PulseAugur
中
实时 07:16:00
English(EN) Learning the Word Problem: Geodesic Lengths and Cryptographic Applications

图神经网络解决文字问题的密码学应用

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了WPNet，一种新颖的图神经网络，旨在启发式地解决某些非阿贝尔群的文字问题。该模型将未约简的文字映射到动态图结构，在连续嵌入空间中对代数等价的元素进行聚类，以识别测地线代表，而无需离散约简步骤。WPNet的一个变体可以预测文字的测地线长度，并已应用于揭示Wagner-Magyarik公钥密码系统中的密码学漏洞。 AI

影响 引入了一种新颖的图神经网络方法来解决文字问题，可能通过揭示新的密码分析途径来影响后量子密码学。

排序理由 这是一篇研究论文，详细介绍了一种新颖的图神经网络架构，用于解决具有密码学应用的数学问题。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

图神经网络解决文字问题的密码学应用

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Elisabeth Fink ·

    学习词问题：测地线长度与密码学应用

    arXiv:2607.26241v1 Announce Type: cross Abstract: The Word Problem has been a subject of intensive mathematical study for over a century, initially driving advances in combinatorial group theory and more recently emerging as a foundational hardness assumption in post-quantum cryp…

相关实体

相关话题