論文の概要: Rank Ceiling for Twiddle-Perturbation Faults on the Forward NTT

• arxiv url: http://arxiv.org/abs/2610.30383v2
• Date: Sun, 25 Oct 2026 03:27:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.159245
• Title: Rank Ceiling for Twiddle-Perturbation Faults on the Forward NTT
• Title（参考訳）: 前方NTTにおける2次摂動断層のランクシーリング
• Abstract要約: 本稿では, 静的ツイドル置換の下での線形写像を, 正解変換と故障変換との差を半減するために特徴付ける。 選択された各ツイドルは、ゼロ化、非ゼロ置換、予選ビットを含む1回の呼び出しで使用するごとに固定変更されたフィールド値を取る。 1つの置き換えの場合、差分マップのランクは、そのツイドルを共有する蝶の数と等しく、ML-KEMでは128から2層、MLDSAでは1層となる。
• 参考スコア（独自算出の注目度）: 0.9475982252982437
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: NIST-standardised ML-KEM and ML-DSA use forward number-theoretic transforms on secret polynomials. This paper characterises the linear map from a polynomial to the difference between its correct and faulted transforms under static twiddle replacements. Each selected twiddle takes a fixed changed field value at every use during one call, including zeroing, nonzero replacements and qualifying bit flips. For one replacement, the difference-map rank equals the number of butterflies sharing that twiddle, halving by layer from 128 to 2 for ML-KEM and to 1 for ML-DSA. With one replacement per layer and the map and difference known, every coefficient is determined except the constant and linear coefficients for ML-KEM, or the constant for ML-DSA. Lean 4 certifies the corresponding kernel equalities for both 256-coefficient network shapes over fields of characteristic other than two with all original twiddles nonzero. The unresolved coefficients cancel from the transform difference for every allowed fault set. NIST permits seed storage, motivating comparison of a known correct public key with a released faulty key from the same seed. If only one ML-KEM secret-polynomial transform is affected and all other computations are unchanged, the decoded key difference is a known public-matrix column times the transform difference. An invertible column entry reconstructs the latter. For ML-DSA, reconstruction and exact candidate counts from paired compressed public keys are not established.
• Abstract（参考訳）: NIST規格のML-KEMとML-DSAは秘密多項式上の前方数理論変換を使用する。 本稿では, 多項式からの線形写像を, 静的ツイドル置換の下での正解変換と不良変換の差に特徴付ける。 選択された各ツイドルは、ゼロ化、非ゼロ置換、予選ビットフリップを含む、1回の呼び出しで使用するたびに固定変更されたフィールド値を取る。 1つの置き換えの場合、差分マップのランクは、そのツイドルを共有する蝶の数と等しく、ML-KEMは128から2、ML-DSAは1に半減する。 ML-KEM の定数と線形係数、あるいは ML-DSA の定数を除く全ての係数は、各層に1つの置換と写像と差分を既知で決定される。 Lean 4 は、2 以外の標数体上の256係数のネットワーク形状と、元のツイドルが 0 でないときの対応するカーネルの等式を証明している。 未解決係数は許容されたすべての故障集合の変換差からキャンセルされる。 NISTは、既知の正しい公開鍵と、同じシードから解放された欠陥キーとの比較を動機づけて、シードストレージを許可する。 1つのML-KEMシークレット-ポリノミカル変換が影響を受け、他の全ての計算が変化しない場合、復号化鍵差は既知の公開行列列の倍の変換差である。 非可逆列エントリは後者を再構成する。 ML-DSAでは、ペア圧縮された公開鍵からの復元と正確な候補数は確立されていない。

関連論文リスト

• Beyond Scalar Sensitivity: Activation-Aware Mixed-Precision LLM Quantization with Cross-Layer Refinement [7.305019142196582]
  混合精度重み量子化は一般にMultiple-Choice Knapsack Problem (MCKP)として定式化される 既存の解法は、各重み行列のヘッセンを1つの数に分解し、全ての加群を独立に扱うスカラー感度プロキシに依存している。 最適なスカラープロキシでさえ、最大$sqrt(mathbfA)(mathbfB)$までの乗法歪みを、活性化を意識した二次性に対して生じさせることを証明した。
  論文  参考訳（メタデータ） (2026-09-22T09:22:39Z)
• Dependency-Aware ROM/CBD Correctness Bounds for ML-KEM-768 at the Heuristic Failure Scale [0.0]
  我々は、ML-KEM-810の真正なカプセル化失敗上限を明示的ランダム中心二項 (ROM/CBD) 抽象化で証明する。 これは正確なDFRではなく、固定値ではなく、新しいIND-CCA還元ではなく、デルタ補正の結果ではない。
  論文  参考訳（メタデータ） (2026-09-09T10:13:10Z)
• LimiX-2M: Mitigating Low-Rank Collapse and Attention Bottlenecks in Tabular Foundation Models [56.999481798138625]
  LimiX-2Mは2Mパラメータモデルであり、広く使われているベンチマークでTabPFN-v2とTabICLのベースラインを上回っている。 本稿では,強力なタブラル基礎モデル(TFM)のための統一トークン化・ルートフレームワークを提案する。 その結果、TFMにおける精度-効率トレードオフを改善するキーレバーとして、バリューアウェアトークン化とリードアウト整列ルーティングが強調された。
  論文  参考訳（メタデータ） (2026-06-03T06:07:33Z)
• The Extrapolation Cliff in On-Policy Distillation of Near-Deterministic Structured Outputs [52.709361620508595]
  ListOPDは、パラメータの5分の1で8B-SFTベースラインで、学生をドメイン内に持ち込む。 Amazon Fashionでは、3つの事前登録テスト — 細粒度崖間隔テスト、小さなクリップのクロス予測 — がロックされた予測ウィンドウ内に落下し、グリッド解像度以下のクローズドフォーム予測に一致する小さなクリップ値が設定されている。
  論文  参考訳（メタデータ） (2026-05-09T06:48:00Z)
• Cryptanalysis of a Lightweight RFID Authentication Protocol Based on a Variable Matrix Encryption Algorithm [0.7782106464483302]
  低コストな移動RFIDシステムにおいて,AM-SUEO-DBLTKM可変行列暗号アルゴリズムに基づく双方向RFID認証プロトコルが提案された。 本稿では,プロトコルの構造的弱点について述べる。
  論文  参考訳（メタデータ） (2026-03-30T11:35:40Z)
• Quantize What Counts: More for Keys, Less for Values [63.51476878610841]
  大規模言語モデル(LLM)は、キーバリュー(KV)キャッシュに支配される推論時のメモリボトルネックに悩まされる。 本稿ではトランスフォーマーモデルの内在幾何学における混合精度KV量子化を固定する2つの定理を提案する。
  論文  参考訳（メタデータ） (2025-02-20T22:24:27Z)
• Demystifying Singular Defects in Large Language Models [61.98878352956125]
  大規模言語モデル(LLM)では、ハイノームトークンの根本原因は未解明のままである。 理論的な洞察と経験的検証の両方を、近年のモデルで提供します。 量子化方式の改良とLCMシグネチャの設計の2つの実用的応用について述べる。
  論文  参考訳（メタデータ） (2025-02-10T20:09:16Z)
• Horizon-Free Regret for Linear Markov Decision Processes [92.02082223856479]
  最近の一連の研究は、強化学習における残念な境界が(ほぼ)計画的地平から独立していることを示している。 我々は、人気のある線形マルコフ決定過程(MDP)設定に対して、最初の地平面自由境界を与える。 遷移モデルを明示的に推定し、不均一な値関数を計算する先行研究とは対照的に、直接値関数と信頼集合を推定する。
  論文  参考訳（メタデータ） (2024-03-15T23:50:58Z)
• The cool and the cruel: separating hard parts of LWE secrets [11.000531626756853]
  スパースバイナリLWEシークレットに対する既知の攻撃には、スパースデュアルアタックとミドルアタックにおけるハイブリッドスパースデュアルミートが含まれる。 本稿では,メモリ要求の少ない新しい統計的攻撃を提案する。
  論文  参考訳（メタデータ） (2024-03-15T14:16:21Z)
• SALSA PICANTE: a machine learning attack on LWE with binary secrets [8.219373043653507]
  スパースバイナリシークレットを用いたLWEに対する強化機械学習攻撃であるPICANTEを提案する。 PICANTEは、より大きな次元(最大$n=350$)で秘密を回収し、より大きなハミング重みを持つ。 PICANTEはNISTのLWE標準を脅かしていないが、SALSAよりも大幅に改善されている。
  論文  参考訳（メタデータ） (2023-03-07T19:01:01Z)
• Towards Discriminability and Diversity: Batch Nuclear-norm Maximization under Label Insufficient Situations [154.51144248210338]
  Batch Nuclear-norm Maximization (BNM) は、学習シナリオのラベルが不十分な場合の学習を促進するために提案されている。 BNMはライバルより優れており、既存のよく知られた手法でうまく機能する。
  論文  参考訳（メタデータ） (2020-03-27T05:04:24Z)

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。