Les PRF (ou PRP) forment la base de la cryptographie: si de telles primitives existent, alors nous pouvons construire un grand nombre de cryptosystèmes dont la sécurité est prouvée. Cependant, ces familles de fonctions donnent un grand pouvoir à l'attaquant
Titre : Lipschitz-Killing curvatures for excursion sets of spin spherical random fields Résumé : In this talk, we study the geometry of excursion sets of spin spherical random fields by means of their Lipschitz-Killing curvatures. Without requiring isotropy, it is
Titre : Efficient estimation of jump parameters for stochastic differential equations driven by Lévy processes Résumé : In this talk, we consider the high-frequency estimation of the jump parameters of a stochastic differential equation driven by a Lévy process. More
Je présenterai d’abord succinctement la lignée de travaux sur les weak PRF (wPRF) à modulo alternés, avant de détailler la construction sur laquelle repose le reste cet exposé. J’aborderai ensuite le paysage des attaques récentes contre ces constructions (Cheon et
L'optimisation de formes vise à optimiser le design d'un domaine du plan ou de l'espace au regard d’une fonction évaluant sa “performance”, tout en respectant certaines contraintes. Dans les applications, les fonctions mises en jeu dépendent de la forme par
Le Commissariat à l'Energie Atomique a mis en place un protocole expérimental de fusion par confinement inertiel. Il s'agit, en chauffant de l'hydrogène avec des lasers de très haute puissance, d'atteindre les conditions thermodynamiques (température, pression, densité) de fusion nucléaire.
Shallow Weak pseudo-random functions (swPRFs) are a class of cryptographic primitives which have recently gained traction due to their use in advanced cryptographic protocols (zero-knowledge proofs, multipartite computation, fully homomorphic encryption...). They differ from traditional PRFs by their security model:
Titre: Regression for extremes: an application to the prediction of sea levels Résumé: In this presentation, we first introduce a probabilistic framework for regression in regions where the input variable is extreme, in contrast to classical approaches that typically focus
Titre: Spectral phase transitions for latent subspace recovery Résumé: Recovering low-dimensional structure from high-dimensional data is a recurring problem in probability, statistics, and machine learning. I will discuss this problem for Gaussian multi-index models, where observations depend on high-dimensional Gaussian
