Java Benchmark Performance of Homomorphic Polynomial Public Key Cryptography for Key Encapsulation and Digital Signature
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In this paper, we present a comprehensive benchmarking analysis of Homomorphic Polynomial Public Key (HPPK) cryptography, focusing on its Key Encapsulation Mechanism (KEM) and Digital Signature (DS) implementations in Java. Leveraging high-level language implementations, we showcase the outstanding performance of HPPK, demonstrating clock cycles approximately doubled in comparison to its C counterparts. This significant achievement positions HPPK as a versatile and high-performance cryptographic solution, paving the way for extensive applications across various domains. Our study builds upon earlier benchmarking endeavors in C, where Kuang et al. reported exceptional results using the Supercop Toolkit. By transitioning to Java, a high-level language, we highlight the adaptability and efficiency of HPPK, making it accessible for a broader range of applications. The observed doubling of clock cycles in Java implementations underscores the remarkable performance achievable with high-level languages, reinforcing HPPK's standing as a robust and efficient post-quantum cryptographic solution. Through meticulous examination and comparison of key cryptographic operations, including key generation, encapsulation, decapsulation, signing, and verification, our paper provides valuable insights into the practical viability of HPPK in Java. The implications extend to diverse applications such as blockchain, digital currency, and Internet of Things (IoT) devices, where HPPK's superior performance can be harnessed effectively.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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