論文の概要: Optimal Additive Integer Masks for One-Guess Vulnerability under an Absolute-Moment Budget
- arxiv url: http://arxiv.org/abs/2611.16066v1
- Date: Wed, 11 Nov 2026 22:22:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.284066
- Title: Optimal Additive Integer Masks for One-Guess Vulnerability under an Absolute-Moment Budget
- Title(参考訳): 絶対モーメント予算下での片足脆弱性に対する最適添加型整数マスク
- Abstract要約: 本研究では,有限支持秘密と独立整数値マスクを観察する相手の平均1ゲス成功確率について検討する。
偏りのあるビットに対しては、前のベースラインよりも増加しないマスクが特徴付けられる。
そして、すべてのバイアスに対して、コスト対重み付けのフロンティアが決定されます。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We study the average one-guess success probability of an adversary who observes the ordinary integer sum of a finite-support secret and an independent integer-valued mask, subject to an absolute-moment budget on the mask. For a uniform secret on an interval the exact optimum and an explicit optimiser are obtained. For a biased bit the masks that achieve no increase over the prior baseline are characterised and their minimal cost is determined. The entire cost-vulnerability frontier is then determined for every bias. It is the piecewise-linear interpolation of an explicit sequence of points generated by cost-optimally shifted truncated geometric masks. It has infinitely many affine pieces, which accumulate at the critical cost, where the frontier meets the prior baseline with zero slope. The proof rests on a layer-cake decomposition of an arbitrary mask into truncated geometrics, along which both the vulnerability and the cost are exactly additive. The results give exact design guidance for additive integer noise under the average one-guess metric; they do not constitute a cryptographic masking scheme.
- Abstract(参考訳): 本研究では,マスクの絶対運動予算を条件として,有限支持秘密と独立整数値マスクの通常の整数和を観測する相手の平均1ゲス成功確率について検討する。
間隔の均一な秘密については、正確な最適値と明示的な最適値が得られる。
偏りのあるビットに対しては、前のベースラインよりも増加しないマスクが特徴付けられ、その最小コストが決定される。
そして、すべてのバイアスに対して、コスト対重み付けのフロンティアが決定されます。
これは、コスト最適化されたトランカットされた幾何マスクによって生成される明示的な点列の断片的に線形補間である。
無限に多くのアフィン片を持ち、これは臨界コストで蓄積され、フロンティアはゼロ勾配で前のベースラインに到達する。
この証明は、任意のマスクの層ケーキ分解を切り刻まれた幾何学に分解し、その脆弱性とコストが正確に加法的であることを証明している。
その結果, 平均1Gssメートル法の下での加算整数雑音の正確な設計指針が得られ, 暗号マスキングスキームを構成していない。
関連論文リスト
- Initialization masks overcome decoding obstructions in compressed QAOA [0.0]
変動状態は、非可換可観測変数を復号することで古典的な代入に変換されることを示す。
ノイズのないシミュレーションはエネルギー最適化の前に古典的なマスクの選択をテストする。
論文 参考訳(メタデータ) (2026-11-07T08:52:37Z) - Static Gradient Attribution Underperforms a Density-Matched Random Mask on Loss-Based Forgetting Within LoRA B-Matrix [8.614876658128056]
均一なランダムマスクは,Qwen2.5-3B上の7種の種子にまたがる勾配属性よりも連続的に損失ベースの後方移動を実現することを示す。
この利点は、試験されたタスクシーケンスの下での安定性-塑性トレードオフと一致している。
論文 参考訳(メタデータ) (2026-10-08T21:44:51Z) - Low-Rank Masking for Single-Server Matrix Multiplication [51.03944325005779]
有限フィールド$mathbb F_q$の行列乗算を単一サーバにアウトソーシングする際の統計的プライバシーについて検討する。
独立な均一な$ntimes n$入力に対して、一様エンファンクボールマスクと独立な一様要因の積は、完全サーバビューに対して少なくとも$q-r$の最大相関機密を与えることを示す。
論文 参考訳(メタデータ) (2026-09-16T16:12:28Z) - Adaptation to Intrinsic Dependence in Diffusion Language Models [5.185131234265025]
拡散言語モデル(DLM)は自己回帰(AR)アプローチに代わる有望な代替手段として登場した。
対象データ分布の(未知の)依存構造に適応するDLMの分布に依存しないアンマスキングスケジュールを提案する。
この結果は, 先行収束理論を著しく改善し, 低複雑さ分布に対する相当なサンプリング加速を得た。
論文 参考訳(メタデータ) (2026-02-23T18:41:34Z) - On the Complexity Theory of Masked Discrete Diffusion: From $\mathrm{poly}(1/ε)$ to Nearly $ε$-Free [49.34727933066799]
マスク付き離散拡散(マスク付き離散拡散)は、トークンが識別される前に特別なマスクシンボルによって劣化するテキスト生成のフレキシブルパラダイムである。
その結果,Eulerサンプルは,$tildeO(d2epsilon-3/2)$離散スコア評価で,総変量(TV)の$epsilon$-精度を達成できることが判明した。
そこで我々は,有界スコアの仮定を取り除き,偏りのない離散スコア近似を保ったMask-Aware Truncated Uniformization (MATU) アプローチを提案する。
論文 参考訳(メタデータ) (2025-09-26T03:50:17Z) - MaskPro: Linear-Space Probabilistic Learning for Strict (N:M)-Sparsity on Large Language Models [53.36415620647177]
半構造化された空間は、M$M$の重みからN$の要素を戦略的に保持することで、有望なソリューションを提供する。
既存の(N:M)互換のアプローチは通常、かなりのエラーに悩まされるルールベースの階層的な欲求探索と、禁止的なトレーニングコストを引き起こす勾配駆動学習の2つのカテゴリに分類される。
MaskProという新しい線形空間確率的フレームワークを提案する。これは、M$連続重みごとに事前のカテゴリー分布を学習し、その後、この分布を活用して(N:M)スパーシリティを$N$-wayサンプリングを通じて生成することを目的としている。
論文 参考訳(メタデータ) (2025-06-15T15:02:59Z) - Image Inpainting by End-to-End Cascaded Refinement with Mask Awareness [66.55719330810547]
任意の欠落領域を塗りつぶすことは、様々なマスクされた領域で有効な特徴を学ぶことは非自明だから難しい。
符号化フェーズにおける欠落領域のマルチスケール特徴を学習する新しいマスク対応インペイントソリューションを提案する。
私たちのフレームワークは、3つの公開データセットに関する広範な実験を通じて定量的および定性的に検証されます。
論文 参考訳(メタデータ) (2021-04-28T13:17:47Z) - Masksembles for Uncertainty Estimation [60.400102501013784]
ディープニューラルネットワークは、その強みを巧みに実証しているが、その予測の信頼性を推定することは依然として困難である。
深層アンサンブルは不確かさを推定する最良の方法の1つと考えられているが、訓練や評価は非常に高価である。
mc-dropoutも人気の高い代替品で、安価だが信頼性も低い。
論文 参考訳(メタデータ) (2020-12-15T14:39:57Z) - Improving Self-supervised Pre-training via a Fully-Explored Masked
Language Model [57.77981008219654]
Masked Language Model (MLM)フレームワークは、自己教師型言語事前学習に広く採用されている。
そこで本研究では,テキストシーケンスを複数の非重複セグメントに分割するマスキング手法を提案する。
論文 参考訳(メタデータ) (2020-10-12T21:28:14Z) - Proposal-Free Volumetric Instance Segmentation from Latent
Single-Instance Masks [16.217524435617744]
この研究は、新しいプロポーザルフリーなインスタンスセグメンテーション手法を導入している。
画像全体で予測されるシングルインスタンスセグメンテーションマスクをスライディングウィンドウスタイルで構築する。
関連するアプローチとは対照的に,本手法では,各画素毎に1つのマスクを同時に予測し,画像全体のコンフリクトを解消する。
論文 参考訳(メタデータ) (2020-09-10T17:09:23Z)
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。