[论文解读] Outlaw distributions and locally decodable codes

Jop Briët, Zeev Dvir+1 more|arXiv (Cornell University)|Sep 20, 2016

Coding theory and cryptography被引用 4

一句话总结

本文引入了“非法分布”（outlaw distributions）——即在平滑布尔函数上定义的概率分布，其期望值难以用少量样本近似——并将其与常数查询量局部可解码码（LDCs）的存在性联系起来。本文证明，此类非法分布意味着存在 O(1)-查询 LDCs，并通过有限几何、加法组合论和超图非膨胀子图构造了具体实例，包括一种新颖的“积木超图”（Jenga hypergraph）框架，该框架可生成新的 LDCs，其长度为次指数级且查询复杂度为常数。

ABSTRACT

Locally decodable codes (LDCs) are error correcting codes that allow for decoding of a single message bit using a small number of queries to a corrupted encoding. Despite decades of study, the optimal trade-off between query complexity and codeword length is far from understood. In this work, we give a new characterization of LDCs using distributions over Boolean functions whose expectation is hard to approximate (in~$L_\infty$~norm) with a small number of samples. We coin the term `outlaw distributions' for such distributions since they `defy' the Law of Large Numbers. We show that the existence of outlaw distributions over sufficiently `smooth' functions implies the existence of constant query LDCs and vice versa. We give several candidates for outlaw distributions over smooth functions coming from finite field incidence geometry, additive combinatorics and from hypergraph (non)expanders. We also prove a useful lemma showing that (smooth) LDCs which are only required to work on average over a random message and a random message index can be turned into true LDCs at the cost of only constant factors in the parameters.

研究动机与目标

• 通过概率与几何概念，建立局部可解码码（LDCs）的新表征方式。
• 将“非法分布”定义为：在少量样本下难以近似其期望值的分布，违背大数定律。
• 证明：在平滑函数上，若存在此类分布，则意味着存在常数查询量 LDCs。
• 通过有限域关联几何、加法组合论及超图非膨胀子图，提供非法分布的具体构造。
• 引入“积木超图”（Jenga hypergraph）框架，作为生成非伪随机超图以构造新 LDCs 的工具。

提出的方法

• 将 σ-光滑函数定义为离散导数的谱范数较小的函数，以确保不存在显著影响变量。
• 将“非法分布”定义为：在 L∞-范数误差下，需 Ω(k) 个样本才能近似其期望值的分布。
• 证明：若在 σ-光滑函数上的分布为非法分布，则可构造出 codeword 长度为 exp(Ω(k)) 的 O(1)-查询 LDC。
• 采用积木超图模型：若将边集划分为若干部分后，从其中随机选取 k 个匹配，能以至少 1/2 的概率得到非 ε-伪随机子图，则称该 t-均匀超图为 (k,ε)-jenga。
• 通过在顶点副本上定义多重线性函数，并分析其与期望值的 L∞-范数偏差，从超图构造 LDC。
• 应用集中与伪随机性论证，表明非伪随机性会导致函数期望值出现显著偏差，从而实现 LDC 构造。

实验结果

研究问题

• RQ1 是否可通过对抵抗少量样本估计的平滑布尔函数上的分布，来表征局部可解码码？
• RQ2 当随机选取匹配时，何种结构特性使超图能产生非伪随机子图？
• RQ3 积木超图模型与常数查询量 LDC 的存在性有何关联？
• RQ4 在 t-均匀超图中，最大匹配数 k 为多少时，其仍为 (k,ε)-jenga？该值如何随 n 变化？
• RQ5 已知的组合对象（如有限几何或匹配向量系统）能否用于构造非法分布？

主要发现

• 在 σ-光滑函数上的非法分布，意味着存在 codeword 长度为 exp(Ω(k)) 的 O(1)-查询局部可解码码。
• 若存在 (k,ε)-jenga 的 t-均匀超图，则存在 (t,1,Ω(ε/t²))-LDC，其消息长度 l = Ω(ε²k/t⁴ log(t²/ε))，codeword 长度为 tn。
• 当 t=2（即图）时，κJ(n,2,ε) = Θ(log n)，与随机 Cayley 图的已知界一致，并可构造出参数与 Hadamard 码匹配的 2-查询 LDC。
• 在 Fₘᵖ 上的 p-均匀超图，其边为非平凡直线，对某个仅依赖于 p 的 ε = ε(p)，为 (mᵖ⁻¹, ε)-jenga。
• 存在 (k,ε)-jenga 超图意味着可通过积木框架构造出长度为次指数级、查询复杂度为常数的 LDC。
• 一个关键引理表明，平均情况下的 LDC 可通过常数因子损失转换为真正的 LDC。