論文の概要: Practical Preimages for 19- and 20-Step SHA-256 with Standard Padding
- arxiv url: http://arxiv.org/abs/2611.00512v1
- Date: Sat, 31 Oct 2026 01:05:47 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-11-03 19:31:47.848249
- Title: Practical Preimages for 19- and 20-Step SHA-256 with Standard Padding
- Title（参考訳）: 標準実装による19段SHA-256の実用的予測
- Abstract要約: 本研究では,19段階および20段階のSHA-256に対する実用的事前攻撃を示す。
攻撃は64段中19--20をカバーし、完全なSHA-256を脅かさない。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: We present practical preimage attacks on 19- and 20-step SHA-256 that respect the standard IV, Davies-Meyer feed-forward, and full FIPS 180-4 padding, for arbitrary prescribed 256-bit targets. Building on Basra's algebraic selector saturation and backward padding absorption, we introduce three techniques: an exact $O(1)$ inversion of the low padding byte $(W_{13} \bmod 256) = \mathtt{0x80}$ that leaves $(a_5, a_6)$ free for exact context shaping; a causal bit-slice equivalence theorem that prunes $99.74\%$ of right-hand candidate nodes across seven stages; and a closed-form $\mathbf{F}_2$ upper-half inverse paired with compact $Q_0^{-1}$ lookup tables. One CPU core solves arbitrary 19-step padded targets in $1.2$--$86.4$ s (median $19.5$ s) after an $18$ s table build. A 20-step padded preimage costs $2^{46.6}$ CPU-reference evaluations: $191$ node-hours on one 10-core Apple M4 CPU node (16 threads), or $9.0$--$22.2$ GPU-hours on one NVIDIA L4. A companion Zero-$a_3$ bridge inverts the unpadded 20-step compression function in $2^{38.1}$ evaluations. We provide 46 self-verifying witnesses, including 55-byte preimages of SHA-256("abc") and $0^{256}$. These attacks cover 19--20 of 64 steps and do not threaten full SHA-256.
- Abstract（参考訳）: 任意の256ビットターゲットに対して,標準IV,Davies-Meyerフィードフォワード,フルFIPS 180-4パディングを尊重する19段階および20段階のSHA-256に対して,実用的な事前攻撃を行う。
バスラの代数的セレクタ飽和と後方パディング吸収に基づいて、3つのテクニックを導入する: 正確な$O(1)$ inversion of the low padding byte $(W_{13} \bmod 256) = \mathtt{0x80}$ that leaves $(a_5, a_6)$ free for exact context shaping, a causal bit-slice equivalence theorem that prunes $99.74\% $ of right-hand candidate node across 7 stages, and closed-form $\mathbf{F}_2$ upper-half inverse with compact $Q_0^{-1}$ lookup table。
あるCPUコアは18ドルのテーブルビルドの後、任意の19ステップのパッドドターゲットを1.2$--86.4$ s (median $119.5$ s)で解決する。
20ステップのパッド付きプリアニメーションは、CPU参照評価が$2^{46.6}で、1つの10コアのApple M4 CPUノード(16スレッド)で$91$、NVIDIA L4で$9.0$--22.2$である。
補助的なZero-$a_3$ブリッジは、未パッドの20ステップ圧縮関数を$2^{38.1}$評価で反転させる。
55バイトのSHA-256("abc")と0^{256}$を含む46の自己検証証人を提供する。
これらの攻撃は64段の19--20をカバーし、完全なSHA-256を脅かさない。
関連論文リスト
- Exact $T$-counts of CCZ layers from an isotropy bound [0.0]
並列Toffoli層の対角線コアであるCCZゲートが$m$不整合であることを示すには、正確に6m+1$T$ゲートが必要である。
これは一般の$m$に対して最適であるという最初の証明である。
論文 参考訳（メタデータ） (2026-10-01T04:11:53Z) - Geometry-Dependent Bounds for Online Non-Monotone DR-Submodular Maximization [55.29259818039367]
凸閉集合上の逆オンライン非負の非単調DR-部分モジュラ函数について検討する。
学習者は、目的を観察する前に各アクションを学習し、後から最高の固定アクションと競合する。
定数対物列は、最適に多くの1次クエリでオフラインの$(4/9-varepsilon)$近似を生成する。
論文 参考訳（メタデータ） (2026-09-30T18:26:29Z) - Silent Failures Beyond the 32-Bit Index Range: A Differential Characterization of Large-Tensor Matrix Multiplication in PyTorch's MPS Backend [0.0]
PyTorchのMetal Performance Shaders (MPS)バックエンドは、バッチ行列乗算の間違った結果を返す。
dタイプ、メモリレイアウト、シェイプ、バッチサイズのbmmは、約231ドルと232ドルです。
私たちはハーネス、生の結果、そしてjniimi/mps-silent-failuresで232ドル以上の要素に触れるMPS操作を止めるガードをリリースします。
論文 参考訳（メタデータ） (2026-09-19T12:51:27Z) - Near-Optimal Dimension Lower Bounds for Single-Vector Embeddings of Maximum Inner Product Similarity [75.14269295861845]
シングルトンクエリでは、Chamferは最大内部積類似度(MAX-IP)になる。
すべての固定$in(0,1)$に対して、定数は$A_,c_>0$である。
単位球MAX-IPマトリクスは、DNFパターンマトリクスの正確な2値アフィンイメージであり、少なくとも8ドルのギャップがある。
論文 参考訳（メタデータ） (2026-07-22T17:27:20Z) - Hidden-State Privacy Has an Empty Middle [51.56484100374058]
すべてのフルランクガウス解放を$O(1)$ Fisher utility で表すと、マハラノビス信号が隠れた幅で直線的に成長する方向を認める。
スクラッチからトレーニングされたスプリットメモリトランスフォーマーは、[20, 33]$90MでG_mathrmMahに達し、固定言語損失ペナルティにおいて、30Mから1Bまでの同じ予算のGPTベースラインに対して6ドル～24ドルという優位性を維持する。
論文 参考訳（メタデータ） (2026-05-21T20:12:09Z) - A Mimetic Detector for Adversarial Image Perturbations [0.0]
敵は、クリーンな画像に小さなほとんど見えないノイズパターンを加えることで、ディープイメージ分類器を騙す。
オープンソースMOLEライブラリの高階Corbino-Castilloミメティック演算子を用いた単発無訓練検出器を用いてこれを活用する。
標準のtextttpeppers テスト画像上の検出器を標準$ellinfty$ budget $varepsilon = 16/255$で検証し、クリーンvs-逆分離を観測し、オーダー$k=2で3.55times$から単調に成長する。
論文 参考訳（メタデータ） (2026-05-12T04:09:53Z) - When Quantization Is Free: An int4 KV Cache That Outruns fp16 on Apple Silicon [0.0]
KVキャッシュ量子化は、品質-レイテンシトレードオフとしてフレーム化される。
Apple Siliconの統一メモリにインセンティブを与えています。
論文 参考訳（メタデータ） (2026-05-07T05:44:39Z) - Corralling a Larger Band of Bandits: A Case Study on Switching Regret
for Linear Bandits [99.86860277006318]
本稿では,一組の逆アルゴリズムを組み合わせ,学習することの問題点について考察する。
Agarwal et al. の CORRAL はこの目標を、$widetildeO(sqrtd S T)$ の残酷なオーバーヘッドで達成している。
この問題に触発されて、後悔のオーバーヘッドが百万ドルにしか依存しない大規模バンディットアルゴリズムのバンドを囲む新しいレシピを提案する。
論文 参考訳（メタデータ） (2022-02-12T21:55:44Z) - Optimal Regret Algorithm for Pseudo-1d Bandit Convex Optimization [51.23789922123412]
我々は,バンディットフィードバックを用いてオンライン学習を学習する。
learnerは、コスト/リワード関数が"pseudo-1d"構造を許可するゼロ次オラクルのみにアクセスできる。
我々は、$T$がラウンドの数である任意のアルゴリズムの後悔のために$min(sqrtdT、T3/4)$の下限を示しています。
ランダム化オンライングラデーション下降とカーネル化指数重み法を組み合わせた新しいアルゴリズムsbcalgを提案し,疑似-1d構造を効果的に活用する。
論文 参考訳（メタデータ） (2021-02-15T08:16:51Z) - Random Smoothing Might be Unable to Certify $\ell_\infty$ Robustness for
High-Dimensional Images [23.264535488112134]
乱数平滑化の難易度は, $ell_p$ の半径 $epsilon$ の攻撃に対して, $p>2$ のとき, 対逆ロバスト性が得られることを示す。
論文 参考訳（メタデータ） (2020-02-10T03:26:59Z)
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。