Submit Search
Upload
PARI/GPの話 @ Ph/shh/bin CTF勉強会LT
•
4 likes
•
3,263 views
_
__ytoku
Follow
2015年7月9日に行われたPh/shh/bin CTF勉強会のLTでPARI/GPについて二本立てでお話しました.
Read less
Read more
Software
Report
Share
Report
Share
1 of 20
Download now
Download to read offline
Recommended
Chainer meetup20151014
Chainer meetup20151014
Jiro Nishitoba
2015年10月14日に行ったChainer Meetupの資料です。
LT@Chainer Meetup
LT@Chainer Meetup
Shunta Saito
Chainer MeetupでのLT資料です
Chainer Meetup LT (Alpaca)
Chainer Meetup LT (Alpaca)
Jun-ya Norimatsu
LT on chainer Meetup
numpyの魅力
numpyの魅力
__106__
numpyの魅力
Rでisomap(多様体学習のはなし)
Rでisomap(多様体学習のはなし)
Kohta Ishikawa
Lispmeetup #45 Common Lispで音声合成
Lispmeetup #45 Common Lispで音声合成
Satoshi imai
Lispmeetup #45 Common Lispで音声合成
Lisp meetup #29 cl-online-learningの紹介
Lisp meetup #29 cl-online-learningの紹介
Satoshi imai
Lisp meetup #29 cl-online-learningの紹介
Slide dist
Slide dist
MITSUNARI Shigeo
Recommended
Chainer meetup20151014
Chainer meetup20151014
Jiro Nishitoba
2015年10月14日に行ったChainer Meetupの資料です。
LT@Chainer Meetup
LT@Chainer Meetup
Shunta Saito
Chainer MeetupでのLT資料です
Chainer Meetup LT (Alpaca)
Chainer Meetup LT (Alpaca)
Jun-ya Norimatsu
LT on chainer Meetup
numpyの魅力
numpyの魅力
__106__
numpyの魅力
Rでisomap(多様体学習のはなし)
Rでisomap(多様体学習のはなし)
Kohta Ishikawa
Lispmeetup #45 Common Lispで音声合成
Lispmeetup #45 Common Lispで音声合成
Satoshi imai
Lispmeetup #45 Common Lispで音声合成
Lisp meetup #29 cl-online-learningの紹介
Lisp meetup #29 cl-online-learningの紹介
Satoshi imai
Lisp meetup #29 cl-online-learningの紹介
Slide dist
Slide dist
MITSUNARI Shigeo
Lispmeetup #39 MGLの紹介: Common Lispによるディープラーニング
Lispmeetup #39 MGLの紹介: Common Lispによるディープラーニング
Satoshi imai
Lispmeetup #39 発表資料
Encoder-decoder 翻訳 (TISハンズオン資料)
Encoder-decoder 翻訳 (TISハンズオン資料)
Yusuke Oda
TIS株式会社のハンズオンで使用した講義資料です。
MakeLSI:ないと:Lチカから語るやわらかハードな夜
MakeLSI:ないと:Lチカから語るやわらかハードな夜
Junichi Akita
2016/6/24@ITビジネスプラザ武蔵 (ITざっくばらん会meets event vol.3)
Rnn+lstmを理解する
Rnn+lstmを理解する
Arata Honda
エキサイトで行ったサマーインターンの説明資料
Agdaで回路設計(をしたい)
Agdaで回路設計(をしたい)
Shunji Nishimura
ProofSummit2011のLT
ppOpen-ATによる静的コード生成で実現する自動チューニング方式の評価
ppOpen-ATによる静的コード生成で実現する自動チューニング方式の評価
Takahiro Katagiri
本報告では、静的コード生成のみによる自動チューニング(Auto-tuning、AT)の実現方式であるStatic Code Generation Auto-tuning (SCG-AT)を提案し、実アプリケーションによる有効性検証を行う。また、SCG-ATによるATを行う際に、最も効率的であると思われる「階層型AT処理」を実装し、コード選択のATとして実現した。
ppOpen-HPCコードを自動チューニングする言語ppOpen-ATの現状と新展開
ppOpen-HPCコードを自動チューニングする言語ppOpen-ATの現状と新展開
Takahiro Katagiri
本発表では、ppOpen-HPCプロジェクトによる実シミュレーションコードを自動チューニング(AT)する言語ppOpen-ATの現状報告を行う。今後の展開として、多階層なメモリなどを想定し、多階層にATを実施する場合の例を、有限差分法(FDM)によるアプリケーションppOpen-APPL/FDMを題材にしたAT適用例を紹介する。また、Xeon Phiでのチューニング結果も紹介する。
TTパラメータの数値について
TTパラメータの数値について
Tsuyoshi Horigome
TTパラメータの数値についてのFAQです。シリコンデバイスのショットキ・バリア・ダイオードです。
スパースモデリング入門
スパースモデリング入門
Hideo Terada
The basic concept of Sparse Modeling, Sparse Signal Decomposition, Sparse Coding. スパースモデリングの基礎概念をまとめてみました。主に画像処理の観点で説明しています。
KDD 2015勉強会_高橋
KDD 2015勉強会_高橋
Ryo Takahashi
2015/8/29に開催されたKDD 2015勉強会の発表資料です。 読んだ論文はPeng, CらのSubspace Clustering Using Log-Determinant Rank Approximationです。
音声認識と深層学習
音声認識と深層学習
Preferred Networks
1/16のPFIセミナー「Deep Learningと音声認識」の資料です。
kagamicomput201810
kagamicomput201810
swkagami
kagamicomput201810
El text.tokuron a(2019).watanabe190613
El text.tokuron a(2019).watanabe190613
RCCSRENKEI
配信講義 計算科学技術特論A (2019) https://www.r-ccs.riken.jp/library/event/tokuronA_2019.html
準同型暗号の実装とMontgomery, Karatsuba, FFT の性能
準同型暗号の実装とMontgomery, Karatsuba, FFT の性能
MITSUNARI Shigeo
富士通研究所 下山武司さんの代理アップロード
katagaitaictf7_hw_ysk
katagaitaictf7_hw_ysk
ysk256
katagaitai勉強会#7 HW編の資料
4bit-CPU : TD4の解説
4bit-CPU : TD4の解説
Seong-Hun Choe
TTLで作る4bit CPU TD-4の解説です。 CPUの動作原理。 試作方法を掲載します。 原作:CPUの創りかた https://goo.gl/xx37Yf
20220525_kobayashi.pdf
20220525_kobayashi.pdf
直久 住川
第2回ACRi討論会 - 小林先生ご講演資料
More modern gpu
More modern gpu
Preferred Networks
GPUがなぜ速いのか,またその上でどのようなデータ構造やアルゴリズム,ライブラリが使えるのかを説明します。特にMapReduceなどの非均質で,離散的なアルゴリズムがいかに高速に実現されるかを紹介します。 実験に使ったコード https://github.com/hillbig/gpuexperiments セミナーの動画 https://www.youtube.com/watch?v=WmETPBK3MOI
GPUサーバーたくさん使うのいいけど置く場所とかどうするの?的なお話
GPUサーバーたくさん使うのいいけど置く場所とかどうするの?的なお話
Deep Learning Lab(ディープラーニング・ラボ)
NTTCom 深山 健司 氏
Tuning, etc.
Tuning, etc.
Hiroshi Watanabe
チューニングとその周辺 (CMSI若手交流会資料)
200521material takahashi
200521material takahashi
RCCSRENKEI
https://www.r-ccs.riken.jp/library/event/tokuronB_2020.html
CMSI計算科学技術特論B(10) 大規模MD並列化の技術1
CMSI計算科学技術特論B(10) 大規模MD並列化の技術1
Computational Materials Science Initiative
More Related Content
What's hot
Lispmeetup #39 MGLの紹介: Common Lispによるディープラーニング
Lispmeetup #39 MGLの紹介: Common Lispによるディープラーニング
Satoshi imai
Lispmeetup #39 発表資料
Encoder-decoder 翻訳 (TISハンズオン資料)
Encoder-decoder 翻訳 (TISハンズオン資料)
Yusuke Oda
TIS株式会社のハンズオンで使用した講義資料です。
MakeLSI:ないと:Lチカから語るやわらかハードな夜
MakeLSI:ないと:Lチカから語るやわらかハードな夜
Junichi Akita
2016/6/24@ITビジネスプラザ武蔵 (ITざっくばらん会meets event vol.3)
Rnn+lstmを理解する
Rnn+lstmを理解する
Arata Honda
エキサイトで行ったサマーインターンの説明資料
Agdaで回路設計(をしたい)
Agdaで回路設計(をしたい)
Shunji Nishimura
ProofSummit2011のLT
ppOpen-ATによる静的コード生成で実現する自動チューニング方式の評価
ppOpen-ATによる静的コード生成で実現する自動チューニング方式の評価
Takahiro Katagiri
本報告では、静的コード生成のみによる自動チューニング(Auto-tuning、AT)の実現方式であるStatic Code Generation Auto-tuning (SCG-AT)を提案し、実アプリケーションによる有効性検証を行う。また、SCG-ATによるATを行う際に、最も効率的であると思われる「階層型AT処理」を実装し、コード選択のATとして実現した。
ppOpen-HPCコードを自動チューニングする言語ppOpen-ATの現状と新展開
ppOpen-HPCコードを自動チューニングする言語ppOpen-ATの現状と新展開
Takahiro Katagiri
本発表では、ppOpen-HPCプロジェクトによる実シミュレーションコードを自動チューニング(AT)する言語ppOpen-ATの現状報告を行う。今後の展開として、多階層なメモリなどを想定し、多階層にATを実施する場合の例を、有限差分法(FDM)によるアプリケーションppOpen-APPL/FDMを題材にしたAT適用例を紹介する。また、Xeon Phiでのチューニング結果も紹介する。
TTパラメータの数値について
TTパラメータの数値について
Tsuyoshi Horigome
TTパラメータの数値についてのFAQです。シリコンデバイスのショットキ・バリア・ダイオードです。
スパースモデリング入門
スパースモデリング入門
Hideo Terada
The basic concept of Sparse Modeling, Sparse Signal Decomposition, Sparse Coding. スパースモデリングの基礎概念をまとめてみました。主に画像処理の観点で説明しています。
KDD 2015勉強会_高橋
KDD 2015勉強会_高橋
Ryo Takahashi
2015/8/29に開催されたKDD 2015勉強会の発表資料です。 読んだ論文はPeng, CらのSubspace Clustering Using Log-Determinant Rank Approximationです。
音声認識と深層学習
音声認識と深層学習
Preferred Networks
1/16のPFIセミナー「Deep Learningと音声認識」の資料です。
kagamicomput201810
kagamicomput201810
swkagami
kagamicomput201810
What's hot
(12)
Lispmeetup #39 MGLの紹介: Common Lispによるディープラーニング
Lispmeetup #39 MGLの紹介: Common Lispによるディープラーニング
Encoder-decoder 翻訳 (TISハンズオン資料)
Encoder-decoder 翻訳 (TISハンズオン資料)
MakeLSI:ないと:Lチカから語るやわらかハードな夜
MakeLSI:ないと:Lチカから語るやわらかハードな夜
Rnn+lstmを理解する
Rnn+lstmを理解する
Agdaで回路設計(をしたい)
Agdaで回路設計(をしたい)
ppOpen-ATによる静的コード生成で実現する自動チューニング方式の評価
ppOpen-ATによる静的コード生成で実現する自動チューニング方式の評価
ppOpen-HPCコードを自動チューニングする言語ppOpen-ATの現状と新展開
ppOpen-HPCコードを自動チューニングする言語ppOpen-ATの現状と新展開
TTパラメータの数値について
TTパラメータの数値について
スパースモデリング入門
スパースモデリング入門
KDD 2015勉強会_高橋
KDD 2015勉強会_高橋
音声認識と深層学習
音声認識と深層学習
kagamicomput201810
kagamicomput201810
Similar to PARI/GPの話 @ Ph/shh/bin CTF勉強会LT
El text.tokuron a(2019).watanabe190613
El text.tokuron a(2019).watanabe190613
RCCSRENKEI
配信講義 計算科学技術特論A (2019) https://www.r-ccs.riken.jp/library/event/tokuronA_2019.html
準同型暗号の実装とMontgomery, Karatsuba, FFT の性能
準同型暗号の実装とMontgomery, Karatsuba, FFT の性能
MITSUNARI Shigeo
富士通研究所 下山武司さんの代理アップロード
katagaitaictf7_hw_ysk
katagaitaictf7_hw_ysk
ysk256
katagaitai勉強会#7 HW編の資料
4bit-CPU : TD4の解説
4bit-CPU : TD4の解説
Seong-Hun Choe
TTLで作る4bit CPU TD-4の解説です。 CPUの動作原理。 試作方法を掲載します。 原作:CPUの創りかた https://goo.gl/xx37Yf
20220525_kobayashi.pdf
20220525_kobayashi.pdf
直久 住川
第2回ACRi討論会 - 小林先生ご講演資料
More modern gpu
More modern gpu
Preferred Networks
GPUがなぜ速いのか,またその上でどのようなデータ構造やアルゴリズム,ライブラリが使えるのかを説明します。特にMapReduceなどの非均質で,離散的なアルゴリズムがいかに高速に実現されるかを紹介します。 実験に使ったコード https://github.com/hillbig/gpuexperiments セミナーの動画 https://www.youtube.com/watch?v=WmETPBK3MOI
GPUサーバーたくさん使うのいいけど置く場所とかどうするの?的なお話
GPUサーバーたくさん使うのいいけど置く場所とかどうするの?的なお話
Deep Learning Lab(ディープラーニング・ラボ)
NTTCom 深山 健司 氏
Tuning, etc.
Tuning, etc.
Hiroshi Watanabe
チューニングとその周辺 (CMSI若手交流会資料)
200521material takahashi
200521material takahashi
RCCSRENKEI
https://www.r-ccs.riken.jp/library/event/tokuronB_2020.html
CMSI計算科学技術特論B(10) 大規模MD並列化の技術1
CMSI計算科学技術特論B(10) 大規模MD並列化の技術1
Computational Materials Science Initiative
200528material takahashi
200528material takahashi
RCCSRENKEI
https://www.r-ccs.riken.jp/library/event/tokuronB_2020.html
Tensor コアを使った PyTorch の高速化
Tensor コアを使った PyTorch の高速化
Yusuke Fujimoto
Faster Python Meet up LT会 #1(https://faster-python.connpass.com/event/124770/) で使った資料です。
Lagopusで試すFirewall
Lagopusで試すFirewall
Tomoya Hibi
Tremaday #7 で発表した資料です.
kagamicomput201814
kagamicomput201814
swkagami
kagamicomput201814
電子動力学アプリケーションの最適化2
電子動力学アプリケーションの最適化2
RCCSRENKEI
計算技術科学特論B2020
2019年7月3日 AITCオープンラボ 量子コンピューティング シリーズ第3回 ~日立製作所様における取り組み紹介~
2019年7月3日 AITCオープンラボ 量子コンピューティング シリーズ第3回 ~日立製作所様における取り組み紹介~
aitc_jp
AITCオープンラボ 量子コンピューティング シリーズ第3回 ~日立製作所様における取り組み紹介~ ■講演タイトル 『CMOSアニーリングマシンの概要と開発状況』 ■講演概要 現在、半導体の微細化は終焉が近いと言われており、従来のノイマン型計算機の 性能向上は困難となっている。そこで、処理対象を組合せ最適化問題に特化し、 効率よく問題を解くアニーリングマシンという手法が提案されており、日立では このアニーリングマシンを、半導体回路を用いて実現するCMOSアニーリングマシ ンを提案している。 本講演では、CMOSアニーリングマシンの動作原理などの概要から、最新の開発状 況を紹介する。また、実用化に向けた周辺技術に関しても説明する。 ■講師 山岡 雅直様 株式会社 日立製作所 研究開発グループ エレクトロニクスイノベーションセンタ ■講師プロフィール 1998年 京都大学大学院電子通信工学専攻修了。 2007年 京都大学大学院情報学研究科 博士課程修了。博士(情報学)。 1998年 株式会社 日立製作所 中央研究所 入社 以来、低消費電力回路の研究に従事。 2012年より新概念コンピューティング技術の研究に従事し、 現在、「CMOSアニーリングマシン」の研究・開発を牽引している。 ■日時 2019年7月3日(水)19時~21時
大規模言語モデル開発を支える分散学習技術 - 東京工業大学横田理央研究室の藤井一喜さん
大規模言語モデル開発を支える分散学習技術 - 東京工業大学横田理央研究室の藤井一喜さん
Akira Shibata
この資料は、東京工業大学横田研究室の藤井一喜さんがW&Bマンスリーミートアップのために準備してくれた資料です。 「大規模言語モデル開発を支える分散学習技術」 大規模言語モデル(LLM)を学習する過程において、分散学習は避けて通れない重要な技術の一つです。本講演では、分散学習の基本的な概念とそのメカニズムをわかりやすく解説します。さらに、実例やノウハウについてもご紹介します。
2016-ShowNet-PTP (Precision Time Protocol)
2016-ShowNet-PTP (Precision Time Protocol)
Interop Tokyo ShowNet NOC Team
Robot frontier lesson2 2018
Robot frontier lesson2 2018
Ryuichi Ueda
Apr 25, 2018 @中部大学
PILCO - 第一回高橋研究室モデルベース強化学習勉強会
PILCO - 第一回高橋研究室モデルベース強化学習勉強会
Shunichi Sekiguchi
代表手法の1つである PILCOについてのまとめです!
Similar to PARI/GPの話 @ Ph/shh/bin CTF勉強会LT
(20)
El text.tokuron a(2019).watanabe190613
El text.tokuron a(2019).watanabe190613
準同型暗号の実装とMontgomery, Karatsuba, FFT の性能
準同型暗号の実装とMontgomery, Karatsuba, FFT の性能
katagaitaictf7_hw_ysk
katagaitaictf7_hw_ysk
4bit-CPU : TD4の解説
4bit-CPU : TD4の解説
20220525_kobayashi.pdf
20220525_kobayashi.pdf
More modern gpu
More modern gpu
GPUサーバーたくさん使うのいいけど置く場所とかどうするの?的なお話
GPUサーバーたくさん使うのいいけど置く場所とかどうするの?的なお話
Tuning, etc.
Tuning, etc.
200521material takahashi
200521material takahashi
CMSI計算科学技術特論B(10) 大規模MD並列化の技術1
CMSI計算科学技術特論B(10) 大規模MD並列化の技術1
200528material takahashi
200528material takahashi
Tensor コアを使った PyTorch の高速化
Tensor コアを使った PyTorch の高速化
Lagopusで試すFirewall
Lagopusで試すFirewall
kagamicomput201814
kagamicomput201814
電子動力学アプリケーションの最適化2
電子動力学アプリケーションの最適化2
2019年7月3日 AITCオープンラボ 量子コンピューティング シリーズ第3回 ~日立製作所様における取り組み紹介~
2019年7月3日 AITCオープンラボ 量子コンピューティング シリーズ第3回 ~日立製作所様における取り組み紹介~
大規模言語モデル開発を支える分散学習技術 - 東京工業大学横田理央研究室の藤井一喜さん
大規模言語モデル開発を支える分散学習技術 - 東京工業大学横田理央研究室の藤井一喜さん
2016-ShowNet-PTP (Precision Time Protocol)
2016-ShowNet-PTP (Precision Time Protocol)
Robot frontier lesson2 2018
Robot frontier lesson2 2018
PILCO - 第一回高橋研究室モデルベース強化学習勉強会
PILCO - 第一回高橋研究室モデルベース強化学習勉強会
Recently uploaded
NIST Cybersecurity Framework 2.0の変更点整理をしよう
NIST Cybersecurity Framework 2.0の変更点整理をしよう
You&I
今年2月に1.1→2.0に更新されたNIST CSFの変更内容について整理したいと思います。
受発注バスターズ説明資料 株式会社batton Saleshub掲載用.pdf
受発注バスターズ説明資料 株式会社batton Saleshub掲載用.pdf
ooishi1
受発注バスターズ説明資料
FIWARE Orion Context Broker コンテキスト情報管理 (Orion 4.0.0対応)
FIWARE Orion Context Broker コンテキスト情報管理 (Orion 4.0.0対応)
fisuda
FIWARE Orion Context Broker の日本語の解説資料です。Orion Context Broker version 4.0.0 に対応しています。
アジャイルの30年(Tree Decades of Agileというブログ記事に関する要約)
アジャイルの30年(Tree Decades of Agileというブログ記事に関する要約)
You&I
Tree Decades of Agileというブログ記事が面白そうなので、これを読んでみたいと思います。 http://www.managecomplexity.dk/blog/2024/03/12/three-decades-of-agile/
CO2排出量見える化・削減・報告クラウド「アスエネ」サービス紹介_Saleshub.pdf
CO2排出量見える化・削減・報告クラウド「アスエネ」サービス紹介_Saleshub.pdf
yamamotominami
「ASUENE」は、複雑だったCO2排出量算出業務をカンタンにサポートする、CO2排出量見える化・削減・報告クラウドサービスです。温室効果ガス・CO2排出量の算出・可視化、削減・カーボンオフセット、Scope1-3* のサプライチェーン排出量の報告・情報開示を支援します。
Grokking Simplicity探訪
Grokking Simplicity探訪
Yoshitaka Kawashima
2024/6/5のアーキ部で話したスライドです。 Stratified Designの目的を中心に、そのメリットを考えてみます。
BitVisor Summit 10「3. Thin Hypervisor on AArch64」
BitVisor Summit 10「3. Thin Hypervisor on AArch64」
BitVisor
現在、理化学研究所で研究パートタイマーとしてAArch64向けThin Hypervisorの開発をしています。今回の発表では開発背景、設計、実装、及び進捗状況などをお話します。 https://bitvisor.connpass.com/event/229993/
Recently uploaded
(7)
NIST Cybersecurity Framework 2.0の変更点整理をしよう
NIST Cybersecurity Framework 2.0の変更点整理をしよう
受発注バスターズ説明資料 株式会社batton Saleshub掲載用.pdf
受発注バスターズ説明資料 株式会社batton Saleshub掲載用.pdf
FIWARE Orion Context Broker コンテキスト情報管理 (Orion 4.0.0対応)
FIWARE Orion Context Broker コンテキスト情報管理 (Orion 4.0.0対応)
アジャイルの30年(Tree Decades of Agileというブログ記事に関する要約)
アジャイルの30年(Tree Decades of Agileというブログ記事に関する要約)
CO2排出量見える化・削減・報告クラウド「アスエネ」サービス紹介_Saleshub.pdf
CO2排出量見える化・削減・報告クラウド「アスエネ」サービス紹介_Saleshub.pdf
Grokking Simplicity探訪
Grokking Simplicity探訪
BitVisor Summit 10「3. Thin Hypervisor on AArch64」
BitVisor Summit 10「3. Thin Hypervisor on AArch64」
PARI/GPの話 @ Ph/shh/bin CTF勉強会LT
1.
1 PARI/GPの話 ytoku 2015-07-09 @ Ph/shh/bin
CTF勉強会 LT1
2.
2 Speaker 徳重佑樹 a.k.a. ytoku ●
電気通信大学 M2 ● 研究分野: Cryptography ● Team: MMA, Tokyo Westerns ● Twitter: __ytoku MMA Tokyo Westerns = MMA + tuat_mcc + CureSecure
3.
3 PARI/GP? ● 計算機代数システム ● 整数論に強い – 因数分解 – 代数的数論 –
楕円曲線 – ... ● PARI: 計算ライブラリ ● GP: スクリプト言語 ※1 ※1: 本当に硬い合成数の素因数分解はGMP-ECMとかに任せたほうが良い
4.
4 Many equations and
algorithms...
5.
5 Wonderland (BkP CTF 2015:
Crypto 600) Serverの挙動: 十分に大きい素数を位数に含む →楕円曲線上の離散対数問題としては絶望的 として 上で演算
6.
6 Wonderland (解法) サーバは 上で有効か確認していない.(右辺が平方非剰余なら解なし) が 存在しない を与えた時に返ってくる値は,実は 上の群における演算結果になっている. が小さい素数の積 上で離散対数問題が解ける もし とは言ったものの……
7.
7 解くためにやる必要のあること 1.楕円曲線上の元の位数を求める 2.位数を素因数分解 3.楕円曲線上の離散対数問題を解く 実装めんどくさい Schoof's algorithm Pollard's rho
algorithm, p-1 algorithm, p+1 algorithm... Baby-step giant-step
8.
8 確かに攻撃できるね!それで、時間内に お兄ちゃんに実装できるのかな? 司令官、私がいるじゃない!
9.
9 楕円曲線のセットアップ p = 2^160
+ 7; A = 40638; E = ellinit([0, -A, 0, 1, 0] * Mod(1, p));
10.
10 楕円曲線の位数 Gx = 5; G
= [Gx, ellordinate(E, Gx)[1]]; orderG = ellorder(E, G) なる元の 点 の位数を求める ? orderG = ellorder(E, G) %6 = 730750818665451459101842825589656562369324838380
11.
11 素因数分解 ? factor(orderG) %7 = [
2 2] [ 5 1] [ 7 1] [ 31 1] [ 5857 1] [ 3280967 1] [ 68590573243 1] [308648791439 1] [413879086189 1]
12.
12 楕円曲線上の離散対数 x = -サーバから帰ってきた値; Q
= [x, ellordinate(E, x)[1]]; r = elllog(E, Q, G, orderG) ここで をサーバに送信し, を得る. elllogの所要時間: 10秒程度
13.
13 lift(chinese(Mod(0, 2), Mod(r,
orderG))) lift(chinese(Mod(0, 2), Mod(-r, orderG))) フラグを得られるように調整 ● 最後に次の二点を調整してフラグが得られる – Gの位数 が E'の位数/2 だった – y座標が±yどちらなのかわからない ● サーバからの返答にはy座標が含まれない Modを外しているだけ Chinese Reminder Theorem
14.
14 攻撃法は知ってるけど 原理は知らないって…… ね、簡単でしょう? ちゃんとアルゴリズムも勉強しておきましょう
15.
15 PARI/GPにだって…… できないことぐらい……
16.
16 16進数リテラル対応してねぇ!
17.
17 [本題] PARI/GPに対する 16進数リテラルの実装 ytoku 2015-07-09 @ Ph/shh/bin
CTF勉強会 LT1
18.
18 やったこと ● yylex: – 0xで始まるトークンをKHEXに ●
parse.y: – KHEXトークンを構文木でCSThexに ● compile.c, anal.c: – CSThexから多倍長整数に読み取り ● ようするに – 10進数の処理をコピペして16進数に対応させただけ
19.
19 16進数 入力できます! ? p =
0x100000000 %1 = 4294967296 ? p = 0xfffffffffffffffff %2 = 295147905179352825855 ? p = 0 x f f f f %3 = 65535 実はGPの仕様上変なところにスペースが 入っても大丈夫(10進数も同じ)
20.
20 パッチの入手はこちらから https://goo.gl/Qab0N0 URLは後でTwitterにでも PARI/GPで素敵な暗号解読ライフを. ご清聴ありがとうございました. 逆引き辞典「CTFと現代暗号のためのPARI/GP」もよろしく https://wiki.mma.club.uec.ac.jp/CTF/Toolkit/PariGP
Editor's Notes
https://goo.gl/#analytics/goo.gl/Qab0N0/all_time
Download now