[论文解读] Randomness and dependencies extraction via polarization, with applications to Slepian-Wolf coding and secrecy

Emmanuel Abbé|arXiv (Cornell University)|Feb 7, 2011

DNA and Biological Computing参考文献 19被引用 5

一句话总结

本文将极化现象扩展至多个相关源，实现了多用户 Slepian-Wolf 源编码和密钥生成问题的低复杂度极化编码方案。通过利用极化变换所诱导的极端依赖关系，该方法以 O(n log n) 的复杂度实现容量可达速率，并提供了弱保密和强保密的协议，实现最优密钥速率。

ABSTRACT

The polarization phenomenon for a single source is extended to a framework with multiple correlated sources. It is shown in addition to extracting the randomness of the source, the polar transforms takes the original arbitrary dependencies to extremal dependencies. Polar coding schemes for the Slepian-Wolf problem and for secret key generations are then proposed based on this phenomenon. In particular, constructions of secret keys achieving the secrecy capacity and compression schemes achieving the Slepian-Wolf capacity region are obtained with a complexity of $O(n \log (n))$.

研究动机与目标

• 将极化框架从单源推广至具有任意依赖关系的多源场景。
• 为 m 个用户的 Slepian-Wolf 问题设计低复杂度极化编码方案，实现整个容量区域。
• 设计具备弱保密和强保密的密钥生成协议，实现最优保密容量。
• 建立联合译码实现完整速率区域而无间隙的条件，特别是针对可分源分布的情况。
• 将极化编码技术推广至多方密钥协商和具有结构化依赖关系的多终端源编码。

提出的方法

• 通过将极化变换矩阵 $ G_n $ 应用于联合源序列，将极化定理推广至多个相关源，诱导出极值条件熵。
• 通过用户间的联合译码实现 Slepian-Wolf 速率区域主面的速率，避免了顺序（逐层剥离）方法中出现的速率间隙。
• 引入源分布的可分性条件，确保在无速率损失的情况下实现个体速率。
• 设计两种密钥生成协议：polar-key-1 用于弱保密，polar-key-2 用于强保密，两者均使用极小部分比特的公开通信。
• 采用结构化极化矩阵 $ G_n = \begin{bmatrix}1&0\\1&1\end{bmatrix}^{\otimes \log_2 n} $，诱导条件熵向 0 或 1 极化。
• 利用逐次取消译码，错误概率为 $ o(2^{-n^\beta}) $，确保高熵分量可靠重构。

实验结果

研究问题

• RQ1 极化现象能否推广至多个相关源，以同时提取随机性和极端依赖关系？
• RQ2 联合极化编码能否在低复杂度下实现无速率间隙的 Slepian-Wolf 容量区域？
• RQ3 极化码能否在强保密保证下实现保密容量的密钥生成？
• RQ4 源分布需满足何种条件，才能确保联合译码实现完整速率区域而无损失？
• RQ5 如何最小化公开通信量，同时在强保密下实现最优密钥生成速率？

主要发现

• 所提出的 m 个用户 Slepian-Wolf 问题的极化编码方案，以 $ O(n\log n) $ 的编码与译码复杂度实现整个容量区域。
• 在密钥生成问题中，polar-key-2 协议以 $ o(n) $ 大小的公开通信实现强保密，且达到最优速率。
• polar-key-2 协议的密钥速率至少为 $ \frac{1}{2}I(\mu) + o(1) $，且公开通信与密钥之间的互信息为 $ o(n) $，确保保密性。
• 通过利用条件熵的极化特性以及极化变换所诱导的极端依赖结构，该方案实现了保密容量。
• 在源分布满足可分性条件的前提下，联合译码方法避免了洋葱剥离方法中存在的速率间隙。
• 译码错误概率为 $ o(2^{-n^\beta}) $，确保高熵分量以高概率被可靠重构。