MétaCan
Menu
Retour à la cohorte
Enregistrement W2171626127 · doi:10.1109/ccece.2011.6030653

Efficient architectures for modular exponentiation using Montgomery powering ladder

2011· article· en· W2171626127 sur OpenAlexaff
Yiruo He, Huapeng Wu

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueCryptography and Residue Arithmetic
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésModular exponentiationScalar multiplicationExponentiationSide channel attackComputer scienceCryptosystemModular arithmeticCurve25519Public-key cryptographyParallel computingArithmeticElliptic curve cryptographyCryptographyModular designElliptic curveMultiplication (music)MathematicsAlgorithmEncryptionOperating systemPure mathematics

Résumé

récupéré en direct d'OpenAlex

Side channel attacks have been considered as serious threats to certain public-key cryptosystems, such like RSA and elliptic curve system. For modular exponentiation for RSA and scalar multiplication for elliptic curve cryptosystems, Montgomery powering ladder has been shown to be a good choice for counter-measures against side-channel attacks. In this paper, two efficient architectures for modular exponentiation respectively using Montgomery powering ladder algorithm and m-ary powering ladder method are proposed. The first one is a straightforward and efficient implementation of the Montgomery powering ladder algorithm, in which the multiplication and squaring are performed in parallel during each clock cycle. A novel-designed two-by-two cross-point switch is used to select each ladder step. By parallelizing the Montgomery powering ladder using loop unrolling technique so that the number of loops is reduced by half, a second efficient architecture is proposed that requires only half number of clock cycles compared to the first one. The second proposed architecture realizes the m-ary Montgomery powering ladder for the case that the radix equals to 4.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,506
Score d'incertitude au seuil0,297

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,036
Tête enseignante GPT0,235
Écart entre enseignants0,198 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCryptography and Residue ArithmeticTravaux en français237 207