How to send a real number using a single bit (and some shared randomness)
University College London(伦敦大学学院);Harvard University(哈佛大学);VMware Research(威睿研究部)
我们认为,使用一个单一的位的实数$x\in[0,1]$的估计通信的基本问题。知道$x$的发送方选择值$X\in\set{0,1}$来发送。进而,接收机基于$X$的值来估计$x$。我们考虑有偏和无偏估计问题,并以最小化成本为目标。对于有偏的情况,成本是最坏情况(在选择$x$的情况下)的预期平方误差,如果要求算法是无偏的,则其与方差一致。我们首先概述常见的有偏和无偏估计方法,并证明其最优性时,不允许共享的随机性。然后,我们展示了如何少量的共享随机性,这可以是低至一个位,在这两种情况下降低成本。具体来说,我们推导出任何算法与不受限制地使用共享的随机性,并提出近最佳的解决方案,使用少量的共享随机位的成本上的下限。最后,我们讨论了开放的问题和未来的发展方向。
2021-05-20 cs.DS cs.IT cs.LG
Exponents for Shared Randomness-Assisted Channel Simulation
该研究确定了共享随机数辅助信道模拟的精确误差与强逆指数,证明其可表示为Rényi信道互信息的简单优化,且无临界速率,额外量子纠缠辅助不改变相关指数。
2024-10-09 cs.IT math.IT quant-ph
Convex-split and hypothesis testing approach to one-shot quantum measurement compression and randomness extraction
本文研究了在具有共享随机性的单次设置下,带边信息的量子测量压缩问题。在这个问题中,Alice与Reference和Bob共享一个纯状态,她对她的寄存器进行测量。她希望使用共享随机性和经典通信将该测量的结果传达给Bob,以使得Bob接收的结果与参考和Bob自己的寄存器正确地相关。我们的目标是同时最小化经典通信和随机性成本。我们提出了一个基于凸分裂和基于位置解码的协议,并给出了其通信上界的平滑最大值和假设检验相对熵。我们还研究了我们的协议的随机性成本在一次和渐近和独立同分布。设置.通过推广的凸分裂技术,将成对独立的随机变量,我们表明,我们的一次性协议需要少量的共享随机位。这使我们能够构建一个新的协议在渐近和i.i.d.设置,其在所需的通信比特数和共享随机性的比特数方面都是最优的。我们构建了一个新的协议,在量子边信息的存在下,强随机性提取的任务。我们的协议实现错误保证方面的相对熵(而不是跟踪距离),并提取接近最佳数量的均匀位。作为一个应用,我们为无反馈的量子测量压缩任务提供了新的可解释性结果,其中Alice不需要知道测量的结果。这导致了最佳数量的比特通信和共享的随机性所需的比特数,在渐近和i.i.d.设置.
2018-06-19 cs.IT math.IT quant-ph
Optimal Neural Compressors for the Rate-Distortion-Perception Tradeoff
Department of Electrical and Systems Engineering, University of Pennsylvania(电气与系统工程系,宾夕法尼亚大学)
针对现有RDP最优压缩器缺乏低复杂度构造方案的问题,提出结合格型编码与共享抖动的低复杂度神经压缩器,证明其在两种共享随机性场景下的最优性,并通过实验验证了组件的性能增益。
2025-05-20 cs.IT cs.LG math.IT
Communication for Generating Correlation: A Unifying Survey
在分布式环境中操纵相关随机变量的任务在信息论和计算机科学领域都受到了关注。通常,共享的相关性可以通过少量的通信转换为完全共享的均匀随机变量。这种完美的共享随机性反过来又使许多任务的解决方案成为可能。即使是将完全共享的均匀随机性逆转换为具有期望相关形式的变量,也证明是有见地和技术上有用的。在这篇调查文章中,我们描述了这些问题的最新进展,并列出了相关的措施,可行性结果,性能限制,并指出新的方向。
2019-10-02 cs.IT math.IT
A Lower-bound for Variable-length Source Coding in Linear-Quadratic-Gaussian Control with Shared Randomness
在这封信中,我们考虑一个线性二次高斯(LQG)控制系统,反馈发生在一个无噪声的二进制信道,并获得最低限度的通信成本(通过信道比特率量化),以达到一个给定的控制性能所需的下限。我们假设,在每个时间步长,编码器可以通过信道将包含可变比特数的分组传送到控制器处的解码器。我们的系统模型提供了编码器和解码器共享随机性的可能性,就像使用抖动量化器的系统中的情况一样。我们定义了两个极端的无前缀的要求,可能会施加在消息包,这样的约束是有用的,因为它们允许解码器,并可能其他代理唯一地识别在一个在线的方式传输的结束。然后,我们推导出一个下界的无前缀编码的有向信息的速率,特别是我们表明,以前已知的绑定仍然保持在共享的随机性的情况下。我们概括了前缀约束放松时的界限,并得出结论与率失真制定。
2022-06-02 cs.IT cs.SY eess.SP
The role of shared randomness in quantum state certification with unentangled measurements
本文研究无纠缠测量下共享随机性对量子态认证副本复杂度的影响,证明确定性方案需 Θ(d²/ε²) 份副本,与随机化方案的 Θ(d^{3/2}/ε²) 形成分离,并基于 Lüders 规则建立统一下界框架。
2024-01-17 cs.CC cs.IT math.IT
Domain Compression and its Application to Randomness-Optimal Distributed Goodness-of-Fit
Cornell University(康奈尔大学);Stanford University(斯坦福大学);Indian Institute of Science(印度科学学院)
我们研究了离散分布的拟合优度在分布式环境中,样本被划分在多个用户之间,由于各种信息约束,这些用户只能发布有限的样本信息。最近,作者的一个子集表明,访问一个共同的随机种子(即,共享随机性)导致该问题的样本复杂性的显著降低。在这项工作中,我们提供了一个完整的理解之间的相互作用的共享随机性,严格的信息约束,和样本的复杂性的测试问题,通过表征这三个参数之间的紧密权衡。我们提供了一个通用的分布式拟合优度协议,该协议作为共享随机性的函数,在私人和公共硬币样本复杂度之间平滑插值。我们补充我们的上限与一个一般的框架来证明下限的样本复杂性有限的共享随机性下,这个测试问题。最后,我们实例化我们的两个原型的信息约束的通信和本地隐私的界限,并表明我们的样本复杂性的界限是最佳的所有参数的问题,包括共享的随机性的函数。我们的上界的一个关键组成部分是域压缩的一个新的原语,这是一个工具,允许我们使用有限的随机性将分布映射到更小的域大小,同时保留它们的成对距离。
2019-07-20 cs.DM cs.DS cs.IT
Randomness Efficient Steganography
隐写协议使人们能够通过公共通信信道将秘密消息嵌入到不显眼的数据中,使得除了发送者和预期的接收者之外,没有人能够检测到秘密消息的存在。在本文中,我们提供了一个新的可证明安全的,私钥隐写加密协议的安全的框架中的Hopper等人。我们首先提出了一个“一次性隐写系统”,允许双方传输的消息的长度最多的共享密钥与信息理论的安全保证。伪随机发生器(PRG)的使用允许以与这样的发生器允许对长于对称加密中的密钥的消息使用一次性密码本加密相同的方式安全地传输较长的消息。与以前的工作相比,我们的构造的优点是随机性效率:在信息论设置中,我们的协议使用长度为(1+o(1))n位的共享秘密密钥嵌入长度为n位的消息,同时实现安全性2^{-n/log^{O(1)}n};简单地说,当n趋于无穷大时,这给出了密钥对消息的速率为1(先前的最佳结果实现了大于1的恒定速率,而不管所提供的安全性如何)。从这个意义上说,我们的协议是第一个真正的随机有效的隐写系统。此外,在我们的协议中,我们可以允许共享秘密密钥的一部分是公开的,而保留精确的n个私钥位。在这种设置下,通过分离共享密钥的公共和私有随机性,我们实现了2^{-n}的安全性。我们的研究结果是随机抽取器应用于隐写系统设计的结果。据我们所知,这是第一次提取已应用于隐写。
2012-02-03 cs.CR cs.IT math.IT
Achieving the Exactly Optimal Privacy-Utility Trade-Off with Low Communication Cost via Shared Randomness
本文利用共享随机性和区组设计分解方法,构造了在局部差分隐私下实现精确最优隐私-效用权衡且通信成本不超过输入数据大小的LDP方案,并给出Baranyai分解与循环移位分解两种构造。
2023-07-08 cs.CR cs.IT math.IT
Inference under Information Constraints II: Communication Constraints and Shared Randomness
Cornell University(康奈尔大学);IBM Research(IBM研究院);Indian Institute of Science(印度科学研究所)
中央服务器需要基于分布在多个用户上的样本执行统计推断,每个用户可以向中心发送有限长度的消息。我们研究的问题,分布学习和身份测试在这个分布式推理设置和检查共享的随机性作为一种资源的作用。我们提出了一种通用的模拟和推断策略,该策略仅使用私有硬币通信协议,并且对于分布式学习是样本最优的。这种一般策略甚至对于私有币协议之间的分布测试也是样本最优的。有趣的是,我们提出了一个公共币协议,它在分发测试中的表现优于模拟和推断,实际上是样本最优的。我们的公共币协议的基础是一个随机散列,当应用于样本时,它将样本分布的卡方距离最小化为均匀分布。
2020-10-01 cs.DM cs.DS cs.IT
Secrecy Through Synchronization Errors
在本文中,我们提出了一个传输方案,实现信息理论的安全性,而不对窃听者的信道的假设。这是通过基于共享的随机性源故意引入同步错误(插入和/或删除)的发射机来实现的。预期的接收器可以访问与发射器相同的共享随机性源,可以对接收到的序列进行随机化。另一方面,窃听者的信道仍然是同步误差信道。我们证明了一个保密能力定理,提供了一个下界的保密能力,并提出了数值方法来评估它。
2015-01-24 cs.IT math.IT
Channel simulation via interactive communications
在本文中,我们研究的问题,信道模拟通过交互式通信,称为协调能力,在一个双端网络。我们假设两个终端观察i.i.d.。两个随机变量的副本,并希望生成i.i.d.\与观测到的随机变量共同分布的另外两个随机变量的副本。终端被提供有双向通信链路,并且共享共同的随机性,所有这些都以有限的速率。这个问题的两个特例是Ma和Ishwar研究的交互函数计算,以及Cuff研究的单向通信和共享随机性之间的权衡曲线。后者的工作启发了Gohari和Anantharam通过上述交互式通信研究信道模拟的一般问题。然而,在他们的工作中,只得到了没有共享随机性的特殊情况下的内外界。在本文中,我们解决了这个问题,提供了一个精确的可计算的多轮问题的表征。为了表明这一点,我们采用的技术“输出统计的随机分仓”,最近开发的作者。
2014-04-18 cs.IT math.IT
Universal codes in the shared-randomness model for channels with general distortion capabilities
提出了新的通用信道编码模型。与为特定类型的信道设计的标准代码不同,我们最通用的通用代码使通信在每个信道上都具有弹性,只要噪声水平低于容许范围,其中信道的噪声水平t是其模糊性的对数(可以扭曲成给定的字符串的最大数量)。其他更受限制的通用码仍然适用于大类的自然信道。在通用代码中,编码是独立于信道的,但解码函数知道信道的类型。我们允许编码和解码功能共享随机性,这是不可用的通道。信道可以执行的攻击类型有两种情况。在不经意场景中,码字属于加法组,并且信道通过添加来自固定集合的向量来使码字失真。该选择基于消息和编码函数,而不是码字。在汉明场景中,信道知道码字并且是完全对抗的。对于通用码,有两个感兴趣的参数:速率,它是消息长度k和码字长度n之间的比率,以及共享随机比特的数量。我们证明了在这两种情况下都存在速率为1-t/n-o(1)的通用码,这是对o(1)项取模的最优码。共享的随机位的数量是O(log n)在不经意的情况下,和O(n)在汉明的情况下,其中,对于典型的值的噪声水平,我们证明是最佳的,模隐藏在O()符号中的常数。在这两种情况下,通用编码是在n中的时间多项式中完成的,但是信道相关的解码过程通常不是有效的。对于某些较弱的信道类,我们构造了具有多项式时间编码和译码的通用码。
2022-12-08 cs.CC cs.IT math.IT
Multiple Access Channel Simulation
本文研究无噪声多址网络中的两用户 MAC 模拟,刻画共享随机性对通信速率的影响,证明条件独立情形下内界紧致并给出一般内外界。
2022-06-16 cs.IT math.IT
Entanglement-of-formation potentials for feedback-assisted classical communication and randomness distillation
School of Electrical and Computer Engineering, Cornell University(康奈尔大学电气与计算机工程学院)
本文提出形成纠缠势方法,证明反馈辅助通信容量界并精确评估振幅阻尼信道,区分单向与双向随机性蒸馏,揭示双向协议通过保留量子关联超越单向极限。
2026-10-06 cs.IT math.IT quant-ph
Quantum Side Information: Uncertainty Relations, Extractors, Channel Simulations
在本论文的第一部分,我们讨论了经典和量子物理学的代数方法,并在此设置中发展信息论的概念。第二部分讨论了量子力学中的不确定原理。该原理指出,即使我们有关于量子系统状态的全部经典信息,也不可能确定性地预测所有可能测量的结果。相比之下,量子观察者的视角允许拥有关于量子系统状态的量子信息。这就导致了不确定性和量子关联之间的相互作用。我们提供了一个信息论分析讨论熵的不确定性与量子边信息的关系。第三部分讨论了随机抽取器的概念。经典和量子随机性是信息论、密码学和计算中的重要资源。然而,大多数随机性的来源只表现出弱形式的不可预测性,随机性提取的目标是将这种弱随机性转换为(几乎)完美的随机性。我们讨论了经典和量子随机性提取器的各种结构,我们特别研究了这些结构相对于具有量子边信息的观察者的性能。在第四部分中,我们讨论了信道模拟。香农的噪声信道定理可以理解为使用噪声信道来模拟无噪声信道。我们在这里要考虑的信道模拟是关于相反的问题:从无噪声信道模拟有噪声信道。从纯经典情形(经典的反向香农定理)出发,我们给出了各种量子信道的模拟结果。我们通过使用经典和量子随机性提取器来实现这一点,这些提取器也适用于量子边信息。
2013-10-17 cs.IT math-ph math.IT
Resource-Efficient Common Randomness and Secret-Key Schemes
我们研究的是两方都能访问身份证的共同随机性。来自已知随机源的样本,并且希望使用有限(或不)通信以最大可能的一致概率生成共享随机密钥。这个问题是密码学中秘密密钥生成的核心,与不确定性下的通信和局部敏感散列有关。我们采取的方法治疗相关的来源作为一个关键的资源,并询问是否可以产生共同的随机性资源效率。我们认为,在这个设置中产生的相关位和相关高斯两个显着的来源。我们设计的第一个明确的计划,只使用多项式数量的样本(在密钥长度),使球员可以生成共享密钥,同意使用最佳通信的恒定概率。最好的以前已知的计划都是非建设性的,并使用指数数量的样本。在摊销的设置,我们的特点是最大的可实现的比例的密钥长度通信的外部和内部的信息成本,两个研究的数量在理论计算机科学。在宽松的设置,双方只是希望提高长度$k$生成的密钥之间的相关性,我们表明,有没有交互式协议使用$o(k)$位的通信协议概率甚至小到$2^{-o(k)}$。对于相关的通信问题,其中参与者希望使用i.i.d.计算其输入的联合函数$f$。从一个已知的源样本,我们给出了一个零通信协议使用$2^{O(c)}$位,其中$c$是交互式随机公共硬币通信复杂性的$f$。这与先前显示的下限相匹配,而先前已知的最佳上限在$c$中是双指数的。
2017-07-25 cs.CC cs.IT math.IT
Randomized Distributed Function Computation (RDFC): Ultra-Efficient Semantic Communication Applications to Privacy
Technische Universität Dortmund(多特蒙德工业大学);Linköping University(林雪平大学)
RDFC通过随机化方法实现隐私保护的高效语义通信,其在无共享随机性时仍优于无损传输,且在有限块长下隐私性能显著提升。
2026-03-10 cs.CR cs.DC cs.IT
Secure Private Information Retrieval from Colluding Databases with Eavesdroppers
私有信息检索(PIR)的问题是从在$N$数据库中复制的$K$消息中检索出一个消息,而不向数据库揭示所需消息的身份。我们考虑的问题PIR与勾结的服务器和窃听,命名为T-EPIR。具体地,$N$数据库中的任何$T$都可以串通,即它们可以与用户进行交互以猜测所请求消息的身份。窃听者很想知道数据库,可以窃听任何$E$数据库的传入和传出传输。数据库共享窃听者和用户未知的一些公共随机性,并且使用公共随机性来生成答案,使得窃听者不能获知关于$K$消息的任何信息。将$R^*$定义为所需消息信息比特数与总下载比特数的最佳比率,将$ρ^*$定义为共享公共随机性的信息比特与所需文件的信息比特的最佳比率。在我们以前的工作中,我们发现,当$E \geq T$,可以达到的最佳比例等于$1-\frac{E}{N}$。在这项工作中,我们专注于当$E \leq T$。我们得到了一个外边界$R^* \leq (1-\frac{T}{N}) \frac{1-\frac{E}{N} \cdot (\frac{T}{N})^{K-1}}{1-(\frac{T}{N})^K}$。我们还得到了$ρ^* \geq \frac{\frac{E}{N}(1-(\frac{T}{N})^K)}{(1-\frac{T}{N})(1-\frac{E}{N} \cdot (\frac{T}{N})^{K-1})}$的一个下界。对于可扩展性,…
2017-10-03 cs.IT math.IT
Quantum Conformal Prediction for Reliable Uncertainty Quantification in Quantum Machine Learning
King’s College London(伦敦国王学院)
本文提出基于概率保形预测(PCP)的量子保形预测框架,通过引入适应量子噪声及漂移的新型非一致性分数,为量子机器学习模型的分类与回归决策提供有限样本覆盖保证的不确定性量化。
2023-10-22 cs.IT cs.LG math.IT