Description
Les codes definis par des graphes, par leurs bonnes performances -- proches des limites theoriques -- avec un decodage iteratif, sont tres populaires. L'analyse asymptotique (longueur infinie) des parametres offrant des performances optimales est poussee. Mais ces parametres ne sont plus optimaux dans le cas plus pragmatique des longueurs finies, qui reste peu etudie et non maitrise. C'est un probleme ouvert important aujourd'hui que d'optmiser les parametres des codes pour une longueur finie donnee. Pour le resoudre, il faudrait d'abord determiner des approximations adequates de ces performances qui soient valables dans le cadre tres general, c'est-a-dire pour plusieurs familles de codes definis par des graphes, differents algorithmes de decodage iteratif et types de canaux.<br/> Pour obtenir une telle approximation, on separe les contributions des erreurs de poids fort de celles de poids faible, avant de les combiner. Cette presentation concerne la region des erreurs de poids fort, appelee aussi region de waterfall, d'ensembles de codes qui peuvent etre decodes de maniere turbo. En supposant que la transmission transite par le canal binaire a effacements, nous generalisons a ces codes l'approche dite de l'echelle, precedemment utilisee pour les codes LDPC. Comme exemple, nous presentons les approximations des deux sous-ensembles de codes de type turbo, codes Repeat-Accumulate et turbo code paralleles.
Next sessions
-
Key Attack on the ACDGV Matrix Encryption Scheme
Speaker : Anmoal Porwal - Technical University of Munich
I will present our key-recovery attack on the ACDGV public-key encryption scheme proposed at ASIACRYPT 2024 by Aragon, Couvreur, Dyseryn, Gaborit, and Vinçotte. The secret key is a Gabidulin code hidden by appending random rows and columns and by left- and right-multiplication with invertible matrices. Our attack exploits the resulting algebraic structure to recover an equivalent secret key. It[…]-
Cryptography
-
Asymmetric primitive
-
-
Module Learning With Errors and Structured Extrapolated Dihedral Cosets
Speaker : Jinwei Zheng - Télécom Paris
The Module Learning With Errors (MLWE) problem is the fundamental hardness assumption underlying the key encapsulation and signature schemes ML-KEM and ML-DSA, which have been selected by NIST for post-quantum cryptography standardization. Understanding its quantum hardness is crucial for assessing the security of these standardized schemes. Inspired by the equivalence between LWE and[…]-
Cryptography
-