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

• arxiv url: http://arxiv.org/abs/2610.30383v3
• Date: Tue, 27 Oct 2026 11:22:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-28 21:04:31.329251
• 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: ML-KEMとML-DSAは秘密に関する前方数理論変換を計算する。 固定乗数(twiddles)は、文書化された障害攻撃ターゲットである。 本稿では,線形写像を秘密から誤り変換出力と誤り変換出力の差までの特徴付けを行う。
• 参考スコア（独自算出の注目度）: 0.9475982252982437
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: ML-KEM and ML-DSA compute forward number-theoretic transforms on secret polynomials. Their fixed multipliers, or twiddles, are a documented fault-attack target. This paper characterises the linear map from a secret polynomial to the difference between correct and faulted transform outputs. Each selected twiddle takes a fixed changed field value at every use during one call; zero and nonzero replacements are covered. For one replacement, rank equals the number of butterflies sharing its twiddle, halving by layer from 128 to 2 for ML-KEM and to 1 for ML-DSA. With one replacement per layer, known fault positions, replacement values and a raw transform difference determine every coefficient except the constant and linear coefficients for ML-KEM, or the constant for ML-DSA. Lean 4 certifies this result for both 256-coefficient shapes over fields of characteristic other than two, with nonzero original twiddles. Those coefficients cancel from the difference for every allowed fault set and replacement choice. Seed storage motivates comparing 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 matrix column times the transform difference. An invertible column entry reconstructs the latter. For ML-DSA, reconstruction and exact candidate counts from paired compressed keys remain unestablished.
• Abstract（参考訳）: ML-KEMとML-DSAは秘密多項式上の前方数理論変換を計算する。 固定乗数(twiddles)は、文書化された障害攻撃ターゲットである。 本稿では、秘密多項式からの線形写像を、正しい変換出力と欠陥変換出力の差に特徴付ける。 選択された各twiddleは、1回の呼び出しですべての使用時に固定されたフィールド値を受け取り、ゼロと非ゼロの置換がカバーされる。 1つの代替品では、ツイドルを共有する蝶の数は、ML-KEMでは128から2、ML-DSAでは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を決定する。 リーン4は、2つ以外の特性体上の256係数の形状と、ゼロでない原点のツイドルの両方について、この結果を証明している。 これらの係数は、許容されるすべての障害セットと置換選択の差からキャンセルされる。 シードストレージは、既知の正しい公開キーと、同じシードから解放された障害キーを比較する動機である。 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、復号化鍵差は変換差の2倍の既知の行列列である。 非可逆列エントリは後者を再構成する。 ML-DSAでは、ペア圧縮キーからの復元と正確な候補数はまだ確立されていない。

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。