threshold signature schemes play a vital role in securing digital assets within blockchain and distributed systems. FROST2 stands out as a practical threshold Schnorr signature scheme, noted for its efficiency and compatibility with standard verification processes. However, under the one-more discrete logarithm assumption, with static corruption and centralized key generation settings, FROST2 has been shown by Bellare et al. (in CRYPTO 2022) to achieve only TS-SUF-2 security, which is a consequence of its vulnerability to TS-UF-3 attacks. In this paper, we address this security limitation by presenting an enhanced variant of FROST2, namely, FROST2+ which achieves the TS-SUF-4 security level under the same computational assumptions as the original FROST2. FROST2+ strengthens FROST2 by integrating additional pre-processing token verifications that help mitigate TS-UF-3 and TS-UF-4 vulnerabilities while maintaining practical efficiency. We show that FROST2+ can achieve TS-SUF-4 security not only under the same conditions as the original FROST2 analysis, but also when initialized with a distributed key generation protocol such as PedPoP. Our benchmark using ZCash's FROST library shows that the performance of FROST2+ is comparable to FROST2 and about 64-79% faster than FROST when precomputation is enabled.
- Abstract（参考訳）: 閾値署名スキームは、ブロックチェーンや分散システム内のデジタル資産の確保において重要な役割を果たす。
FROST2はSchnorrシグネチャの実用的なしきい値であり、その効率性と標準的な検証プロセスとの互換性で有名である。
しかし、より離散的な対数仮定の下では、静的な破損と集中的な鍵生成設定により、FROST2はBellareら(CRYPTO 2022)によってTS-SUF-2セキュリティのみを達成することが示され、これはTS-UF-3攻撃に対する脆弱性の結果である。
本稿では, TS-SUF-4 セキュリティレベルを元の FROST2 と同じ計算仮定で達成する FROST2+ という FROST2 の強化版を提示することにより, このセキュリティ制限に対処する。
FROST2+はFROST2を強化し、TS-UF-3とTS-UF-4の脆弱性を軽減し、実用的効率を維持する。
FROST2+は,従来のFROST2解析と同一条件でTS-SUF-4セキュリティを実現するだけでなく,PedPoPなどの分散鍵生成プロトコルで初期化することで,TS-SUF-4セキュリティを実現することができることを示す。
ZCashのFROSTライブラリを使用したベンチマークでは、FROST2+の性能はFROST2に匹敵し、プリ計算を有効にするとFROSTよりも約64～79%高速である。
関連論文リスト
- Keyed Provenance Watermarking with Complementary Lattice-Based Secure Aggregation for Federated Learning [9.487248784690612]
本稿では,鍵付きコンテキスト保証透かしと格子ベースのセキュアアグリゲーションを結合するFLフレームワークを提案する。
我々の知る限り、両方の層をハイブリッドでエンドツーエンドで信頼できるFLフレームワークで共同で評価する以前の検証ワークフローはありません。
論文 参考訳（メタデータ） (2026-08-20T21:26:31Z) - SafeCA: Safe Cross-Attention Localization and Regulation for Text-to-Video Jailbreak Defense [77.70598852234149]
テキスト・トゥ・ビデオ(T2V)生成モデルは、現実世界のデプロイにおいてジェイルブレイク攻撃に対して脆弱である。
安全なクロスアテンション・ローカライゼーションと正規化のための機能レベル防衛機構であるSafeCAを提案する。
実験の結果、SafeCAは主流のT2Vモデルでジェイルブレイクの成功率を約20%削減することが示された。
論文 参考訳（メタデータ） (2026-08-11T14:01:24Z) - GuardFed: A Trustworthy Federated Learning Framework Against Dual-Facet Attacks [56.983319121358555]
フェデレートラーニング(FL)は、プライバシ保護のための協調モデルトレーニングを可能にするが、敵の行動に弱いままである。
本稿では,予測精度とグループフェアネスを同時に損なう新たな脅威モデルであるデュアル顔攻撃(DFA)を紹介する。
本稿では,少量のクリーンサーバデータを用いて,公正な参照モデルを維持する自己適応型防衛フレームワークであるGuardFedを提案する。
論文 参考訳（メタデータ） (2025-11-12T13:02:45Z) - DP2Guard: A Lightweight and Byzantine-Robust Privacy-Preserving Federated Learning Scheme for Industrial IoT [37.44256772381154]
DP2Guardは、プライバシーと堅牢性の両方を強化する軽量PPFLフレームワークである。
特異値分解とコサイン類似性を用いて勾配特徴を抽出するハイブリッド防衛戦略を提案する。
信頼スコアに基づく適応アダプティブアグリゲーションスキームは、履歴行動に応じてクライアントの重みを調整する。
論文 参考訳（メタデータ） (2025-07-22T01:06:39Z) - Zero-Trust Mobility-Aware Authentication Framework for Secure Vehicular Fog Computing Networks [0.0]
本稿では,VFCネットワークにおけるセキュア通信のためのZTMAF(Zero-Trust Mobility-Aware Authentication Framework)を提案する。
このフレームワークは、軽量な暗号プリミティブによるコンテキスト認識認証、分散信頼評価システム、およびフォグノード支援セッションバリデーションを使用して、偽造、リプレイ、偽造攻撃と戦う。
論文 参考訳（メタデータ） (2025-05-21T17:03:39Z) - T2V-OptJail: Discrete Prompt Optimization for Text-to-Video Jailbreak Attacks [67.91652526657599]
我々は、T2Vジェイルブレイク攻撃を離散最適化問題として定式化し、T2V-OptJailと呼ばれる共同目的ベース最適化フレームワークを提案する。
いくつかのT2Vモデルに対して大規模な実験を行い、オープンソースモデルと実際の商用クローズドソースモデルの両方をカバーする。
提案手法は,攻撃成功率の観点から既存手法よりも11.4%,10.0%向上する。
論文 参考訳（メタデータ） (2025-05-10T16:04:52Z) - Not All Edges are Equally Robust: Evaluating the Robustness of Ranking-Based Federated Learning [49.68790647579509]
Federated Ranking Learning (FRL) は最先端のFLフレームワークであり、通信効率と中毒攻撃に対するレジリエンスで際立っている。
Vulnerable Edge Manipulation (VEM) 攻撃という, FRLに対する新たな局所モデル中毒攻撃を導入する。
我々の攻撃は、全体的な53.23%の攻撃効果を達成し、既存の方法よりも3.7倍のインパクトを与える。
論文 参考訳（メタデータ） (2025-03-12T00:38:14Z) - SOCI^+: An Enhanced Toolkit for Secure OutsourcedComputation on Integers [50.608828039206365]
本稿では,SOCIの性能を大幅に向上させるSOCI+を提案する。
SOCI+は、暗号プリミティブとして、高速な暗号化と復号化を備えた(2, 2)ホールドのPaillier暗号システムを採用している。
実験の結果,SOCI+は計算効率が最大5.4倍,通信オーバヘッドが40%少ないことがわかった。
論文 参考訳（メタデータ） (2023-09-27T05:19:32Z) - ScionFL: Efficient and Robust Secure Quantized Aggregation [36.668162197302365]
我々は,フェデレートラーニングのための最初のセキュアアグリゲーションフレームワークであるScionFLを紹介する。
量子化された入力で効率的に動作し、同時に悪意のあるクライアントに対して堅牢性を提供する。
クライアントのオーバーヘッドがなく、サーバのオーバーヘッドも緩やかなため、標準的なFLベンチマークに匹敵する精度が得られます。
論文 参考訳（メタデータ） (2022-10-13T21:46:55Z) - Towards Bidirectional Protection in Federated Learning [70.36925233356335]
F2ED-LEARNINGは、悪意のある集中型サーバとビザンティンの悪意のあるクライアントに対して双方向の防御を提供する。
F2ED-LEARNINGは各シャードの更新を安全に集約し、異なるシャードからの更新に対してFilterL2を起動する。
評価の結果,F2ED-LEARNing は最適あるいは最適に近い性能が得られることがわかった。
論文 参考訳（メタデータ） (2020-10-02T19:37:02Z)
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。