抗碰撞散列是现代密码学的基本原语,它确保没有有效的方法来找到产生相同哈希值的不同输入。此属性支撑着各种加密应用程序的安全性,因此了解其复杂性至关重要。在经典环境中,这个问题的复杂性是众所周知的,需要 Θ( N 1 / 2 ) 次查询才能找到碰撞。然而,量子计算的出现带来了新的挑战,因为量子对手——具备量子查询的能力——可以更有效地找到碰撞。Brassard、Høyer 和 Tapp [ BHT98 ] 以及 Aaronson 和 Shi [ AS04 ] 确定,全尺寸量子对手需要 Θ( N 1 / 3 ) 次查询才能找到碰撞,这促使需要更长的哈希输出,这会影响安全所需密钥长度的效率。本文探讨了噪声中尺度量子 (NISQ) 时代的量子攻击的影响。在这项工作中,我们研究了三种不同的 NISQ 算法模型,并为所有算法实现了严格的界限:
摘要 摘要 摘要 摘要 RFID(射频识别)是一种识别技术,在各个领域的使用越来越引起人们的极大兴趣。然而,这些 RFID 系统面临的最大挑战之一是安全性。为了确保良好的安全性并保护这些系统用户的隐私,使用了加密技术。由于 RFID 系统的特点是资源有限(内存、计算能力),因此用于这些系统的加密协议必须使用轻量级或超轻量原语。已经为 RFID 系统提出了许多加密协议。不幸的是,尽管设计和实现这些协议需要大量的时间和精力,但大多数协议都发现了漏洞和安全缺陷。在使用之前对其进行验证成为至关重要的需求。在这项工作中,我们对基于 AVISPA&SPAN 工具的密码协议的形式化验证感兴趣。我们检查了两个协议:第一个 (R 2 AP) 被证明是完美的。另一方面,第二个(HMNB)容易受到两种攻击(重放攻击和中间人攻击)。对于后者,我们提出了一项改进,事实证明可以抵抗攻击
法语版通用注册文件于 2023 年 3 月 31 日根据 (EU) 2017/1129 条例向法国金融市场管理局 (Autorité des marchés financiers - AMF) 提交,作为主管当局,无需根据该条例第 9 条获得事先批准。通用注册文件可用于向公众发售证券或在受监管市场上交易证券,以及任何修订(如适用)以及 AMF 根据 (EU) 2017/1129 条例批准的证券说明和摘要。本报告的英文版是法语原文的自由翻译。在所有解释问题上,法语文件原语言版本中表达的观点或意见优先于翻译。通用注册文件中包含的年度财务报告是 ESEF(欧洲单一电子格式)格式的官方年度财务报告版本的翻译,可在发行人的网站上查阅。本文件是通用注册文件的英文翻译。
我们介绍了Moiréwidgets,这是一种在Teraction中有形的新方法,它利用MoiréFect(一种普遍存在的光学现象)来启用对物理小部件的高精度事件检测。与需要与外部硬件紧密耦合的其他无电子的有形用户界面不同,Moiréwidgets可以在更远的距离上使用,同时保持交互的高分辨率感官。我们为一组相互作用的原语,例如按钮,滑块和拨盘,可以用作独立对象或组合以构建复杂的物理控制。这些由3D打印的结构机制组成,图案在两层上打印了图案 - 一层在纸上,另一个在塑料透明度纸上 - 产生一个视觉信号,可放大微妙的动作,从而能够检测用户输入。我们的技术评估表明,我们的方法的表现优于标准的fducial标记,并在100 cm的距离处保持亚毫米准确性,并且宽阔的观看GLES。我们通过创建音频控制台来演示我们的方法,并指示我们的方法如何扩展到其他域。
最近,人们对量子最优控制和变分量子算法相互作用的兴趣和见解激增。我们在量子比特的背景下研究该框架,例如,量子比特可定义为与传输器耦合的超导腔系统的可控电磁模式。通过采用 (Petersson and Garcia, 2021) 中描述的最新量子最优控制方法,我们展示了对多达八个状态的单量子比特操作和两个量子比特操作的控制,分别映射到谐振器的单个模式和两个模式。我们讨论了对参数化门的封闭系统进行数值脉冲工程的结果,这些门可用于实现量子近似优化算法 (QAOA)。结果表明,对于大多数研究案例,在足够的计算努力下,可以实现高保真度 (> 0.99),并且可以扩展到多种模式和开放的噪声系统。定制的脉冲可以被存储起来并用作电路量子电动力学 (cQED) 系统中未来编译器的校准原语。
量子隐形传态被认为是许多量子信息处理任务中的基本原语,并已在各种光子和基于物质的装置中得到实验证实。在这里,我们考虑在费米子场模式中编码的量子信息的隐形传态。在费米子系统中,超选择规则导致纠缠和隐形传态的图景更加不同。特别是,人们被迫区分单模纠缠交换和通过贝尔不等式违反进行认证或不进行认证的量子比特隐形传态,正如我们在此处详细讨论的那样。我们重点关注受奇偶校验超选择影响的系统,其中粒子数不固定,并将它们与受粒子数超选择约束的系统进行对比,这些系统与可能的实际实现相关。最后,我们分析了对费米子模式纠缠的操作解释的影响,并研究了所谓的混合最大纠缠态对隐形传态的有用性。
非局部量子计算 (NLQC) 用一轮同时进行的通信和共享纠缠取代了两个量子系统之间的相互作用。我们研究了两类 NLQC,f -routing 和 f -BB84,它们与经典信息论密码学和量子位置验证相关。我们给出了两种设置中纠缠的第一个非平凡下界,但仅限于具有完美正确性的下界协议。在这种情况下,我们给出了完成给定函数 f ( x, y ) 的这些任务的任何纠缠态的 Schmidt 秩的下界,其矩阵 g ( x, y ) 的秩为当 f ( x, y ) = 0 时其元素为零,否则严格为正。这也导致了 Schmidt 秩的下界,以 f ( x, y ) 的非确定性量子通信复杂度为依据。由于 f 路由与信息论密码学中研究的条件秘密披露 (CDS) 原语之间的关系,我们获得了一种降低 CDS 随机性复杂度的新技术。
[ Mah20 , Bra18 ] 的 QFHE 构造建立在可从 LWE 假设构建的经典 FHE 方案之上。然而,他们的方案使用了特定 FHE 方案的非常特殊的属性。例如,[ Mah20 ] 使用了对偶 GSW FHE 方案 [ GSW13 ] 以及从 LWE 构建的噪声陷门无爪函数。该构造利用了这样一个事实:位 b 的对偶 GSW 加密可以转换为对该位“编码”的无爪函数对 ( f 0 , f 1 ) 的描述,对于两个原像 x 0 和 x 1 ,使得 f 0 ( x 0 ) = f 1 ( x 1 ) ,x 0 和 x 1 的第一位与 b 异或。类似地,[ Bra18 ] 关键性地使用了 GSW 加密方案和与给定密文一致的所有随机字符串集合的离散高斯结构。换句话说,这两种方案都使用了底层原语的特定实例,并利用了它们复杂的相互作用。这引出了一个自然的问题,这也是我们工作的起点:
使用可信硬件已成为实现隐私保护机器学习的一种有前途的解决方案。具体而言,用户可以将其私人数据和模型上传到硬件强制的可信执行环境(例如,支持 Intel SGX 的 CPU 中的飞地),并在其中运行机器学习任务,并确保机密性和完整性。为了提高性能,AI 加速器已广泛应用于现代机器学习任务。然而,如何保护 AI 加速器上的隐私仍然是一个悬而未决的问题。为了解决这个问题,我们提出了一种基于未修改的可信 CPU 和定制的可信 AI 加速器的高效隐私保护机器学习解决方案。我们谨慎地利用加密原语来建立信任并保护 CPU 和加速器之间的通道。作为一个案例研究,我们基于开源多功能张量加速器展示了我们的解决方案。评估结果表明,所提出的解决方案以较小的设计成本和适中的性能开销提供了高效的隐私保护机器学习。
不可预测函数 (UPF) 在经典密码学中起着重要作用,包括消息认证码 (MAC) 和数字签名。在本文中,我们介绍了 UPF 的量子类似物,我们称之为不可预测状态生成器 (UPSG)。UPSG 由伪随机函数类状态生成器 (PRFS) 隐含,伪随机函数类状态生成器是伪随机函数 (PRF) 的量子类似物,因此即使单向函数不存在,UPSG 也可能存在,类似于其他最近引入的原语,如伪随机状态生成器 (PRSG)、单向状态生成器 (OWSG) 和 EFI。在经典密码学中,UPF 等同于 PRF,但在量子情况下,等价性尚不清楚,UPSG 可能比 PRFS 弱。尽管如此,我们证明所有已知的 PRFS 应用也可以通过 UPSG 实现。它们包括 IND-CPA 安全密钥加密和具有不可克隆标签的 EUF-CMA 安全 MAC。我们的研究结果表明,对于许多应用来说,量子不可预测性而不是量子伪随机性就足够了。