[논문 리뷰] On the Capacity of Locally Decodable Codes

Hua Sun, Syed A. Jafar|arXiv (Cornell University)|2018. 12. 13.

Cryptography and Data Security참고 문헌 17인용 수 4

한 줄 요약

이 논문은 완전히 매끄러운 局소 디코딩 가능 코드(LDCs)와 그 보편적 변형인 보편적 LDCs의 용량을 확립하며, 최대 심볼 비율은 $ C^* = N(1 + 1/N + \cdots + 1/N^{K-1})^{-1} $이며, 용량을 달성하는 코드의 최소 길이는 $ M = N^K $임을 증명한다. 결과는 최대 다운로드 비용 조건 하에서 사생활 정보 검색(PIR)에 적용되어 최소 업로드 비용이 $ (K-1)"log N$임을 보이며, 이는 Repudiative Information Retrieval(RIR)으로도 확장된다.

ABSTRACT

A locally decodable code (LDC) maps $K$ source symbols, each of size $L_w$ bits, to $M$ coded symbols, each of size $L_x$ bits, such that each source symbol can be decoded from $N \leq M$ coded symbols. A perfectly smooth LDC further requires that each coded symbol is uniformly accessed when we decode any one of the messages. The ratio $L_w/L_x$ is called the symbol rate of an LDC. The highest possible symbol rate for a class of LDCs is called the capacity of that class. It is shown that given $K, N$, the maximum value of capacity of perfectly smooth LDCs, maximized over all code lengths $M$, is $C^*=N\left(1+1/N+1/N^2+\cdots+1/N^{K-1} ight)^{-1}$. Furthermore, given $K, N$, the minimum code length $M$ for which the capacity of a perfectly smooth LDC is $C^*$ is shown to be $M = N^K$. Both of these results generalize to a broader class of LDCs, called universal LDCs. The results are then translated into the context of PIR$_{\max}$, i.e., Private Information Retrieval subject to maximum (rather than average) download cost metric. It is shown that the minimum upload cost of capacity achieving PIR$_{\max}$ schemes is $(K-1)\log N$. The results also generalize to a variation of the PIR problem, known as Repudiative Information Retrieval (RIR).

연구 동기 및 목표

• 완전히 매끄러운 국소 디코딩 가능 코드(SLDCs)의 심볼 비율(용량)의 기본 한계를 $ K $개의 소스 기호와 국소성 $ N $을 가진 경우에 결정하는 것.
• SLDCs가 이 용량을 달성하기 위해 필요한 최소 코드 길이 $ M $를 규명하는 것.
• 용량 한계의 적용 범위를 넓히기 위해 보편적 LDCs(ULDCs)로 결과를 일반화하는 것.
• LDC 용량 결과를 최대 다운로드 비용 조건 하에서 사생활 정보 검색(PIR)의 맥락으로 번역하여 최소 업로드 비용을 확립하는 것.
• 결과를 Repudiative Information Retrieval(RIR)으로 확장하여, PIR max와 동일한 용량과 업로드 비용을 보여주는 것.

제안 방법

• 소스 기호 크기 $ L_w $와 코딩 기호 크기 $ L_x $를 고려하여 심볼 비율을 $ L_w / L_x $로 정의하고, 조합론적 및 정보이론적 추론을 통해 최대 달성 가능한 비율 $ C^* $을 도출하는 것.
• 모든 소스 기호에 대해 각 코딩 기호가 디코딩 집합에 대해 균일하게 분포하는 완전히 매끄러운 LDCs(SLDCs)의 개념을 도입하여, 균형 잡힌 액세스와 오염에 대한 내성을 확보하는 것.
• 디코딩 집합 커버리지와 코딩 기호의 다중성에 기반한 모순 증명을 통해, SLDCs와 ULDCs에 대해 용량 $ C^* = N(1 + 1/N + \cdots + 1/N^{K-1})^{-1} $가 상한임을 증명하는 것.
• 용량을 달성하는 데 필요한 최소 코드 길이 $ M $가 $ N^K $임을 증명하며, 이는 각 소스 기호의 $ N^{K-1} $개의 디코딩 집합이 코딩 기호에 의해 유일하게 커버되어야 한다는 조건에서 유도된다.
• $ N $-진 트리 구조를 사용하여 $ N^K $개의 리프 노드를 가진 용량을 달성하는 SLDC를 구성하는 것. 여기서 각 디코딩 집합은 루트에서 리프까지의 경로에 대응하고, 각 $ N^{K-1} $개의 노드 그룹은 PIR에서 하나의 데이터베이스에 대응한다.
• SLDC의 구조를 PIR max와 RIR에 매핑하기 위해 각 데이터베이스에 코딩 기호의 그룹을 할당하며, 각 쿼리가 각 데이터베이스당 하나의 코딩 기호를 검색하도록 하여, 완전한 매끄러움과 균일한 디코딩 집합 선택을 통해 기밀성과 정확성을 유지하는 것.

실험 결과

연구 질문

• RQ1 완전히 매끄러운 국소 디코딩 가능 코드에 대해 $ K $개의 소스 기호와 국소성 $ N $을 가진 경우의 최대 달성 가능한 심볼 비율(용량)은 무엇인가?
• RQ2 완전히 매끄러운 LDC가 이 용량을 달성하기 위해 필요한 최소 코드 길이 $ M $는 무엇인가?
• RQ3 이러한 결과는 더 넓은 범위의 보편적 국소 디코딩 가능 코드(ULDCs)로 어떻게 일반화되는가?
• RQ4 최대 다운로드 비용 기준(PIR max) 하에서 용량을 달성하는 방법의 최소 업로드 비용은 무엇인가?
• RQ5 결과는 Repudiative Information Retrieval(RIR)으로 어떻게 확장되며, 이 설정에서 최소 업로드 비용은 얼마인가?

주요 결과

• 소스 기호 수 $ K $와 국소성 $ N $을 가진 완전히 매끄러운 LDCs의 용량은 $ C^* = N(1 + 1/N + 1/N^2 + \cdots + 1/N^{K-1})^{-1} $이며, 이는 이 클래스에서 달성 가능한 최고의 심볼 비율이다.
• 이 용량을 달성하는 데 필요한 최소 코드 길이 $ M $는 $ M = N^K $이며, 이는 날카로운 상한이다: $ C^* $를 달성할 수 있는 더 짧은 코드는 존재하지 않는다.
• 결과는 보편적 LDCs(ULDCs)로 일반화되며, 동일한 용량과 최소 코드 길이를 유지하므로 엄밀히 매끄러운 코드를 초월한 더 넓은 적용 가능성을 보여준다.
• PIR max 문제에서 용량을 달성하는 데 필요한 최소 업로드 비용은 $ (K-1)\log N $이며, 여기서 $ \log $의 밑은 $ N $이며, 이는 날카로운 상한이다.
• RIR(Repudiative Information Retrieval)의 용량은 PIR max와 동일하며, 최소 업로드 비용 역시 $ (K-1)\log N $이다. 이는 기본 한계에서의 동등성을 보여준다.
• 용량을 달성하는 방법은 $ N $-파트라이트 SLDC를 통해 구성되며, 총 $ N^K $개의 코딩 기호를 포함한다. 각 디코딩 집합은 $ N $-진 트리에서 유일한 경로에 대응하며, 균일한 액세스와 기밀성을 보장한다.