摘要。多方量子计算(MPQC)允许一组各方通过私人量子数据安全地计算量子电路。当前的MPQC协议依赖于网络是同步的事实,即,保证发送的消息可以在已知的固定延迟上限内传递,不幸的是,即使只有一条消息迟到,也完全分解了。是由现实世界网络的动机,Ben-OR,Canetti和Goldreich(Stoc'93)的开创性工作启动了对不同步网络的经典电路的多方计算的研究,其中网络延迟可以是任意的。在这项工作中,我们开始研究异步多方量子计算(AMPQC)协议,其中计算电路为量子。我们的结果完全表征了最佳可实现的损坏阈值:我们提出了一个n-党AMPQC协议,最多可将T 值得注意的是,这种特征与类似的经典环境不同,其中最佳损坏阈值为t值得注意的是,这种特征与类似的经典环境不同,其中最佳损坏阈值为t
摘要 - 填充学习(FL)是机器学习越来越流行的方法(ML),在培训数据集高度分布的情况下。客户在其数据集中执行本地培训,然后将更新汇总到全球模型中。现有的聚合协议要么效率低下,要么不考虑系统中恶意参与者的情况。这是使FL成为隐私敏感ML应用的理想解决方案的主要障碍。我们提出E LSA,这是FL的安全聚合协议,它打破了此障碍 - 它是有效的,并解决了其设计核心的恶意参与者的存在。与PRIO和PRIO+的先前工作类似,E LSA提供了一种新颖的安全聚合协议,该协议是由两台服务器构建的,该协议是在两台服务器上构建的,只要一台服务器诚实,捍卫恶意客户端,并且是有效的端到端。与先前的工作相比,E LSA中的区别主题是,客户不是交互产生加密相关的服务器,而是在不损害协议安全性的情况下充当这些相关性的不受信任的经销商。与先前的工作相比,这导致了更快的协议,同时还可以实现更强的安全性。我们引入了新技术,即使服务器是恶意的,在运行时的较小成本为7-25%,而对于半honest服务器的情况,通信的增加而言可以忽略不计。我们的工作改善了先前工作的端到端运行时,具有相似的安全保证的大幅度保证 - 单格聚集器ROFL最多305 x(对于我们考虑的模型),并最多分配了8 x。
努力促进公平、问责和透明被认为对于培养人工智能信任 (TAI) 至关重要,但现有文献对这种“信任”的阐述令人沮丧。缺乏对信任本身的阐述表明信任是普遍理解的、不复杂的,甚至无趣的。但真的是这样吗?我们对 TAI 出版物的分析揭示了许多不同的倾向,这些倾向在谁在信任(代理人)、信任什么(对象)、基于什么(基础)、为了什么(目标)和为什么(影响)方面有所不同。我们开发了一个本体来封装这些关键差异轴,以 a) 阐明文献中看似不一致的地方,b) 更有效地管理令人眼花缭乱的 TAI 考虑因素。然后,我们通过探索公平、问责和透明度的出版物语料库来反映这个本体,以研究在这些促进信任的方法中和之间考虑 TAI 的各种方式。
摘要 — 量子信息的脆弱性使得在量子信道传输下完全将量子态与噪声隔离几乎是不可能的。量子网络是由量子处理设备通过量子信道互连而形成的复杂系统。在这种情况下,表征信道如何在传输的量子态中引入噪声至关重要。非幺正量子信道引入的误差分布的精确描述可以为量子纠错协议提供信息,以针对特定误差模型定制操作。此外,通过使用端到端测量监控网络来表征此类误差,端节点可以推断网络链路的状态。在这项工作中,我们通过引入量子网络断层扫描问题来解决量子网络中量子信道的端到端表征问题。该问题的解决方案是使用仅在端节点中执行的测量来估计定义网络中所有量子信道的 Kraus 分解的概率。我们详细研究了任意星形量子网络的情况,这些网络的量子信道由单个 Pauli 算子描述,例如比特翻转量子信道。我们为此类网络提供了多项式样本复杂度的解决方案。我们的解决方案证明预共享纠缠在参数可识别性方面具有估计优势。
推荐引用推荐引用引用McCulloough,Alexander PE,Armstrong R,Arvinte C,Bain AF,Bartlett RP,Berkowitz RL,Berry AC,Bory TJ,Borody TJ,Brewer JH,Brewer JH,Brurusky AM,Clarke T,Clarke T,Eck,Eck,Eck,Eck,Eck,Eck,Eck,Eck,Eck,Eck A,Eck J,Eisner RA,Fareed GC,Fareella A,Fonseca SNS,Geyere CE,Jr. Marble B, McCinnon je, merritt Ll, Orient jm, Oskoui r, pompan dc, prodrom bc, prodromos c, rajter jc, rajter jc, ram cvs, risch ss, risch ha, robb mja, rutherford m, scholz m, singleton mm, Tyson bm, Urso RG,Victory K,Vlietel,Wax CM,Wolkoff AG,Wooll V和Zelenko诉。多面的高度靶向序列的序列多饮用治疗早期的高危SIRS-COV-2感染(VOID-19)。Rev Cardiovasc Med 2020; 21(4):517-5
铁死亡是一种铁依赖性的非凋亡性细胞死亡,其特征是过度脂质过氧化,与肝脏中的多种病理状况有关。新出现的证据支持这样的观点:代谢途径失调和铁稳态受损通过铁死亡在肝病进展中发挥作用。尽管铁死亡导致疾病的分子机制尚不清楚,但有几种与铁死亡相关的基因和途径与肝病有关。在这里,我们回顾了肝脏在处理营养物质方面的生理作用、我们目前对铁代谢的理解、铁死亡的特征以及调节铁死亡的机制。此外,我们总结了铁死亡在肝病发病机制中的作用,包括肝损伤、非酒精性脂肪性肝炎、肝纤维化、肝硬化和肝细胞癌。最后,我们讨论了针对铁死亡治疗肝病的治疗潜力。
粉末流速是定向能量沉积 (DED) 工艺中的一个关键参数。在典型的构建过程中,如果粉末流速仅降低 1 秒,就会影响 30 毫米的熔体轨迹。因此,即使粉末流速发生微小变化也会对构建质量产生重大影响。在这项工作中,使用离线重量测量、流动成像、现场构建数据和同轴熔池成像等多种方法量化了不同类型 316 L 钢粉末的粉末流稳定性。观察到流速振荡,与粉末料斗转盘旋转的周期性相关,其幅度足以对构建质量造成影响并可在同轴熔池成像中识别。讨论了流速变化对使用熔池成像进行闭环控制的影响。
MAK ONE 可以在教室和实验室本地部署,也可以在笔记本电脑的便携环境中部署,还可以在分布式模拟网络、虚拟机或云端部署。
储能提供了一种有效的转移时间能源需求和供应的方法,这可以在分时电价计划下显著降低成本。尽管储能具有巨大的优势,但目前的储能成本仍然昂贵,这对实际部署构成了重大障碍。提高成本效益的更可行的解决方案是共享储能,例如社区共享、云储能和点对点共享。然而,向外部储能运营商透露私人能源需求数据可能会损害用户隐私,并且容易受到数据滥用和泄露的影响。在本文中,我们探索了一种基于隐私保护区块链和安全多方计算来支持具有隐私保护的储能共享的新方法。我们提出了一种集成解决方案来实现隐私保护的储能共享,这样就可以在不了解个人用户需求的情况下实现储能服务调度和成本分摊。它还支持电网运营商通过区块链进行审计和验证。此外,我们的隐私保护解决方案可以防止大多数不诚实的用户串通作弊,而无需可信的第三方。我们在现实世界的以太坊区块链平台上将我们的解决方案作为智能合约实现,并在本文中提供了实证评估 1 。
位于不同地点的 M 个互不信任的参与方通过某个商定的协议 R 掷一个 N 面骰子,如果第 k 方诚实遵循 R 而其他方任意偏离 R,则结果 o 的概率为 P(o),满足 | P(o)−Po|≤δ,其中,对于所有 o∈ZN={0,1,...,N−1},对于所有 k∈[M]={1,2,...,M},对于商定的整数 M、N≥2 以及商定的概率分布 P={Po}N−1o=0。这项任务称为 M 方偏向的 N 面掷骰子,或简称为掷骰子,是最通用的随机安全多方计算类型,其中所有参与方都会收到计算的输出,并且没有任何一方提供秘密输入 [1]。无偏掷骰子对应于 P o = 1 / N 的情况,对于所有 o ∈ ZN 。掷骰子协议 R