28、安全两方计算中的部分公平性探索

安全两方计算中的部分公平性探索

1. 引言

在安全两方计算场景里,两方运行一个协议,能让各方了解其输入的(可能不同的)函数值,同时保证隐私、正确性、输入独立性等安全属性。传统上,这些要求通过将协议的现实世界执行与理想世界进行对比来形式化,理想世界中有一个可信实体代表各方进行计算。简单来说,如果对于任何现实世界的敌手A,都存在一个对应的理想世界敌手S(破坏同一方),使得在现实世界中与A执行协议的过程,在计算上与在理想世界中与S计算函数的过程不可区分,那么这个协议就是“安全的”。

公平性是一个理想的安全属性,直观上它确保要么双方都获得输出,要么双方都得不到输出。在“真正的”理想世界中(即多方场景里多数方诚实的理想世界),公平性是有保障的,因为评估函数的可信方会向双方提供输出。然而,一般来说,在两方场景中实现完全公平是不可能的。

因此,通常的安全两方计算处理方式会将理想世界弱化,使得公平性不再得到保证。若一个协议能相对于这个不太令人满意的理想世界进行模拟,那么它就被称为“带中止的安全协议”。

已经有多种实现部分公平性的方法被提出,但除了少数情况外,之前的工作在定义部分公平时都偏离了传统的现实/理想世界范式。而且,许多先前的方法仅适用于特定场景或在某些输入和辅助信息假设下,并非能用于任意输入上任意函数计算的通用解决方案。此外,很多关于部分公平性的先前工作需要很强的密码学假设。

我们提出了$\frac{1}{p}$ - 安全性的概念,作为解决部分公平性问题的新方法。对于任意多项式$p$,只要$X_n$、$Y_n$、$Z_1^n$、$Z_2^n$中至少有一个是多项式规模(关于安全参数$n$),我们就能展示计算$f_n$的$\frac{1}{p}$ -

内容概要:本文档围绕六自由度机械臂的ANN人工神经网络设计展开,涵盖正向与逆向运动学求解、正向动力学控制,并采用拉格朗日-欧拉法推导逆向动力学方程,所有内容均通过Matlab代码实现。同时结合RRT路径规划与B样条优化技术,提升机械臂运动轨迹的合理性与平滑性。文中还涉及多种先进算法与仿真技术的应用,如状态估计中的UKF、AUKF、EKF等滤波方法,以及PINN、INN、CNN-LSTM等神经网络模型在工程问题中的建模与求解,展示了Matlab在机器人控制、智能算法与系统仿真中的强大能力。; 适合人群:具备一定Ma六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)tlab编程基础,从事机器人控制、自动化、智能制造、人工智能等相关领域的科研人员及研究生;熟悉运动学、动力学建模或对神经网络在控制系统中应用感兴趣的工程技术人员。; 使用场景及目标:①实现六自由度机械臂的精确运动学与动力学建模;②利用人工神经网络解决传统解析方法难以处理的非线性控制问题;③结合路径规划与轨迹优化提升机械臂作业效率;④掌握基于Matlab的状态估计、数据融合与智能算法仿真方法; 阅读建议:建议结合提供的Matlab代码进行实践操作,重点理解运动学建模与神经网络控制的设计流程,关注算法实现细节与仿真结果分析,同时参考文中提及的多种优化与估计方法拓展研究思路。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值