通过Cube-and-Conquer反转加密哈希函数
提出一种灵活而简单的哈希学习框架,能够适用于不同类型的损失函数和哈希函数,将哈希学习问题分解为哈希位学习和哈希函数学习两个步骤,并表明该框架在哈希学习领域中具有实际应用价值与性能优势。
Sep, 2013
本文提出了一种新的稠密化策略,使 $(K,L)$ 参数的局部敏感哈希 (Locality Sensitive Hashing)的 minwise 哈希算法在查询处理成本上从 $O(dKL)$ 降至仅 $O(d + KL)$,针对非常稀疏的数据集,该改进的技术表现更好,并且在查询处理成本上与现有程序相同。
Jun, 2014
本文探讨了一种利用通用哈希和SAT求解器的方法,可以在不牺牲正确性保证的同时,处理具有数十万个变量的公式,解决了人工智能中受限采样和计数的两个基本问题,这对于概率推理及规划,约束随机验证等方面有着广泛应用,并探讨一些需要解决的挑战。
Dec, 2015
该论文提出了两种方法来推断二进制代码的二步(监督式,无监督式)哈希。它们首先介绍了一种统一的公式,然后将得到一位的学习表示为二进制二次问题(BQP),最后提出了解决 BQP的两种方法,并在三个基准数据集上进行了实验证明其优于现有技术。
Jul, 2016
本文研究了命题模型计数问题,针对约束条件表达式分别为DNF公式和CNF公式分别介绍了Monte Carlo和基于哈希的计数技术,并提出了两种新算法技术:Symbolic Hashing和Stochastic Cell Counting,通过设计基于哈希的FPRAS for DNF counting提高了效率和应用价值。
Oct, 2017
本文提出一种新的SAT后门集类别,用于密码攻击中的猜测和确定攻击,通过使用SAT求解器识别最佳的后门变量集以及统计预估硬度,实验结果显示该方法较现有技术在反推攻击的硬度方面具有优势。
Mar, 2018
该论文研究了一种名为Reverse k-Maximum Inner Product Search (RkMIPS)的新问题,并提出了一种名为Shifting-aware Asymmetric Hashing (SAH)的子二次时间算法来解决该问题。该算法基于一种不变的不对称变换,设计了Shifting-Aware Asymmetric Locality Sensitive Hashing (SA-ALSH)方案以加速item vectors上的Maximum Inner Product Search (MIPS),并使用基于Cone-Tree的新型阻塞策略来批量有效地修剪用户向量。在5个真实世界的数据集上进行实验,证明SAH比现有的RkMIPS方法快4到8倍,同时实现了超过90%的F1-score。
Nov, 2022
介绍了AlphaMapleSAT,一种新颖的基于蒙特卡罗树搜索 (MCTS) 的Cube-and-Conquer (CnC) SAT求解方法,旨在高效地解决具有挑战性的组合问题。
Jan, 2024