Buchumschlag

A Systematic Evaluation of Evolving Highly Nonlinear Boolean Functions in Odd Sizes

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Carlet, Claude, Ðurasevic, Marko, Jakobovic, Domagoj, Picek, Stjepan, Mariot, Luca
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Neural and Evolutionary Computing Cryptography and Security
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Systematic Study on the Design of Odd-Sized Highly Nonlinear Boolean Functions via Evolutionary Algorithms
von: Carlet, Claude, et al.
Veröffentlicht: (2025)

IDEM Enough? Evolving Highly Nonlinear Idempotent Boolean Functions
von: Carlet, Claude, et al.
Veröffentlicht: (2026)

Monotone but Exciting: On Evolving Monotone Boolean Functions with High Nonlinearity
von: Carlet, Claude, et al.
Veröffentlicht: (2026)

Degree is Important: On Evolving Homogeneous Boolean Functions
von: Carlet, Claude, et al.
Veröffentlicht: (2025)

NegaBent, No Regrets: Evolving Spectrally Flat Boolean Functions
von: Carlet, Claude, et al.
Veröffentlicht: (2026)

On Counts and Densities of Homogeneous Bent Functions: An Evolutionary Approach
von: Carlet, Claude, et al.
Veröffentlicht: (2025)

The More the Merrier: On Evolving Five-valued Spectra Boolean Functions
von: Carlet, Claude, et al.
Veröffentlicht: (2024)

A Discrete Particle Swarm Optimizer for the Design of Cryptographic Boolean Functions
von: Mariot, Luca, et al.
Veröffentlicht: (2024)

Time-Distributed Backdoor Attacks on Federated Spiking Learning
von: Abad, Gorka, et al.
Veröffentlicht: (2024)

A Homomorphic Encryption Framework for Privacy-Preserving Spiking Neural Networks
von: Nikfam, Farzad, et al.
Veröffentlicht: (2023)

A systematic review of metaheuristics-based and machine learning-driven intrusion detection systems in IoT
von: Ahsan, Mohammad Shamim, et al.
Veröffentlicht: (2025)

Hybrid Deep Learning Model for Multiple Cache Side Channel Attacks Detection: A Comparative Analysis
von: Joshi, Tejal, et al.
Veröffentlicht: (2025)

Privacy-Preserving Distributed Optimization Under Time Constraints Using Secure Multi-Party Computation and Evolutionary Algorithms
von: Gruber, Sebastian, et al.
Veröffentlicht: (2026)

Proof-of-Useful-Work Blockchain for Trustworthy Biomedical Hyperdimensional Computing
von: Wen, Jinghao, et al.
Veröffentlicht: (2022)

Adapting Novelty towards Generating Antigens for Antivirus systems
von: Murali, Ritwik, et al.
Veröffentlicht: (2025)

Data Poisoning-based Backdoor Attack Framework against Supervised Learning Rules of Spiking Neural Networks
von: Jin, Lingxin, et al.
Veröffentlicht: (2024)

Trilevel Memetic Algorithm for the Electric Vehicle Routing Problem
von: Milinović, Ivan, et al.
Veröffentlicht: (2025)

Secret-Protected Evolution for Differentially Private Synthetic Text Generation
von: Wang, Tianze, et al.
Veröffentlicht: (2025)

Enhancing IoT Security: A Novel Feature Engineering Approach for ML-Based Intrusion Detection Systems
von: Mahanipour, Afsaneh, et al.
Veröffentlicht: (2024)

Your Network May Need to Be Rewritten: Network Adversarial Based on High-Dimensional Function Graph Decomposition
von: Su, Xiaoyan, et al.
Veröffentlicht: (2024)

Adversarially Robust Spiking Neural Networks with Sparse Connectivity
von: Schmolli, Mathias, et al.
Veröffentlicht: (2025)

On the Adversarial Robustness of Spiking Neural Networks Trained by Local Learning
von: Lin, Jiaqi, et al.
Veröffentlicht: (2025)

MALT Powers Up Adversarial Attacks
von: Melamed, Odelia, et al.
Veröffentlicht: (2024)

Privacy-preserving Continual Federated Clustering via Adaptive Resonance Theory
von: Masuyama, Naoki, et al.
Veröffentlicht: (2023)

Impact of White-Box Adversarial Attacks on Convolutional Neural Networks
von: Podder, Rakesh, et al.
Veröffentlicht: (2024)

Watermarking Neuromorphic Brains: Intellectual Property Protection in Spiking Neural Networks
von: Poursiami, Hamed, et al.
Veröffentlicht: (2024)

Boosting Adversarial Robustness and Generalization with Structural Prior
von: Hou, Zhichao, et al.
Veröffentlicht: (2025)

Rectifying Adversarial Examples Using Their Vulnerabilities
von: Morimoto, Fumiya, et al.
Veröffentlicht: (2026)

Do Spikes Protect Privacy? Investigating Black-Box Model Inversion Attacks in Spiking Neural Networks
von: Poursiami, Hamed, et al.
Veröffentlicht: (2025)

Are Neuromorphic Architectures Inherently Privacy-preserving? An Exploratory Study
von: Moshruba, Ayana, et al.
Veröffentlicht: (2024)

Synchronization of Tree Parity Machines using non-binary input vectors
von: Stypiński, Miłosz, et al.
Veröffentlicht: (2021)

BrainLeaks: On the Privacy-Preserving Properties of Neuromorphic Architectures against Model Inversion Attacks
von: Poursiami, Hamed, et al.
Veröffentlicht: (2024)

Provable Unlearning with Gradient Ascent on Two-Layer ReLU Neural Networks
von: Melamed, Odelia, et al.
Veröffentlicht: (2025)

CEPA: Consensus Embedded Perturbation for Agnostic Detection and Inversion of Backdoors
von: Yang, Guangmingmei, et al.
Veröffentlicht: (2024)

Differential Privacy Regularization: Protecting Training Data Through Loss Function Regularization
von: Aguilera-Martínez, Francisco, et al.
Veröffentlicht: (2024)

What your brain activity says about you: A review of neuropsychiatric disorders identified in resting-state and sleep EEG data
von: Scanlon, J. E. M., et al.
Veröffentlicht: (2025)

Optimizing Cyber Response Time on Temporal Active Directory Networks Using Decoys
von: Ngo, Huy Q., et al.
Veröffentlicht: (2024)

Bandwidth Reservation for Time-Critical Vehicular Applications: A Multi-Operator Environment
von: Al-Khatib, Abdullah, et al.
Veröffentlicht: (2025)

Differential Privacy in Machine Learning: A Survey from Symbolic AI to LLMs
von: Aguilera-Martínez, Francisco, et al.
Veröffentlicht: (2025)

RPG-AE: Neuro-Symbolic Graph Autoencoders with Rare Pattern Mining for Provenance-Based Anomaly Detection
von: Tauhid, Asif, et al.
Veröffentlicht: (2026)