[論文レビュー] Efficient and Error-Correcting Data Structures for Membership and Polynomial Evaluation

Victor Chen, Elena Grigorescu+1 more|arXiv (Cornell University)|Sep 21, 2009

Complexity and Algorithms in Graphs参考文献 16被引用数 6

ひとこと要約

本稿は、敵対的ノイズ下で復号が正しく答えられるか、または「知らない」と答えることを許容する緩和型誤り訂正モデルを導入し、メンバーシップおよび多項式評価のための効率的でほぼ最適なデータ構造を実現する。メンバーシップの場合は $O(1)$ ビットプローブ、多項式評価の場合は $\text{polylog } s \times \log^{1+o(1)}n$ ビットプローブを達成し、$s\log n$ にほぼ線形な長さを有する。これはノイズなしの境界と漸近的に一致する。

ABSTRACT

We construct efficient data structures that are resilient against a constant fraction of adversarial noise. Our model requires that the decoder answers most queries correctly with high probability and for the remaining queries, the decoder with high probability either answers correctly or declares "don't know." Furthermore, if there is no noise on the data structure, it answers all queries correctly with high probability. Our model is the common generalization of a model proposed recently by de Wolf and the notion of "relaxed locally decodable codes" developed in the PCP literature. We measure the efficiency of a data structure in terms of its length, measured by the number of bits in its representation, and query-answering time, measured by the number of bit-probes to the (possibly corrupted) representation. In this work, we study two data structure problems: membership and polynomial evaluation. We show that these two problems have constructions that are simultaneously efficient and error-correcting.

研究の動機と目的

• 敵対的ビット反転エラーの定数割合に耐性を持つが、ほぼ最適な空間とクエリ時間のデータ構造を設計すること。
• 誤り訂正データ構造と緩和型局所的に復号可能な符号を統合するモデルを一般化し、ノイズ下で「知らない」と答えることを許容する。
• 2つの基本的問題である集合内のメンバーシップと $n$ を法とする1変数多項式の評価のための効率的で誤り訂正可能なデータ構造を構築すること。
• ノイズなしの構成と漸近的に同等の長さとクエリ複雑度を達成すること、敵対的ノイズが存在するにもかかわらず。
• 空間 $s$ が小さい場合のランクや先行者クエリなどの問題における誤り訂正データ構造の新たな方向性を開くこと。

提案手法

• 復号が高確率で正しく答えられるか、または「知らない」と出力する緩和型誤り訂正モデルを導入し、de Wolf のモデルと緩和型局所的に復号可能な符号を一般化する。
• 複数層のエラー訂正を用いた階層的符号化：まず、ビット反転エラーに耐性を持つ符号でデータを符号化し、次に残存エラーを訂正する中国剰余定理（CRT）ベースの復号層を適用する。
• メンバーシップの場合は、$O(s\log n)$ の長さと $O(1)$ のビットプローブを達成する確率的構成を用い、プローブ選択におけるランダムネスを活用して耐障害性を確保する。
• 多項式評価の場合は、素数上の多次元符号化を適用し、ランダム射影とモジュラー算術を用いて、クエリ複雑度を $\text{polylog }s \cdot \log^{1+o(1)}n$ ビットプローブに低減する。
• マルコフの不等式と平均化の議論を用いた確率的解析により、複数のプローブ集合にわたる悪影響クエリおよびエラーの割合を制限する。
• 確率的補題を用いて、好都合な事象（例えば、悪いインデックスの割合が低い、エラー率が低い）を条件付け、復号の成功確率を高める。

実験結果

リサーチクエスチョン

• RQ1 空間効率的かつ定数割合の敵対的ビット反転エラーに耐性を持つが、クエリ時間が速いデータ構造を設計可能か？
• RQ2 誤り訂正データ構造において、$O(1)$ や $\text{polylog}$ のようなほぼ最適なクエリ複雑度を達成可能か？ノイズなしの既知の境界と一致するか？
• RQ3 復号が「知らない」と答えることを許容する緩和型モデルは、従来の誤り訂正データ構造が符号長が悪いため失敗するような効率的構成を可能にするか？
• RQ4 このフレームワークは、ランクや先行者クエリなどの他の基本的データ構造問題へ拡張可能か？
• RQ5 敵対的ノイズ下で、新しい緩和型モデルにおいて符号長とクエリ複雑度のトレードオフは何か？

主な発見

• サイズが $s$ 以下の集合におけるメンバーシップのための誤り訂正データ構造を、長さ $O(s\log n)$ および $O(1)$ ビットプローブで構築し、ノイズなしの最適パラメータと漸近的に一致する。
• 法 $n$ における1変数多項式評価のためのデータ構造を、$s\log n$ にほぼ線形な長さとクエリ複雑度 $\text{polylog }s \cdot \log^{1+o(1)}n$ で構築し、Kedlaya と Umans が得た最良のノイズなし構成とほぼ一致する。
• 大多数のクエリに対して復号が高確率（少なくとも $3/4$）で成功し、残りのクエリについては正しく答えたり「知らない」と出力したりすることで、緩和型誤り訂正モデルを満たす。
• 敵対的ビット反転によって生じるエラーを訂正するために、ランダム射影、モジュラー符号化、CRT 復号を組み合わせた多層アプローチを用いる。
• 解析により、誤ったまたは破損したクエリの割合は高確率で $1/25$ 以下に制限され、CRT ベースの訂正により信頼性の高い復号が可能である。
• 従来の局所的に復号可能な符号が、符号長が超多項式的になるため失敗するような状況においても、効率的構成が可能であることを示し、先行研究の主要な制限を解消する。