[論文レビュー] Guess & Check Codes for Deletions, Insertions, and Synchronization

Serge Kas Hanna, Salim El Rouayheb|arXiv (Cornell University)|May 24, 2017

DNA and Biological Computing参考文献 17被引用数 3

ひとこと要約

この論文は、有限体上の多項式ハッシュと確率的復号（故障確率が有界）を用い、通信量を最小限に抑えて分散システムにおける効率的なファイル同期を可能にする、高確率で定数個の削除または挿入を訂正できる、体系的かつ明示的に構築された新しいコード族であるGuess & Check (GC) コードを紹介する。

ABSTRACT

We consider the problem of constructing codes that can correct $\delta$ deletions occurring in an arbitrary binary string of length $n$ bits. Varshamov-Tenengolts (VT) codes, dating back to 1965, are zero-error single deletion $(\delta=1)$ correcting codes, and have an asymptotically optimal redundancy. Finding similar codes for $\delta \geq 2$ deletions remains an open problem. In this work, we relax the standard zero-error (i.e., worst-case) decoding requirement by assuming that the positions of the $\delta$ deletions (or insertions) are independent of the codeword. Our contribution is a new family of explicit codes, that we call Guess & Check (GC) codes, that can correct with high probability up to a constant number of $\delta$ deletions (or insertions). GC codes are systematic; and have deterministic polynomial time encoding and decoding algorithms. We also describe the application of GC codes to file synchronization.

研究の動機と目的

• 実用的なファイル同期のため、低冗長性で複数の削除を訂正できる体系的コードの設計。
• 復号失敗の確率が小さく、かつ有界であることを許容することで、最悪ケースのゼロエラー復号要件を緩和。
• 送信されるパリティビットを最小限に抑えることで、リモートファイル同期を効率化。
• δ 個の削除を処理できる、明示的かつ多項式時間で符号化・復号可能なコードの構築（δ は定数）。
• VTコードを単一削除訂正を越えて一般化しつつ、システムレベルの効率性を維持すること。

提案手法

• メッセージビットをブロックに分け、q = 2^ℓ である有限体 GF(q) の要素にマッピングする体系的符号化方式を用いる。
• MDSコードの生成行列から得られる係数を用いた、GF(q) 上の多項式に基づくパリティチェックを採用。
• 「推測して検証する」復号戦略を適用：復号器はδ個の削除位置を推測し、多項式方程式を用いて整合性を検証。
• GF(q)における組み合わせ的・代数的制約を用いて、削除位置の組み合わせの数を上界で抑え、2^{δ²} 未満であることを示す。
• 全確率の法則を用いて、ℓ = Ω(log k) のとき漸近的に消えるような復号失敗確率の上界を導出。
• 有限体演算を用いて、バイナリーベクトルを体の要素に一意にマッピングし、与えられたビットタイプに対して一意な解の回復を可能にする。

実験結果

リサーチクエスチョン

• RQ1 複数の削除を対処できる体系的コードは、対数的冗長性と多項式時間符号化/復号が可能に構築可能か？
• RQ2 復号失敗確率が有界である条件下で、処理可能な削除位置の最大数は何か？
• RQ3 送信パリティビットを削減することで、ファイル同期のシステムレベルの効率はどのように向上できるか？
• RQ4 メッセージおよび削除分布に関する妥当な仮定の下で、復号失敗確率を漸近的に消せるか？
• RQ5 確率的削除訂正コードにおいて、冗長性、復号複雑性、失敗確率のトレードオフは何か？

主な発見

• GCコードは、δ 個の削除に対して、O(δ log n) の対数的冗長性を達成しており、δ が定数のとき漸近的に最適。
• 復号失敗確率は、O((k/ℓ)^δ / 2^{ℓ(c−δ)}) で上界が抑えられ、ℓ = Ω(log k) のとき k → ∞ で漸近的に消える。
• 可能な削除位置の組み合わせの数は、ブロックサイズ k とは無関係に 2^{δ²} 未満で抑えられる。
• 符号化と復号は決定的多項式時間で実行され、符号化の複雑さは O(kℓ)、復号の複雑さは O(k^{δ+1}/ℓ^{δ−1})。
• GCコードは体系的かつ明示的に構築可能であり、リモートファイル同期への直接応用が可能。
• VTコードを単一削除訂正を越えて一般化しつつ、低冗長性と効率的な復号を維持している。