[论文解读] New upper bounds for trace reconstruction

Zachary Chase|arXiv (Cornell University)|Sep 7, 2020

Digital Image Processing Techniques参考文献 25被引用 10

一句话总结

该论文将迹重建的上界从 exp(O(n^{1/3})) 改进至 exp(Õ(n^{1/5}))，通过一种新颖的稀疏多项式分析方法，该方法源自随机迹中子序列的出现情况。该方法利用复分析和加权子序列计数的集中不等式，仅需比以往方法少得多的迹，即可以高概率重建任意 n 位字符串。

ABSTRACT

We show that any $n$-bit string can be recovered with high probability from $\exp(\widetilde{O}(n^{1/5}))$ independent random subsequences.

研究动机与目标

• 改进以高概率重建未知 n 位字符串所需独立同分布迹数的上界。
• 将先前针对 q ≤ 1/2 的结果扩展至所有 q ∈ (0,1) 的迹重建问题。
• 利用单位圆上的复分析，为加权子序列计数建立更紧致的集中不等式。
• 实现对 n 的亚立方根依赖关系，优于先前的 exp(O(n^{1/3})) 上界。

提出的方法

• 分析一个精心选择的子串 w 的多项式 ∑ₖ[1_{x_{k+i}=w_i} − 1_{y_{k+i}=w_i}]z^k，以利用其稀疏性。
• 使用广义迹恒等式，将迹统计量的期望值与原始字符串中子串出现的加权计数关联起来。
• 应用复分析技术，在单位圆上 z=1 附近的小弧上对多项式的模长进行下界估计。
• 采用一族紧致的利普希茨函数与积分比较论证，控制迹采样中的近似误差。
• 利用概率方法与集中不等式，确保在 T = exp(Cn^{1/5} log⁵n) 迹下实现高概率重建。
• 通过 Shyam Narayanan 的简短论证，将该方法扩展至所有删除概率 q ∈ (0,1)。

实验结果

研究问题

• RQ1 迹重建问题能否在远少于 exp(O(n^{1/3})) 迹的情况下解决？
• RQ2 上界能否扩展至所有删除概率 q ∈ (0,1)，而不仅限于 q ≤ 1/2？
• RQ3 在单位圆上对稀疏多项式进行分析，能否获得优于一般迹统计量的集中不等式？
• RQ4 在迹重建模型中，迹复杂度与重建精度之间的最优权衡是什么？

主要发现

• 本文证明，对于某个 C>0，任意 n 位字符串可使用 T = exp(Cn^{1/5} log⁵n) 个独立同分布迹以至少 1−δ 的概率被重建。
• 新的上界 exp(Õ(n^{1/5})) 优于先前已知的最佳上界 exp(O(n^{1/3}))。
• 该方法通过聚焦于源自子串出现的稀疏多项式，而非逐位差异，实现了更优的集中性。
• 通过 Shyam Narayanan 的简短论证，分析被扩展至所有 q ∈ (0,1)，消除了对删除概率的先前限制。
• 证明依赖于复分析与积分比较技术，以界定单位圆上 z=1 附近小弧上多项式的模长。
• 结果表明，迹重建可在亚指数但仍是超多项式数量的迹下实现，从而缩小了与已知 Ω̃(n^{3/2}) 下界之间的差距。