Score:1

ข้อดีของ Tree Parity Machines (การเข้ารหัสทางประสาท)

ธง ir

ดูเหมือนว่าการเข้ารหัสทางระบบประสาทเป็นหัวข้อการวิจัยที่น่าสนใจ และมีส่วนสำคัญบางประการที่เผยแพร่ในช่วงหลายปีที่ผ่านมา

อัลกอริธึมที่นำเสนอนี้เหมาะสำหรับการสร้างคีย์แบบสมมาตรโดยเริ่มจากน้ำหนักที่ซ่อนอยู่ทั่วไป ซึ่งเป็นตัวแทนของ Diffie-Hellman ที่เป็นไปได้

เท่าที่ฉันเข้าใจ ข้อได้เปรียบหลักคือ Tree Parity Machines มีความทนทานต่อควอนตัมและการใช้งานฮาร์ดแวร์นั้นง่ายกว่าเมื่อเทียบกับ DH

ดังนั้นคำถามของฉันคือ เพียงพอหรือไม่ที่จะเปลี่ยนไปใช้การเข้ารหัสทางประสาทในกรณีการใช้งานจริง หรือชุมชนวิทยาศาสตร์พิจารณาว่า TPMs เป็นเพียงแนวโน้ม เนื่องจาก Perceptrons? หรือไม่ปลอดภัยที่จะปรับใช้ TPM เนื่องจากต้องมีการค้นหาเพิ่มเติมในหัวข้อนี้ และเกี่ยวกับอินพุตสาธารณะทั่วไป: ในการใช้งานจริงเป็นภัยคุกคามหรือจำเป็นต้องเก็บเป็นความลับเพื่อให้การรับรองความถูกต้องหรือไม่

ขอบคุณล่วงหน้า.

fgrieu avatar
ng flag
โปรดให้การอ้างอิงถึงแหล่งที่มาที่แนะนำ Tree Parity Machine เป็นทางเลือกที่ทนทานต่อควอนตัมแทน DH **อัปเดต 2**: ฉันลบแท็ก TPM ซึ่งอ้างถึง Trusted Platform Module ไม่ใช่ Tree Parity Machines
Score:3
ธง ng

หลังจากการค้นหาเกี่ยวกับ Tree Parity Machines เป็นเวลาหนึ่งชั่วโมงแทนการแลกเปลี่ยนคีย์ Diffie-Hellman ฉันพบว่า:

สำหรับการติดตาม ฉันแนะนำให้อ่านบทคัดย่อฟรีของ paywalled นี้ บทความสำรวจปี 2555.


นับว่าฉันไม่เชื่อในการเปิดเผยแนวคิดทั้งหมดเป็นครั้งแรก และยังเกี่ยวกับคุณภาพของบทความติดตามผลบางบทความที่อ้างอิงต้นฉบับแต่ไม่ใช่การหักล้าง

โพสต์คำตอบ

คนส่วนใหญ่ไม่เข้าใจว่าการถามคำถามมากมายจะปลดล็อกการเรียนรู้และปรับปรุงความสัมพันธ์ระหว่างบุคคล ตัวอย่างเช่น ในการศึกษาของ Alison แม้ว่าผู้คนจะจำได้อย่างแม่นยำว่ามีคำถามกี่ข้อที่ถูกถามในการสนทนา แต่พวกเขาไม่เข้าใจความเชื่อมโยงระหว่างคำถามและความชอบ จากการศึกษาทั้ง 4 เรื่องที่ผู้เข้าร่วมมีส่วนร่วมในการสนทนาด้วยตนเองหรืออ่านบันทึกการสนทนาของผู้อื่น ผู้คนมักไม่ตระหนักว่าการถามคำถามจะมีอิทธิพลหรือมีอิทธิพลต่อระดับมิตรภาพระหว่างผู้สนทนา