Locally Decodable Codes (LDCs) are error-correcting codes for which individual message symbols can be quickly recovered despite errors in the codeword. LDCs for Hamming errors have been studied extensively in the past few decades, where a major goal is to understand the amount of redundancy that is necessary and sufficient to decode from large amounts of error, with small query complexity. In this work, we study LDCs for insertion and deletion errors, called Insdel LDCs. Their study was initiated by Ostrovsky and Paskin-Cherniavsky (Information Theoretic Security, 2015), who gave a reduction from Hamming LDCs to Insdel LDCs with a small blowup in the code parameters. On the other hand, the only known lower bounds for Insdel LDCs come from those for Hamming LDCs, thus there is no separation between them. Here we prove new, strong lower bounds for the existence of Insdel LDCs. In particular, we show that $2$-query linear Insdel LDCs do not exist, and give an exponential lower bound for the length of all $q$-query Insdel LDCs with constant $q$. For $q \ge 3$ our bounds are exponential in the existing lower bounds for Hamming LDCs. Furthermore, our exponential lower bounds continue to hold for adaptive decoders, and even in private-key settings where the encoder and decoder share secret randomness. This exhibits a strict separation between Hamming LDCs and Insdel LDCs. Our strong lower bounds also hold for the related notion of Insdel LCCs (except in the private-key setting), due to an analogue to the Insdel notions of a reduction from Hamming LCCs to LDCs. Our techniques are based on a delicate design and analysis of hard distributions of insertion and deletion errors, which depart significantly from typical techniques used in analyzing Hamming LDCs.


翻译:本地可辨识代码(LDC)是纠正错误的代码,在代码错误的情况下,个人信息符号可以迅速恢复。过去几十年里,最不发达国家对哈姆尔米错误进行了广泛研究,主要目的是了解大量错误中必要的、足够解码的冗余量,这有小的查询复杂性。在这项工作中,我们研究最不发达国家插入和删除错误,称为Insdel最不发达国家。它们的研究是由Ostrovsky和Paskin-Cherniavsky(信息理论安全,2015年)发起的,它们使最不发达国家从Hamming最不发达国家向Insdel最不发达国家减少,在代码参数中略有打击。另一方面,已知的Insdel最不发达国家只有从大量错误中解码,而从大量错误中解码。对于Hammedel最不发达国家来说,只有已知的更低的冗余范围,因此它们之间没有区分。在这里,我们证明Insdel最不发达国家存在新的、更低的界限。我们发现,基于Osdel developy 线性最不发达国家不存在2美元,对于所有正值的最不发达国家从$的递减量,在内部的内变的内基公司内部和内存的内存的内存中,也存在更低的内存的内存的内存的内存的内基的内存的内存的内基的内存的内存的内存的内基的内基的内,对于内基的内存的内,对于内存的内存的内基的内基的内基的内基的内,对内,对于内基的不断存的内基的内存的内基的内存的内基的内存的内存的内存的内基的内基的内基的内基的内基的内,对内基的内基的内基的内基的内基的内,对内基的内基的内基的内基的内基的不断的内,对内,对内,对内基的内基的内基的内基的内基的内基的内基的内,对内基的内基的内基的内基的内基的内基的内,对内,对内基的内基的内基的内基的内基的内基的内基的内基的内基的内基的内基的内基的内基的内基

0
下载
关闭预览

相关内容

Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
神经网络的拓扑结构,TOPOLOGY OF DEEP NEURAL NETWORKS
专知会员服务
31+阅读 · 2020年4月15日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
已删除
将门创投
13+阅读 · 2019年4月17日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
3+阅读 · 2018年2月24日
Arxiv
7+阅读 · 2018年1月30日
VIP会员
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
已删除
将门创投
13+阅读 · 2019年4月17日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员