[论文解读] Malleable Coding with Fixed Reuse

Lav R. Varshney, Julius Kusuma+1 more|arXiv (Cornell University)|Sep 4, 2008

Advanced Data Storage Technologies参考文献 24被引用 3

一句话总结

本文提出了一种可塑编码框架，可在更新数据时高效重用压缩码字前缀，平衡压缩效率与更新成本。通过引入辅助随机变量，建立了可实现速率区域的单字母表征，揭示了当压缩接近熵时，由于源版本间共同信息较低，导致可重用性可忽略不计。

ABSTRACT

In cloud computing, storage area networks, remote backup storage, and similar settings, stored data is modified with updates from new versions. Representing information and modifying the representation are both expensive. Therefore it is desirable for the data to not only be compressed but to also be easily modified during updates. A malleable coding scheme considers both compression efficiency and ease of alteration, promoting codeword reuse. We examine the trade-off between compression efficiency and malleability cost-the difficulty of synchronizing compressed versions-measured as the length of a reused prefix portion. Through a coding theorem, the region of achievable rates and malleability is expressed as a single-letter optimization. Relationships to common information problems are also described.

研究动机与目标

• 解决数据更新中压缩效率与可塑性成本之间的权衡问题。
• 建模仅重用压缩码字固定前缀的场景。
• 将问题形式化为以码字重用为重点的多终端信息论问题。
• 通过信息论优化推导出可实现速率的完整表征。
• 建立可塑编码与经典问题（如Gács–Körner共同信息）之间的联系。

提出的方法

• 将可塑编码形式化为三终端问题：原始源、更新后的源，以及用于固定前缀重用的共享辅助变量。
• 使用涉及辅助随机变量 U 的单字母优化来表征可实现速率区域。
• 在无记忆源假设下，应用隐马尔可夫性质以简化速率区域的分析。
• 建立一个编码定理，表达原始速率、重用前缀速率与新码字速率之间的权衡。
• 利用数据处理不等式和逐次可 refinability 证明速率区域的界。
• 将问题与 Gács–Körner 共同信息联系起来，揭示在源高度相关时重用的极限。

实验结果

研究问题

• RQ1 当重用压缩码字的固定前缀时，压缩效率与可塑性成本之间的基本权衡是什么？
• RQ2 原始与更新源序列之间的共同信息如何约束码字重用的量？
• RQ3 能否使用单字母信息论表达式完全表征可塑编码的速率区域？
• RQ4 当原始源和更新源均需压缩至其熵附近时，重用比例会发生什么变化？
• RQ5 辅助随机变量的结构如何与可实现速率及可塑性成本相关联？

主要发现

• 可塑编码的可实现速率区域可通过涉及辅助随机变量的单字母优化完全表征。
• 当原始与更新源的联合分布不可分解且速率接近熵时，重用比例渐近趋于零。
• 与 Gács–Körner 共同信息的联系表明，低共同信息会导致高可塑性成本。
• 新码字的速率受重用速率与给定辅助变量下新源的条件熵之和的约束。
• 新码字速率与重用速率之差的上界至多为 1，意味着存在线性权衡。
• 熵在变分距离下的连续性确保了在无损编码下条件熵的渐近收敛。