「未来のコンピュータから秘密を守る競争」

『未来のコンピュータから秘密を守るための競争』

まだ誰もがわかりませんが、量子コンピューティングが現在の暗号化プロトコルを解読できるほど進歩するかどうかはわかりません。ただし、米国のサイバーセキュリティコミュニティでは、その脅威は現実的で緊急なものと見なされています。 ¶ クレジット:ベン・ワイズマン

中国、ロシア、アメリカは、将来の量子コンピュータが長年サポートされてきた暗号化プロトコルを解読して国家安全保障、金融システム、重要なインフラを危険にさらすことを防ぐ方法を追求しています。

現在最も強力な量子デバイスは433量子ビット(キュービット)を使用していますが、現代の暗号化システムを解読するには数万または数百万のキュービットが必要になる可能性があります。

アメリカの科学者は、強力な量子コンピュータでも解読できない暗号化システムを開発するために取り組んでおり、国立標準技術研究所(NIST)は来年、新しいシステムへの移行のためのガイダンスを最終的にまとめる予定です。

NISTは、2035年までに国際的な学術協力によって開発された量子耐性アルゴリズムへの可能な限りの移行を連邦政府が目指していると述べています。

NISTが推奨した使用範囲を広げるためのアルゴリズムの中には、格子基盤のものもあり、次元が増えるほど復号を複雑化するという特徴があります。 The New York Timesからの引用 全文を見る – 有料サブスクリプションが必要な場合があります

要旨の著作権は2023年に属します SmithBucklin , ワシントンDC, アメリカ

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!

Share:

Was this article helpful?

93 out of 132 found this helpful

Discover more

データサイエンス

機械学習モデルを成長させる方法の学習

新しいLiGO技術により、大規模な機械学習モデルのトレーニングを加速し、AIアプリケーションの開発にかかる費用と環境負荷を...

AI研究

Google DeepMindの研究者がSynJaxを紹介:JAX構造化確率分布のためのディープラーニングライブラリ

データは、その構成要素がどのように組み合わさって全体を形成するかを説明するさまざまな領域で構造を持っていると見なすこ...

AI研究

Google DeepMindの研究者は、機能を維持しながら、トランスフォーマーベースのニューラルネットワークのサイズを段階的に増やすための6つの組み合わせ可能な変換を提案しています

最近、トランスフォーマベースのニューラルネットワークは注目を集めています。トランスフォーマーアーキテクチャ(図1参照)...

機械学習

「HybridGNetによる解剖学的セグメンテーションの秘密を明らかにする:可能性のある解剖学的構造のデコードのためのAIエンコーダーデコーダー」

最近の深層ニューラルネットワークの進歩により、解剖的セグメンテーションに取り組むための新しいアプローチが可能になりま...

AI研究

このAI研究は、FlashAttentionに基づいた新しい人工知能アプローチであるフラッシュデコーディングを紹介しますこれにより、長いコンテキストのLLM推論を最大8倍速く行うことができます

ChatGPTやLlamaなどの大規模言語モデル(LLM)は、優れた自然言語処理能力により、テキスト生成からコード補完までさまざまな...