[논문 리뷰] On the hardness of the decoding and the minimum distance problems for rank codes

Philippe Gaborit, Zemor Gilles|arXiv (Cornell University)|2014. 04. 14.

Coding theory and cryptography참고 문헌 11인용 수 4

한 줄 요약

이 논문은 체의 확장에서 히스팅 메트릭 코드에서 랭크 메트릭 코드로의 랜덤 임bedding을 이용하여 랭크 코드에 대한 랭크 심플렉스 디코딩(RSD) 및 랭크 최소 거리(RMD) 문제의 계산적 난이도를 규명한다. 만약 이들 문제 중 하나가 ZPP에 속해 있다면 NP = ZPP임을 증명하며, 이는 이러한 문제가 효율적으로 해결될 가능성이 없음을 시사한다. 또한 이 결과를 문제의 근사화 형태로 확장한다.

ABSTRACT

In this paper we give a randomized reduction for the Rank Syndrome Decoding problem and Rank Minimum Distance problem for rank codes. Our results are based on an embedding from linear codes equipped with Hamming distance unto linear codes over an extension field equipped with the rank metric. We prove that if both previous problems for rank metric are in ZPP = RP$\cap$coRP, then we would have NP=ZPP. We also give complexity results for the respective approximation problems in rank metric.

연구 동기 및 목표

• 랭크 코드에 대한 랭크 심플렉스 디코딩(RSD) 및 랭크 최소 거리(RMD) 문제의 계산 복잡도를 조사하는 것.
• 이러한 문제가 ZPP(오류가 없는 랜덤화 다항식 시간)에 속하는지 여부를 확인하는 것. 만약 그렇다면 NP = ZPP임을 의미한다.
• 문제의 근사화 형태에 대한 난이도 결과를 랭크 메트릭으로 확장하는 것.
• 랭크 메트릭 문제의 복잡도와 NP 및 ZPP와 같은 기본적인 복잡도 클래스 간의 관계를 설정하는 것.
• 체 확장 임베딩을 활용하여 히스팅 메트릭 문제에서 랭크 메트릭 문제로의 랜덤화 감소를 제공하는 것.

제안 방법

• 랜덤화된 임베딩을 통해 히스팅 거리가 있는 작은 체 위의 선형 코드를 랭크 메트릭이 있는 체의 확장 위의 선형 코드로 매핑한다.
• 임베딩은 코드의 구조를 유지하면서 기저 체 위의 행렬 표현을 통해 히스팅 거리를 랭크 거리로 변환한다.
• 체의 기저를 사용하여 F_{Q}의 원소를 F_q^m 내의 벡터로 표현함으로써 랭크 무게를 관련 행렬의 질량으로 정의한다.
• 저자들은 RSD 또는 RMD가 RP에 속해 있다면 NP ⊆ RP임을 보여주는 증거 구축 기법을 사용하며, 이는 NP = ZPP로 이어진다.
• 근사 문제의 경우, 랭크 메트릭에서 GapRMDP 및 GapRNCP를 정의하고 동일한 임베딩을 적용하여 히스팅 근사 문제에서의 난이도를 전이한다.
• 만약 근사 문제들이 coRP에 속해 있다면 NP = ZPP임을 증명하기 위해 무신뢰성 랜덤(UR) 감소 프레임워크를 사용한다.

실험 결과

연구 질문

• RQ1 랭크 코드에 대한 랭크 심플렉스 디코딩 문제는 ZPP에 속하는가? 만약 그렇다면 복잡도 클래스에 어떤 의미가 있는가?
• RQ2 랭크 코드에 대한 랭크 최소 거리 문제는 ZPP에 속하는가? 만약 그렇다면 그 결과는 무엇인가?
• RQ3 랭크 메트릭에서의 최소 거리 및 디코딩 문제의 난이도는 히스팅 메트릭의 대응 문제로부터 감소될 수 있는가?
• RQ4 랭크 메트릭에서 RSD 및 RMD 문제의 근사화 형태의 복잡도는 무엇인가?
• RQ5 해밍 및 격자 문제에 대해 알려진 바와 같이, 랭크 디코딩 및 최소 거리 문제에 대해 결정론적 감소를 구성할 수 있는가?

주요 결과

• 만약 랭크 코드에 대한 랭크 심플렉스 디코딩 문제가 ZPP에 속해 있다면 NP = ZPP이며, 이는 다항계층이 붕괴하지 않는 한 문제가 계산적으로 어렵다는 것을 시사한다.
• 유사하게, 만약 랭크 코드에 대한 랭크 최소 거리 문제가 ZPP에 속해 있다면 NP = ZPP이며, 이는 비가역성에 강력한 증거를 제공한다.
• 히스팅에서 랭크 메트릭으로의 감소는 체 확장을 기반으로 한 랜덤화된 임베딩을 사용하며, 이는 히스팅 무게가 있는 코드를 랭크 무게가 있는 코드로 매핑한다.
• 랭크 메트릭에서의 근사 문제 GapRMDP 및 GapRNCP는 랜덤화 감소에 의해 NP-난이도를 지니며, 만약 coRP에서 해석 가능하다면 NP = ZPP임을 증명한다.
• 최소 거리 문제의 감소는 n에 대해 선형 차수의 체 확장을 요구하는 반면, 디코딩 문제의 경우 제곱수 차수의 확장을 요구함으로써 감소 과정에서 구조적 비대칭성을 보인다.
• 결과는 약속 문제로까지 확장되며, 상수 요인 이내로 최소 거리나 가장 가까운 코드어를 근사하는 것도 NP = ZPP가 아닐 경우 어렵다는 것을 보여준다.