零知识证明论文阅读---Blockchain-Assisted Transparent Cross-Domain Authorization and Authentication for Smart

这篇具有很好参考价值的文章主要介绍了零知识证明论文阅读---Blockchain-Assisted Transparent Cross-Domain Authorization and Authentication for Smart。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

零知识证明论文阅读—Blockchain-Assisted Transparent Cross-Domain Authorization and Authentication for Smart City

System Model

系统由五类实体组成:Identity committee members (ICMs), Identity issuers (IIs), Identity holders (IHs), Identity verifiers (IVs), Identity auditor (IA)。详细的介绍可以阅读这篇论文 Blockchain-Assisted Transparent Cross-Domain Authorization and Authentication for Smart City

零知识证明论文阅读---Blockchain-Assisted Transparent Cross-Domain Authorization and Authentication for Smart,零知识证明,区块链,论文阅读

Service Entity Registration

Identity Issuers Registration

在此阶段, identity issuers, identity verifiers, 和 identity auitor 将会在系统生成私钥,发布公钥

每一个 identity issuers, I I i ∈ { I I 1 , I I 2 , . . . , } II_i \in \{II_1,II_2,...,\} IIi{II1,II2,...,},选取 K i + 3 K_i + 3 Ki+3 个随机数 ( x i , y i 0 , y i 1 , . . . , y i K i , z i ) ∈ Z p K i + 3 (x_i,y_{i0},y_{i1},...,y_{iK_i},z_i) \in Z_p^{K_i+3} (xi,yi0,yi1,...,yiKi,zi)ZpKi+3,其中 K i K_i Ki 是身份属性类别的最大值(最多有多少个身份属性类别)。

Identity issuers 生成公私钥对 ( p k i ′ , s k i ′ ) (pk_i',sk_i') (pki,ski),其中

p k i ′ = ( Y i 0 = g 1 y i 0 , Y i 1 = g 1 y i 1 , . . . , Y i K i = g 1 y i K i , Z i = g 1 z i , X i ′ = g 2 x i , Y i 0 ′ = g 2 y i o , Y i 1 ′ = g 2 y i 1 , . . . , Y i K i ′ = g 2 y i K i , Z i ′ = g 2 z i ) pk_i' = (Y_{i0} = g_1^{y_{i0}},Y_{i1} = g_1^{y_{i1}},...,Y_{iK_i} = g_1^{y_{iK_i}},Z_i = g_1^{z_i},X_i' = g_2^{x_i},Y_{i0}'=g_2^{y_{io}},Y_{i1}'=g_2^{y_{i1}},...,Y_{iK_i}'=g_2^{y_{i}K_i},Z_i'=g_2^{z_i}) pki=(Yi0=g1yi0,Yi1=g1yi1,...,YiKi=g1yiKi,Zi=g1zi,Xi=g2xi,Yi0=g2yio,Yi1=g2yi1,...,YiKi=g2yiKi,Zi=g2zi)

User Registration and Credential Authorization

用户注册和凭证授权阶段,identity holder 或者是 user,可以向某个 identity issuers 注册自己的身份凭证。

identity holder 选择一个随机数 t i ∈ Z p ∗ t_i \in Z_p^* tiZp,选择一个唯一序列号 u i ∈ Z p ∗ u_i \in Z_p^* uiZp,计算承诺
C o m i = g 1 t i Y i 0 u i ∏ j = 1 K i Y i j a i j Com_i = g_1^{t_i} Y_{i0}^{u_i}\prod_{j=1}^{K_i} Y_{ij}^{a_{ij}} Comi=g1tiYi0uij=1KiYijaij
其中, a i j a_{ij} aij 是用户的属性值, j j j 是属性类别标号 ( 1 , K i ) (1,K_i) (1,Ki) a t t r s i = ( a i 1 , a i 2 , . . . , a i K i ) attrs_i = (a_{i1},a_{i2},...,a_{iK_i}) attrsi=(ai1,ai2,...,aiKi),如果 identity holder 不持有该属性类别,可以将该属性类别值设置为 0 0 0。后续,holder 发送 ( C o m i , a t t r s i , π C o m i ) (Com_i, attrs_i, \pi_{Com_i}) (Comi,attrsi,πComi)identity issuer

Identity issuer 为用户生成一个唯一的身份标识符 U I D i = H ( p k i ′ ∥ t s ∥ i n d ) UID_i = H(pk_i'\parallel ts \parallel ind) UIDi=H(pkitsind) t s ts ts 是时间戳, I n d Ind Ind 是注册用户的索引值。选择一个随机数 v i v_i vi ,计算 σ i ′ = ( σ i 1 ′ = g 1 v i , σ i 2 ′ = ( X i ⋅ C o m i ⋅ Z i U I D i ) v i ) \sigma_i' = (\sigma_{i1}' = g_1^{v_i},\sigma_{i2}' = (X_i\cdot Com_i\cdot Z_i^{UID_i})^{v_i}) σi=(σi1=g1vi,σi2=(XiComiZiUIDi)vi),返回 ( σ i ′ , U I D i ) (\sigma_i',UID_i) (σi,UIDi)holder

Identity issuer unblinds σ i = ( σ i 1 = g 1 v i , σ i 2 = σ i 2 ′ / σ i 1 ′ ) \sigma_i = (\sigma_{i1} = g_1^{v_i},\sigma_{i2} = \sigma_{i2}'/\sigma_{i1}') σi=(σi1=g1vi,σi2=σi2/σi1),验证:
e ( σ i 1 , X i ′ ) ⋅ e ( σ i 1 , Y i 0 ′ ) u i ⋅ ∏ j = 1 K i e ( σ i 1 , Y i j ′ a i j ) ⋅ e ( σ i 1 , Z i ′ ) U I D i = e ( σ i 2 , g 2 ) e(\sigma_{i1},X_i') \cdot e(\sigma_{i1},Y_{i0}')^{u_i}\cdot \prod_{j=1}^{K_i}e(\sigma_{i1},Y_{ij}'^{a_{ij}})\cdot e(\sigma_{i1},Z_i')^{UID_i}= e(\sigma_{i2},g_2) e(σi1,Xi)e(σi1,Yi0)uij=1Kie(σi1,Yijaij)e(σi1,Zi)UIDi=e(σi2,g2)
推导:
σ i 1 ′ = g 1 v i , σ i 2 ′ = ( g 1 x i ⋅ g 1 t i g 1 y i 0 u i ⋅ ∏ j = 1 K i g 1 y i j a i j ⋅ g 1 z i ⋅ U I D i ) v i \sigma_{i1}' = g_1^{v_i}, \sigma_{i2}' = (g_1^{x_i} \cdot g_1^{t_i}g_1^{y_{i0}u_i}\cdot \prod_{j=1}^{K_i}g_1^{y_{ij}a_{ij}}\cdot g_1^{z_i \cdot UID_i})^{v_i} σi1=g1vi,σi2=(g1xig1tig1yi0uij=1Kig1yijaijg1ziUIDi)vi
解密后的 ( σ i 1 , σ i 2 ) (\sigma_{i1},\sigma_{i2}) (σi1,σi2)
σ i 1 = g 1 v i , σ i 2 = σ i 2 ′ σ i 1 t i = ( g 1 x i ⋅ g 1 t i g 1 y i 0 u i ⋅ ∏ j = 1 K i g 1 y i j a i j ⋅ g 1 z i ⋅ U I D i ) v i g 1 v i t i = ( g 1 x i ⋅ g 1 y i 0 u i ⋅ ∏ j = 1 K i g 1 y i j a i j ⋅ g 1 z i ⋅ U I D i ) v i \sigma_{i1} = g_1^{v_i}, \sigma_{i2} = \frac{\sigma_{i2}'}{\sigma_{i1}^{t_i}}= \frac{(g_1^{x_i} \cdot g_1^{t_i}g_1^{y_{i0}u_i}\cdot \prod_{j=1}^{K_i}g_1^{y_{ij}a_{ij}}\cdot g_1^{z_i \cdot UID_i})^{v_i}}{g_1^{v_it_i}}= (g_1^{x_i} \cdot g_1^{y_{i0}u_i}\cdot \prod_{j=1}^{K_i}g_1^{y_{ij}a_{ij}}\cdot g_1^{z_i \cdot UID_i})^{v_i} σi1=g1vi,σi2=σi1tiσi2=g1viti(g1xig1tig1yi0uij=1Kig1yijaijg1ziUIDi)vi=(g1xig1yi0uij=1Kig1yijaijg1ziUIDi)vi
验证的等式展开:
e ( g 1 v i , g 2 x i ) ⋅ e ( g 1 v i , g 2 y i 0 ) u i ⋅ ∏ j = 1 K i e ( g 1 v i , g 2 y i j ) a i j ⋅ e ( g 1 v i , g 2 z i ) U I D i = e ( σ i 2 , g 2 ) e(g_1^{v_i},g_2^{x_i})\cdot e(g_1^{v_i},g_2^{y_{i0}})^{u_i}\cdot \prod_{j=1}^{K_i} e(g_1^{v_i},g_2^{y_{ij}})^{a_{ij}}\cdot e(g_1^{v_i},g_2^{z_i})^{UID_i} = e(\sigma_{i2},g_2) e(g1vi,g2xi)e(g1vi,g2yi0)uij=1Kie(g1vi,g2yij)aije(g1vi,g2zi)UIDi=e(σi2,g2)
那么身份颁发者 I I i II_i IIi 给用户的颁发的凭证是 C r e d i = ( u i , U I D i , a t t r s i , σ i ) Cred_{i} = (u_i,UID_i,attrs_i,\sigma_i) Credi=(ui,UIDi,attrsi,σi)

Authentication Policy Generation

一个 Identity verifier 可能需要认证不同属性 ( A 11 , A 22 , . . . , ) (A_{11},A_{22},...,) (A11,A22,...,) 满足某个身份策略 P = ( A 11 ∧ A 21 ) ∨ A 31 ∧ . . . ) P = (A_{11} \wedge A_{21}) \vee A_{31} \wedge ...) P=(A11A21)A31...)。此外, ( A 11 , A 21 , . . . , ) (A_{11},A_{21},...,) (A11,A21,...,) 可能属于不同的身份属性 A T T R s = ( Λ 1 , Λ 2 , . . . , ) ATTRs = (\Lambda _1,\Lambda _2,...,) ATTRs=(Λ1,Λ2,...,),其中 A 11 ∈ Λ 1 , A 21 ∈ Λ 2 A_{11} \in \Lambda_1,A_{21} \in \Lambda_2 A11Λ1A21Λ2

在我们的框架中,一个认证策略 P P P 被加密成一个认证策略列表,这个策略列表中充满了 ( P 1 , P 2 , . . . , P K ′ ) (P_1,P_2,...,P_{K'}) (P1,P2,...,PK),K’ 是策略列表中所有策略的个数(其实是一个认证策略被加密成一个策略列表,然后列表中由 K’ 个策略,属性只要匹配到一个策略就匹认证成功)。对于每一个属性类别,都分配一个假属性 ρ j \rho_j ρj。为了压缩认证策略的存储成本和确保认证策略的机密性,我们使用 Elgamal 加密来聚合和加密创建一个隐藏的认证策略。

Identity verifier 首先为认证策略计算加密基 B B B。这个加密基可以被任何 Identity holder 使用根据认证策略生成加密属性。Identity verifier 选择两个随机数 β ∈ Z p ∗ \beta \in Z_p^* βZp γ ∈ Z p ∗ \gamma \in Z_p^* γZp 并且计算:
B = ( B 0 , B 1 ) = ( g 1 β , s p k β ⋅ g 1 γ ) = ( g 1 β , g 1 s β + γ ) B = (B_0,B_1)= (g_1^\beta,spk^\beta\cdot g_1^\gamma)=(g_1^{\beta},g_1^{s\beta+\gamma}) B=(B0,B1)=(g1β,spkβg1γ)=(g1β,g1sβ+γ)
之后,为了加密认证策略列表中的一个策略 P k = ( A 11 , A 21 , . . . , ) P_k = (A_{11},A_{21},...,) Pk=(A11,A21,...,) k = 1 , 2 , . . , K ′ k = 1,2,..,K' k=1,2,..,KIdentity Verifier 聚合身份策略为: Ξ k = ∑ A ∈ P k A = A 11 + A 21 + \Xi_k = \sum_{A\in P_k} A=A_{11}+A_{21}+ Ξk=APkA=A11+A21+,选择一个随机数 η k ∈ Z p ∗ \eta_k \in Z_p^* ηkZp ,并且加密这个认证策略:
C k = E n c ( P k ) = E n c ( Ξ k ) = ( C k 0 , C k 1 ) = ( B 0 Ξ k ⋅ g 1 η k , B 1 Ξ k ⋅ s p k η k ) = ( g 1 α k , s p k α k ⋅ g 1 γ Ξ k ) C_k = Enc(P_k)=Enc(\Xi_k)=(C_{k0},C_{k1})=(B_0^{\Xi_k}\cdot g_1^{\eta_k}, B_1^{\Xi_k}\cdot spk^{\eta_k}) = (g_1^{\alpha_k},spk^{\alpha_k}\cdot g_1^{\gamma\Xi_k}) Ck=Enc(Pk)=Enc(Ξk)=(Ck0,Ck1)=(B0Ξkg1ηk,B1Ξkspkηk)=(g1αk,spkαkg1γΞk)
展开:
C k 0 = g 1 β Ξ k + η k = g 1 α k , C k 1 = g 1 ( s β + γ ) Ξ k + s η k = g 1 s β Ξ k + γ Ξ k + s η k = g 1 s ( β Ξ K + η k ) + γ Ξ k = s p k α k ⋅ g 1 γ Ξ k C_{k0} = g_1^{\beta\Xi_k+\eta_k}=g_1^{\alpha_k},C_{k_1}=g_1^{(s\beta+\gamma)\Xi_k+s\eta_k}=g_1^{s\beta\Xi_k+\gamma\Xi_k+s\eta_k}=g_1^{s(\beta\Xi_K+\eta_k)+\gamma\Xi_k}=spk^{\alpha_k}\cdot g_1^{\gamma\Xi_k} Ck0=g1βΞk+ηk=g1αk,Ck1=g1(sβ+γ)Ξk+sηk=g1sβΞk+γΞk+sηk=g1s(βΞK+ηk)+γΞk=spkαkg1γΞk
Identity verifier 使用加密基 B B B,对每个认证策略 P k = ( A 11 , A 21 , . . . , ) P_k = (A_{11},A_{21},...,) Pk=(A11,A21,...,)加密,对 P k P_k Pk 加密得到 C k , k = 1 , . . . , K ′ C_k,k = 1,...,K' Ckk=1,...,K,最终得到 C = ( C 1 , C 2 , . . . , C k ′ ) C=(C_1,C_2,...,C_k') C=(C1,C2,...,Ck)

On-Chain Authentication

Request Generation

Identity holders 使用身份凭证 C r e d i Cred_i Credi 和身份属性 a t t r i attr_i attri,生成链上认证请求。

加密身份属性
a t t r i = ( a i 1 , a i 2 , . . . , a i K i ) → a t t r i ′ = ( U i 1 , U i 2 , . . . , U i K i ) attr_i = (a_{i1},a_{i2},...,a_{iK_i}) \rightarrow attr_i' = (U_{i1},U_{i2},...,U_{iK_i}) attri=(ai1,ai2,...,aiKi)attri=(Ui1,Ui2,...,UiKi)
加密过程为使用随机数 ϵ \epsilon ϵ 和基元 B B B 加密,得到:
U i j = ( U i j 0 , U i j 1 ) = ( B 0 ϵ a i j ⋅ g 1 r j , B 1 ϵ a i j ⋅ s p k r j ) = ( g 1 β ϵ a i j + r j , g 1 ( s β + γ ) ϵ a i j ⋅ g 1 s r j ) = ( g 1 β ϵ a i j + r j , g 1 s β ϵ a i j + γ ϵ a i j + s r j ) = ( g 1 β ϵ a i j + r j , g 1 γ ϵ a i j s p k β ϵ a i j + r j ) U_{ij} = (U_{ij0},U_{ij1})=(B_{0}^{\epsilon a_{ij}}\cdot g_1^{r_j},B_{1}^{\epsilon a_{ij}}\cdot spk^{r_j})=(g_1^{\beta \epsilon a_{ij}+r_j},g_1^{(s\beta+\gamma)\epsilon a_{ij}}\cdot g_1^{sr_{j}})=(g_1^{\beta \epsilon a_{ij}+r_j},g_1^{s\beta\epsilon a_{ij}+\gamma\epsilon a_{ij}+sr_{j}})=(g_1^{\beta \epsilon a_{ij}+r_j},g_1^{\gamma\epsilon a_{ij}}spk^{\beta\epsilon a_{ij}+r_{j}}) Uij=(Uij0,Uij1)=(B0ϵaijg1rj,B1ϵaijspkrj)=(g1βϵaij+rj,g1(sβ+γ)ϵaijg1srj)=(g1βϵaij+rj,g1sβϵaij+γϵaij+srj)=(g1βϵaij+rj,g1γϵaijspkβϵaij+rj)
聚合加密属性 U i j U_{ij} Uij 得到 W i W_{i} Wi j = 1 , . . . , K i j = 1,...,K_i j=1,...,Ki
W i = ( W i 0 , W i 1 ) = ( ∏ j = 1 K i U i j 0 , ∏ j = 1 K i U i j 1 ) = ( g 1 ∑ j = 1 K i ( β ϵ a i j + r j ) , g 1 s β ϵ a i j + γ ϵ a i j + s r j ) = ( g 1 β ϵ a i j + r j , g 1 γ ϵ ∑ j = 1 K i a i j s p k ∑ j = 1 K i ( β ϵ a i j + r j ) ) W_i = (W_{i0},W_{i1})=(\prod_{j=1}^{K_i}U_{ij0},\prod_{j=1}^{K_i}U_{ij1})=(g_1^{\sum_{j=1}^{K_i}(\beta\epsilon a_{ij}+r_j)},g_1^{s\beta\epsilon a_{ij}+\gamma\epsilon a_{ij}+sr_{j}})=(g_1^{\beta \epsilon a_{ij}+r_j},g_1^{\gamma\epsilon \sum_{j=1}^{K_i}a_{ij}}spk^{\sum_{j=1}^{K_i}(\beta\epsilon a_{ij}+r_{j})}) Wi=(Wi0,Wi1)=(j=1KiUij0,j=1KiUij1)=(g1j=1Ki(βϵaij+rj),g1sβϵaij+γϵaij+srj)=(g1βϵaij+rj,g1γϵj=1Kiaijspkj=1Ki(βϵaij+rj))
C ′ C' C 是被随机化和加密后的认证策略,同样也是由随机数 ϵ \epsilon ϵ 随机化,其中:
C k ′ = ( C k 0 ′ , C k 1 ′ ) = ( C k 0 − ϵ , C k 1 − ϵ ) = ( g 1 − ϵ α k , s p k − ϵ α k ⋅ g 1 − ϵ γ Ξ k ) C_k' = (C_{k0}',C_{k1}')=(C_{k0}^{-\epsilon},C_{k1}^{-\epsilon})=(g_1^{-\epsilon \alpha_k},spk^{-\epsilon\alpha_k}\cdot g_1^{-\epsilon \gamma \Xi_k}) Ck=(Ck0,Ck1)=(Ck0ϵ,Ck1ϵ)=(g1ϵαk,spkϵαkg1ϵγΞk)
加密身份属性和认证策略,得到 V V V,可以在不需要解密 V V V 的情况下匹配结果: V k = ( V k 0 , V k 1 ) = ( W i 0 ⋅ C k 0 ′ , W i 1 ⋅ C k 1 ′ ) V_k =(V_{k0},V_{k1})=(W_{i0}\cdot C_{k0}',W_{i1}\cdot C_{k1}') Vk=(Vk0,Vk1)=(Wi0Ck0,Wi1Ck1)
V k 0 = g 1 ∑ j = 1 K i ( β ϵ a i j + r j ) − ϵ α k ; V k 1 = g 1 γ ϵ ∑ j = 1 K i a i j − ϵ γ Ξ k s p k ∑ j = 1 K i ( β ϵ a i j + r j − ϵ α k ) ) V_{k0} = g_1^{\sum_{j=1}^{K_i}(\beta\epsilon a_{ij}+r_j)-\epsilon \alpha_k};V_{k1}=g_1^{\gamma\epsilon \sum_{j=1}^{K_i}a_{ij}-\epsilon\gamma\Xi_k}spk^{\sum_{j=1}^{K_i}(\beta\epsilon a_{ij}+r_{j}-\epsilon \alpha_k)}) Vk0=g1j=1Ki(βϵaij+rj)ϵαk;Vk1=g1γϵj=1KiaijϵγΞkspkj=1Ki(βϵaij+rjϵαk))
总共有 K’ 个匹配结果。如果 holder 身份属性匹配到了身份策略,那么至少会有 1 个对应的匹配结果,例如,明文状态下是 γ ϵ ∑ j = 1 K i a i j − ϵ γ Ξ k = 0 \gamma\epsilon \sum_{j=1}^{K_i}a_{ij}-\epsilon\gamma\Xi_k = 0 γϵj=1KiaijϵγΞk=0,密文情况是 g 1 0 = 1 G 1 g_1^{0}=1^{G_1} g10=1G1。此外,为了保证更高的安全性,我们使用随机因子 θ k \theta_k θk 来洗牌加密 V V V
V k = ( V k 0 , V k 1 ) = ( Ψ ( V k 0 ⋅ g 1 θ k ) , Ψ ( V k 1 ⋅ s p k θ k ) ) V_k =(V_{k0},V_{k1})=(\Psi(V_{k0}\cdot g_1^{\theta_k}),\Psi(V_{k1}\cdot spk^{\theta_k})) Vk=(Vk0,Vk1)=(Ψ(Vk0g1θk),Ψ(Vk1spkθk))
之后生成一个零知识证明,该证明声明了五个属性:

  1. Identity holder 拥有一个有效的身份凭证 C r e d i Cred_i Credi,属性 a t t r i attr_i attri,并且是由一个有效的 Identity issuers 颁发;
  2. 身份凭证没有被有效的 issuers 撤销;
  3. 属性被加密成 Elgamal 密文 a t t r i ′ attr_i' attri;
  4. 匹配算法通过 Identity verifier 的认证策略正确匹配了 holder 的属性, C ′ , V ′ C',V' C,V 这些中间结果也是被正确生成的;
  5. 真实身份可以被 auditor 正确追踪审计;
Request Verification

系统初始化过程中,有 N N NIdentity committee members { I C M 1 , I C M 2 , . . . , I C M N } \{ICM_1,ICM_2,...,ICM_N\} {ICM1,ICM2,...,ICMN},每个委员共享私钥 s k i ∈ Z p ∗ sk_i \in Z_p^* skiZp,生成公钥 s p k = g 1 s spk = g_1^s spk=g1s,多项式为 s k i = f ( i ) = s + ∑ j = 1 T − 1 c o f f j ⋅ ( i ) j sk_i = f(i) = s + \sum_{j=1}^{T-1} coff_j \cdot (i)^j ski=f(i)=s+j=1T1coffj(i)j mod p。并且每个委员生成 auxiliary 信息, a u x i = g s k i aux_i = g^{sk_i} auxi=gski

Identity committee members 验证 holder 产生的证明,如果验证通过,则计算(对验证结果的一个背书):
T i k = e ( V k 0 ′ , H 2 ( s p k ∣ ∣ t s ) ) s k i T_{ik} = e(V_{k0}',H_2(spk||ts))^{sk_i} Tik=e(Vk0,H2(spk∣∣ts))ski
其中, i i i 是第几个委员, i ∈ 1 , . . . , N i \in 1,...,N i1,...,N k ∈ 1 , . . . , K ′ k \in 1,...,K' k1,...,K。后续,Identity committee members 进行投票,如果通过,合约会为其生成一个临时链上访问令牌 Δ \Delta Δ文章来源地址https://www.toymoban.com/news/detail-792990.html

到了这里,关于零知识证明论文阅读---Blockchain-Assisted Transparent Cross-Domain Authorization and Authentication for Smart的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 《论文阅读》常识推理的生成知识提示

    前言 你是否也对于理解论文存在困惑? 你是否也像我之前搜索论文解读,得到只是中文翻译的解读后感到失望? 小白如何从零读懂论文?和我一起来探索吧! 今天为大家带来的是《Generated Knowledge Prompting for Commonsense Reasoning》

    2024年02月05日
    浏览(17)
  • 论文阅读_医疗知识图谱_GraphCare

    英文名称: GraphCare: Enhancing Healthcare Predictions with Open-World Personalized Knowledge Graphs 中文名称: GraphCare:通过开放世界的个性化知识图增强医疗保健预测 文章: http://arxiv.org/abs/2305.12788 代码: https://github.com/pat-jj/GraphCare 作者: Pengcheng Jiang, Cao Xiao, Adam Cross, Jimeng Sun, 伊利诺伊大学 日期

    2024年02月10日
    浏览(16)
  • [论文阅读]CWD——基于稠密预测的通道式知识蒸馏

    基于稠密预测的通道式知识蒸馏 论文网址:CWD 这篇论文「Channel-wise Knowledge Distillation for Dense Prediction」提出了一种针对密集预测任务的基于通道的知识蒸馏方法。下面我详细讲解该方法的主要内容: 问题背景 在计算机视觉任务中,图像分类只需要预测整张图像的类别,而密集预

    2024年01月16日
    浏览(20)
  • 论文阅读:图神经网络应用于知识图谱推理的研究综述

    论文链接:图神经网络应用于知识图谱推理的研究综述 (1)知识图谱以节点和边的图结构存储数据,GNN可以 有效整合知识图谱结构特征及属性特征 ,通过节点的 领域信息聚合并更新节点 ,利用其强大的信息传播能力学习数据间的语义关系和潜在信息,使其可以很好地学习

    2024年04月10日
    浏览(21)
  • 《哥德尔证明》阅读笔记——哥德尔证明过程

    之前几节阐述了哥德尔证明的一个背景,具体脉络是,当人们在推进公理化系统时,遇到的一个核心问题:如何证明一个公理化系统是无矛盾的。人们一开始想出了模型法,即如果一个完全形式化的系统在现实中找到一个存在的模型可以对应,那么可以认为这个系统是一致的

    2024年02月02日
    浏览(16)
  • 区块链安全理论与实践(Blockchain for Distributed Systems Security)阅读笔记D1

    通过采用加密数据结构(不是加密数据),不需要一个可信中央机构就可以实现可信的去中心化的方式允许应用程序。 区块链具有容错机制,可以排除受损节点。 1、在难以确定受信的可进行强制授权和有效性证明的中心化仲裁机构这一约束情况下,能跨越不同的信任边界直

    2024年01月16日
    浏览(19)
  • 区块链安全理论与实践(Blockchain for Distributed Systems Security)阅读笔记D4——OM算法

    拜占庭将军问题是经典的共识问题之一。假设有 N N N 个拜占庭将军,每个人都指挥一个同样规模的军队,包围了一座地方城市。而拜占庭将军之间,是地理隔离的,他们之间只能通过信使送信进行交流。为了合作进攻,每个将军向其他将军送信传送消息进行投票来决定是否进

    2024年01月23日
    浏览(24)
  • 【零知识证明】数独解的例子解释零知识证明

    2022年11月14日 in 中国科学院大学 如何证明数独有解?不能直接给出解(数据保护问题:数独题目存在价值)。 一、零知识证明方法: 承诺 将谜底卡片扣在桌子上,谜面卡片放在桌子上。(Alice不能查看) 随机挑战 链下互动:Bob让Alice用任意一种(行、列、宫格)方法检查,

    2024年02月02日
    浏览(18)
  • 【阅读笔记】Blockchain management and ML adaptation for IoT environment in 5G and beyond ...

    本文是一篇CCF C类文章,作者来自印度旁遮普邦帕蒂拉塔帕工程技术学院计算机科学与工程系 🙋‍♂️张同学 📧zhangruiyuan@zju.edu.cn 有问题请联系我~ 5G 和 B5G有什么区别? 答:5G主要解决了我们熟悉的高清视频、传输速率等问题;而B5G(Beyond-5G)将解决一些应用场景与技术的完

    2023年04月09日
    浏览(25)
  • 扩散模型相关论文阅读,扩散模型和知识蒸馏的结合提升预测速度:Progressive Distillation for Fast Sampling of Diffusion Models

    谷歌research的成果,ICLR 2022 https://arxiv.org/abs/2202.00512 tenserflow官方开源代码: https://github.com/google-research/google-research/tree/master/diffusion_distillation pytorch非官方代码:https://github.com/lucidrains/imagen-pytorch 1.扩散模型虽然取得了很好的效果,但是预测速度慢。 2.作者提出了一种逐步蒸馏

    2024年02月16日
    浏览(16)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包