Zobrazeno 1 - 10
of 69 845
pro vyhledávání: '"tallying"'
Autor:
Dai, Xingan1 (AUTHOR) xingandx@gmail.com, Zhou, Xinquan1 (AUTHOR) z13710288280@stu2021.jnu.edu.cn, Zhou, Dehua1 (AUTHOR) tzhoudh@jnu.edu.cn, Zhong, Jinhan1 (AUTHOR), Hong, Chao2 (AUTHOR) hongchao8705@163.com
Publikováno v:
Cryptography (2410-387X). Sep2024, Vol. 8 Issue 3, p42. 18p.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
Cryptography, Vol 8, Iss 3, p 42 (2024)
In this paper, we propose a smart contract-based multi-candidate self-tallying voting scheme in order to guarantee the privacy of ballots in the case of multiple candidates. This scheme uses the ElGamal cryptosystem to ensure the security of the ball
Externí odkaz:
https://doaj.org/article/ea658d9629aa4210bfa78036d31b89fc
In recommender system or crowdsourcing applications of online learning, a human's preferences or abilities are often a function of the algorithm's recent actions. Motivated by this, a significant line of work has formalized settings where an action's
Externí odkaz:
http://arxiv.org/abs/2305.02955
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Stančíková, Ivana, Homoliak, Ivan
Decentralized electronic voting solutions represent a promising advancement in electronic voting. One of the e-voting paradigms, the self-tallying scheme, offers strong protection of the voters' privacy while making the whole voting process verifiabl
Externí odkaz:
http://arxiv.org/abs/2206.06019
Publikováno v:
The Cyber Defense Review, 2022 Jan 01. 7(1), 15-20.
Externí odkaz:
https://www.jstor.org/stable/48642033
Policy regret is a well established notion of measuring the performance of an online learning algorithm against an adaptive adversary. We study restrictions on the adversary that enable efficient minimization of the \emph{complete policy regret}, whi
Externí odkaz:
http://arxiv.org/abs/2204.11174