Trapdoored Clifford Operators and Applications
随机 Clifford 算子在量子计算中用途极广：随机基准测试（randomized benchmarking）、经典影子（classical shadows）、量子认证等协议都依赖对 n 量子比特 Clifford 群上的均匀随机采样。但
#LPN
共收录 4 条相关情报。
← 返回所有主题Maverick: Private and Verifiable LLM Inference Made Practical via Matrix-Vector Multiplication Delegation
该论文面向一个日益突出的现实矛盾：开源大模型（LLM）在能力上已可与闭源模型竞争，并且允许用户在不把输入暴露给服务商的前提下本地推理，但大规模模型对本地算力要求极高，因此大量用户仍不得不租用第三方算力，从而重新引入隐私泄露与计算结果被篡改（
Towards Worst-case Hardness for Low-Noise LPN
该论文研究了带噪奇偶学习（LPN）问题的困难性。LPN 是密码学中的基础假设，支持从对称密钥原语到公钥加密等多种构造。一个核心开放问题是：LPN 的平均情况困难性能否像 LWE 那样基于最坏情况复杂性假设。现有的最坏情况到平均情况归约（BL
Hardness Amplification for (Sparse) LPN
本文针对带噪声线性奇偶校验学习问题（LPN）及其稀疏变体证明了新的硬度放大结果。LPN问题是密码学中重要的平均情况困难问题，其困难性假设是许多密码方案安全性的基础。在标准LPN_{η,n,m}中，目标是从m个带噪声的线性样本中恢复秘密向量s