XiaoMi-AI文件搜索系统
World File Search SystemPrimitives
迁移到后量子密码学 (PQC)
• 组织通常不知道公钥加密的应用范围和功能依赖性。• 当后量子替代品出现时，我们所依赖的许多加密产品、协议和服务将需要更换或进行重大改变。• 信息系统通常没有敏捷设计，无法支持快速适应新的加密原语和算法，而无需对系统基础设施进行重大更改——这需要大量的人工工作。• 一个真正重大的挑战是在从易受量子攻击的算法过渡到抗量子算法期间，保持组织和组织元素之间的连通性和互操作性。
TESSERAE 大型空间结构项目
• 制造按比例缩小的机电基元：为测试组装和构造概念，在实验室中构建了约 1:50 的缩小实验硬件平台。最受探索的几何形状之一“巴基球”提供了高效的表面积与体积比，接近球体。对于太空应用，考虑到将预制表面覆层发射到轨道的成本高昂，最好在给定表面积下最大化体积。这些结构基元允许快速进行原型设计、迭代，以及通过几何和磁性对结构粘合的物理和机电特性进行评估。具体而言，瓦片之间的二面角粘合角为巴基球或其他封闭形状建立了适当的壳几何形状，磁体行为由计算代码和每个瓦片中的电力电子设备控制。主要构建两种类型的基元：可自组装成空心结构的壳瓦片，例如巴基球的五边形和六边形瓦片（图 1）；和细胞节点（即准六面体）可自组装成填充空间的设计，例如截角八面体线的堆叠。我们使用了多种 3D 打印技术来制造外壳，为了获得更精确的公差，我们优先使用光固化光聚合物打印机。这些瓷砖通过电池和超级电容器组合供电，在我们最新的国际空间站 (ISS) 测试原型上，其规格为 2 到 3 秒内产生 20 W 脉冲（图 2）。一套定制的电子元件（包括传感器、LED、中央处理器和数据存储器）安装在预制的 PCB（印刷电路板）上，这些 PCB 运行 Python 和 C++ 中的自组装算法代码。 • 微重力测试：这些微型平台随后在微重力环境中进行测试，测试范围从抛物线“零重力”飞行中反复出现的 15-20 秒失重期，到亚轨道火箭实验室内三分钟的漂浮，再到国际空间站上为期多天的轨道任务（图 3）。当被释放到这些微重力环境中漂浮时，瓷砖会记录传感器数据，摄像头会捕捉镜头进行分析，为下一系列迭代原型提供信息。这些微重力测试对于全面了解在优化的瓷砖质量与磁场强度比下的自组装行为至关重要。对于国际空间站任务，要么使用密闭实验箱进行纯自主轨道测试，瓷砖必须在其中自行启动，要么在宇航员看管的实验中将瓷砖释放到开放过道中，以获得更大的测试空间。 3 为了补充小规模硬件测试，我们使用了一套机器人模拟软件（特别是 Cyberbotics 的 WeBots）来生成人类居住规模的轨道上自组装行为的数学严格模型。
量子加密和元复杂性
在经典密码学中，单向函数（OWFS）是最小的假设，而量子密码学中并非如此。引入了几种新的原语，例如伪兰顿单位（PRUS），伪andomfunction-likestate Generator（PRFSGS），PseudorandomState Generators（PRSGS），单向状态发电机（OWSGS），单向路线（OWNWAIGH），单向（Owpuzzs）（Owpuzzles）和EFAUZZS和EFAIRT。它们似乎比OWF弱，但仍然意味着许多有用的应用程序，例如私钥量子货币方案，秘密键加密，消息身份验证代码，数字签名，承诺和多方计算。现在，没有OWF的量子加密的可能性已经开放，该领域最重要的目标是建立它的基础。在本文中，我们第一次表征了具有元复杂性的量子加密原语。我们表明，当且仅当Gapk是弱量化的量子时，就存在单向拼图（Owpuzzs）。Gapk是一个有望的问题，可以决定给定的位字符串是否具有小的Kolmogorov复杂性。弱量化 - 平均强度意味着实例是从QPT可采样分布中采样的，对于任何QPT对手，其造成错误的可能性大于1 / poly。我们还表明，如果存在量子PRG，则GAPK是强烈的量子 - 平均水平。在这里，强烈的量化 - hardis是弱量化量的强度，其中对手犯错的概率大于1 /2 - 1 / poly。最后，我们表明，如果GAPK是弱经典的平均水平，那么就存在量子性（IV-POQ）的不可能证明。弱经典的平均雄硬与弱量子平均硬化相同，但对手是PPT。IV-POQ是捕获基于采样和基于搜索的量子优势的量子性证明（POQ）的概括，并且是Owpuzzs的重要应用。 这是量子优势基于元复杂性的第一个时间。 （注意：有两项并发作品，[KT24B，CGGH24]。）IV-POQ是捕获基于采样和基于搜索的量子优势的量子性证明（POQ）的概括，并且是Owpuzzs的重要应用。这是量子优势基于元复杂性的第一个时间。（注意：有两项并发作品，[KT24B，CGGH24]。）
使用高阶函数进行规划组合 - Brown CS
编程是一项复杂的活动，需要非常注重细节。这些细节在抽象层次上可能有很大差异，从非常低的抽象层次（例如，原始数据类型强制）到非常高的抽象层次（例如，算法和启发式选择）。维护所有这些细节可能非常繁重，会产生大量无关的认知负担。出于这些原因和其他原因，人们长期以来一直在尝试教学生规划解决方案。原则上，计划可以专注于高级解决策略，避免一些低级实现细节。通过将解决方案抽象为这些策略，还应该更容易识别解决方案之间的相似之处，并且可能将知识从一个问题转移到另一个问题。不幸的是，几十年来，有关规划和计划制定的文献并没有取得太大进展。从降雨问题 [ 34 ] 开始的研究发现学生无法解决问题，焦点转移到学生的困难而不是学生的计划上。直到最近几年，我们才看到学生成功解决了这个问题 [ 10 , 33 ] 和其他类似问题 [1, 12]。这些最近的成功案例主要要求学生编写程序并追溯学生使用的结构。相比之下，我们明确地回到了这个问题的根源，要求学生预先规划解决方案。具体来说，我们为他们提供了一套规划原语工具包，并要求他们将其组合成解决方案结构。我们可以提供什么原语？作为起点，我们选择使用内置的高阶函数 (hofs)。这种选择没有什么规范可言——人们也可以选择不同的起源。然而，我们选择它们有几个原因：
用于对称设计的人工智能......
现代密码学依赖于使用精确的数学定义和严格的证明来保证在特定对手策略模型下达到一定的安全级别。因此，设计一个可靠的密码原语或协议通常是一项艰巨的任务，对其进行密码分析也是如此。在这方面，人工智能 (AI) 提供了许多有趣的方法和工具来解决密码方案设计中的问题。通过查看现有文献，可以发现许多作品使用人工智能领域的各种方法来解决与密码学相关的几个用例。根据潜在问题的性质，可以将这些作品分为两个主要领域：搜索和优化。密码原语设计中的几个问题可以归结为离散搜索空间上的组合优化问题，例如，搜索具有所需加密属性的布尔函数和 S 盒等，它们是对称加密方案设计的基本构建块。为此，基于人工智能的启发式技术，如进化算法[51]、模拟退火[14]和群体智能[37]已被证明对于解决与密码学相关的优化问题非常有用。计算模型。第二个领域涉及使用属于人工智能领域的计算模型作为密码方案设计的组成部分。在这种情况下，基本思想是将整体方案的安全性与此类计算模型的复杂动态行为联系起来，这些计算模型原则上很难进行密码分析。也许这个研究线索中最著名的例子是细胞自动机，它主要用于设计对称加密原语，如用于流密码的伪随机数生成器（PRNG）[66，67]和用于分组密码的 S 盒 [20，39]。本章旨在对使用人工智能方法和模型设计密码原语和协议的最新进展进行概述，重点关注上述两个领域。特别是，我们考虑了基于人工智能的密码学最重要的用例，即布尔函数、S 盒和伪随机数生成器 (PRNG) 的设计。对于每个用例，我们介绍相应的密码设计问题，然后概述相关文献。最后，我们考虑了该研究领域在未来几年可能发展的两个新方向。本章的其余部分组织如下。第 2 节简要介绍了密码学的基本概念，并涵盖了与基于人工智能的启发式技术和细胞自动机相关的基本概念。第 3 至第 5 节重点介绍用于设计密码原语的人工智能技术，特别是布尔函数、S 盒和伪随机数生成器的用例。最后，第 6 节在最后讨论了基于人工智能的密码学领域的未解决的问题和未来研究的方向。
Quantum Pryptography 1简介2古典...
在最后几个讲座中，我们看到使用量子信息可以通过无条件安全性（假设经过认证的通道）来实现某个密码任务，即钥匙交换。然而，其他常见任务，包括承诺，投币和遗忘转移，证明不能。在接下来的几次讲座中，我们将换档，转移到一个诚实的政党是经典的世界，但对手是量子。这被称为量词后密码学。我们将重新访问经典的加密原语和任务，并查看在这样的世界中可以实现哪些的，以及到达那里所需的工具。特别是，我们将看到量词后的安全承诺，零知识和知识协议证明。但首先，让我们从经典密码学入门开始。
基于代码的假设的有损加密
在2005年推出的错误（LWE）假设[REG05]的学习已成为设计后量子加密术的Baiss。lwe及其结构化变体，例如ring-lwe [lpr10]或ntru [hps98]，是构建许多高级加密启示剂的核心GVW15]，非交互式零知识[PS19]，简洁的论证[CJJ22]以及经典的[GKW17，WZ17，GKW18，LMW23]和量子加密[BCM + 18，MAH18B]的许多其他进步。虽然LWE在产生高级原语方面具有令人惊讶的表现力，但其他量子后的假设，例如与噪音[BFKL94]，同基因[COU06，RS06，CLM + 18]和多变量四边形[HAR82]相近的疾病，以前的疾病是指定的，这使得直到直接的指示，这使得Inderiveive of to Inderiveive negripivessive to and Imply to negriptive for nightimivess，量子后密码学。这种状况高度令人满意，因为我们想在假设的假设中有一定的多样性，这意味着对冲针对意外的隐式分析突破。的确，最近的作品[CD23A，MMP + 23，ROB23]使Sidh在多项式时间中经典损坏的Quantum假设曾经是宽松的。这项工作旨在解决可能导致高级量化后加密术的技术和假设方面的停滞。在大多数情况下，这种假设缺乏多功能性可能归因于缺乏利用其他量词后假设的技术。这项工作的重点在于基于代码的加密假设，例如噪声（LPN）假设[BFKL94]及其变体的学习奇偶校验。与噪声的学习奇偶校验认为，被稀疏噪声扰动的随机线性方程（带有种植的秘密解决方案）出现了。即：
将高性能计算与量子计算相结合
- 将 GPU 加速引入量子经典计算：François Courteille，NVidia 首席解决方案架构师 - 量子互连以扩大量子技术：Tom Darras，WeLinq 首席执行官 - 用于解决复杂组合问题的基于量子定价的列生成框架，Wesley da Silva Coelho，Louis-Paul Henry 量子应用工程师，Loïc Henriet，Pasqal 首席技术官 - 云端可用的基于单光子的量子计算机：指标和基准” Shane Mansfield，首席研究官和 Jean Senellart，Quandela 首席产品官 - 基元和电路优化，Blake Johnson，IBM 量子平台负责人 - HPC 和 QC 集成平台：Jacques-Charles Lafoucrière，CEA HQI 项目负责人
密集的lpn＆Lossy Cryptography
在2005年推出的错误（LWE）假设[REG05]的学习已成为设计后量子加密术的Baiss。lwe及其结构化变体，例如ring-lwe [lpr10]或ntru [hps98]，是构建许多高级加密启示剂的核心GVW15]，非交互式零知识[PS19]，简洁的论证[CJJ22]以及经典的[GKW17，WZ17，GKW18，LMW23]和量子加密[BCM + 18，MAH18B]的许多其他进步。虽然LWE在产生高级原始剂方面已被证明具有出乎意料的表现性，但其他量子后的假设，例如与噪音[BFKL94]，同基因[COU06，RS06，CLM + 18]和多变量Quadriate Quadratie Quadratic [OSS84]相关的疾病，以前的疾病是在障碍的情况下，这使得直到启动的迹象，这使得曾经是直接的，这使得一直以前的疾病，这使得一直以前的疾病，这使得一直以前的疾病，这使得一直以前的疾病。量子后密码学。这种状况高度令人满意，因为我们想在假设的假设中有一定的多样性，这意味着对冲针对意外的隐式分析突破。的确，最近的作品[CD23A，MMP + 23，ROB23]使Sidh在多项式时间中经典损坏的Quantum假设曾经是宽松的。这项工作旨在解决潜在的停滞，以实现高级后量子加密的技术和假设。在大多数情况下，这种假设缺乏多功能性可能归因于缺乏利用其他量词后假设的技术。这项工作的重点在于基于代码的加密假设，例如噪声（LPN）假设[BFKL94]及其变体的学习奇偶校验。与噪声的学习奇偶校验认为，被稀疏噪声扰动的随机线性方程（带有种植的秘密解决方案）出现了。即：