Документ обсуждает методы определения минимального расстояния линейного блочного кода с использованием геометрии чисел и алгоритмов, включая подходы к решению рюкзачной задачи и алгоритмы уменьшения размерности решетки. Также рассматриваются алгоритмы, позволяющие сократить время вычисления кодового расстояния, упоминая преимущества многопоточной и вероятностной реализаций. В заключение подчеркивается эффективность предложенного метода по сравнению с существующими алгоритмами в области кодирования и анализа кодов.

1. Определение кодового расстояния
линейного блочного кода методами Геометрии чисел
Усатюк В.С., старший инженер,
ООО «Техкомпания Хуавэй», Москва
Машинное обучение и анализ алгоритмов
18 декабря 2017 г.
ПОМИ РАН, Санкт-Петербург

2. Minimum distance of a linear code is not approximable to within any constant factor in random
polynomial time (RP), unless nondeterministic polynomial time (NP) equals RP.
Dumer I, Micciancio D., Sudan M. Hardness of Approximating the Minimum Distance of a Linear
Code ISIT 2003
1

3. )2(GF






































0
0
0
11100
11010
00111
5
4
3
2
1
c
c
c
c
c
Hc
0,1,2,0,0]1,[)( cW
]01110[
]10110[
]11000[
]00000[
3
2
1
0




T
T
T
T
c
c
c
c
3)(
3)(
2)(
0)(
33
22
11
00




TT
TT
TT
TT
ccw
ccw
ccw
ccw
vectorweight 2 vectorsweight 3
32
21)( zzzf 
vectorweight 0
;2dmin 
2

4. 3

5. 4
*Yoshiyuki K. (1993). Arithmetic of quadratic forms. Cambridge Tracts in Mathematics p 42
*
2
1
2
( )
: sup
(det )
m
m
L
L


 
 
  
 
 

6. 5

7. 6

8. 7

9. 



ZsanIaaaA
sa
n
Ii
i
,},,...,2,1{},,...,,{ 21
Решение рюкзачной задачи при помощи вложения задачи в
решетку:

























s
a
a
a
a
B
n
k
0000
1000
0100
0010
0001
3
2
1






Базис решетки эквивалентный этой задачи
J. C. Lagarias, A. M. Odlyzko. Solving low-density subset sum problems. Journal of the
Association for Computing Machinery 32 (1985) 229–246.

10. 
























s
a
a
a
a
B
n
k
0000
1000
0100
0010
0001
3
2
1






По определению, если существует решение рюкзачной задачи
]0,,...,,[... 2112211 nnnn xxxMMxMxMxv  
saxaxax nn  ...2211
значит существует вектор в решетке
Причем он короткий
Ravi Kannan Minkowski’s convex body theorem and integer programming. Mathematics of
operations research, 12(3):415–440, 1987.
Kannan’s embedding technique
9
}1,0{,...,, 21 nxxx

11. 






0k
n
c
I
qIG
B
Базис решетки
систематического кода заданного порождающей матрицей .G
 }3,2{q размер алфавита, - число информационных символов,k
n длина кода
Kannan’s embedding technique
Ravi Kannan Minkowski’s convex body theorem and integer programming. Mathematics of
operations research, 12(3):415–440, 1987.
)()( knknsizeBc 
nksizeG 
В результате приведения базиса решетки n измерений решетки
будут равны 0
10

12. 




 

0k
n
c
I
qINGN
B
Базис решетки
несистематического кода заданного порождающей матрицей .G
 }3,2{q размер алфавита, - число информационных символов,k
n длина кода, масштабирующий коэффициент зависящая от точности приве-N
дения базиса решетки.
Kannan’s embedding technique
Ravi Kannan Minkowski’s convex body theorem and integer programming. Mathematics of
operations research, 12(3):415–440, 1987.
)()( knknsizeBc 
nksizeG 
Тогда для вложения кода в решетку необходимо подобрать N
Такое что в результате приведения базиса решетки n измерений
решетки будут равны 0
11

13. Рассмотрим работу алгоритма на примере тернарного совершенного кода Голея (11,6), с
порождающей матрицей:





















10212200000
01021220000
00102122000
00010212200
00001021220
00000102122
G
Решетка для поиска минимального расстояния в случае приведения блочным
методом Коркина-Золотарева с размером блока 2 и N=6 примет вид:























































000000180000000000
000000018000000000
000000001800000000
000000000180000000
000000000018000000
000000000001800000
000000000000180000
000000000000018000
000000000000001800
000000000000000180
000000000000000018
10000060126121200000
01000006012612120000
00100000601261212000
00010000060126121200
00001000006012612120
00000100000601261212
T
cB
12





 

0k
n
c
I
qINGN
B
)3(,3 GFq 

14. После приведения базиса решетки получим:








































































01110006660600600
11100066606006000
10110060006660600
00101100600066606
11111066660000060
10111060006606060
00010100060066066
11111166060060006
10101060060006660
01111106600606006
01010106006000666
03000000000000000
00300000000000000
00000300000000000
30000000000000000
00030000000000000
00003000000000000
cB
Отбрасываем первые 6 строк и последние 6 столбцов, как вспомогательные координатные
компоненты (подпространство векторов избыточности кода), и отмасштабируем значения
координатных компонент в решетке. Получим базис решетки, дающий некоторое слово
малого веса, которое может оказать словом наименьшего веса：











































01110100100
11101001000
10001110100
00100011101
11110000010
10001101010
00010011011
11010010001
10010001110
01100101001
01001000111
cB
13

15. В качестве базиса решетки мы получили одиннадцать векторов, соответствующих 11
кодовым словам веса 5. Вектору решетки в последней строке
соответствует кодовое слово веса 5. Для того, чтобы убедиться, что не
существуют слова меньшего веса, нам необходимо выполнить полный перебор среди всех
возможных линейных комбинаций векторов решетки, отличающихся своими
координатными компонентами. Запуск алгоритма Канна-Финке-Поста показывает, что
таковые вектора в решетке отсутствуют,
 0,1,1,1,0,1,0,0,1,0,0 v
 0,2,2,2,0,2,0,0,2,0,0
5min d











































01110100100
11101001000
10001110100
00100011101
11110000010
10001101010
00010011011
11010010001
10010001110
01100101001
01001000111
cB
14

16. 15

17. Lenstra A., Lenstra H., Lovász L. Factoring polynomials with rational coefficients.
Mathematische Annalen, 261(4):515–534, 1982.
16
)2(,1 mc
O 


18. 17
векторовизподрешетка 
1SVP 

19. 18

20. 1819

21. Поиск кратчайшего вектора заключается в переборе всевозможных
целых точек , где S – шар радиуса A.SLx 
2
2
2
Abx
i
ii 
*Mazo J.E., A.M. odlyzko Lattice points in high-dimensional spheres Monatsheft Mathematik, 17:
47-61, 1990
*R. Urbanke, B. Rimoldi, "Lattice codes can achieve capacity on the AWGN channel," Proc.
of IEEE International Symposium on Information Theory, Whistler, BC, 1995, p. 136
)( SLvol 
Работа в ортогонализованном базисе обусловленна минимализацией числа целых
точек для перебора*
20

22. 21

23. Поиск кратчайшего вектора с отсечением заключается в переборе
всевозможных целых точек , где S – шар радиуса
R, P- подмножество точек наиболее вероятно содержащее
кратчайший вектор.
PSLx 
22
Здесь должен был бы быть рисунок…

24. 23

25. 24

26. Метод поиска кратчайшего вектора при помощи случайной выборки
Schnorr C.P. (2003) Lattice Reduction by Random Sampling and Birthday Methods. In: Alt H.,
Habib M. (eds) STACS 2003. STACS 2003. Lecture Notes in Computer Science, vol 2607. Springer
Поиск кратчайшего вектора заключается в случайной выборке и
проверке целых точек , где S – шар радиуса R.P SLx
Позволяющий уменьшить пространство перебора c измерений доm
m.u 
mix
miumx
umix
bx
i
i
im
i
ii




,2/32/1
1,11
)1(,2/12/1
,R2
2
21
*
P
25

27. Метод поиска кратчайшего вектора при помощи случайной выборки (Шнора)
Yoshinori A., P. Q. Nguyen Random Sampling Revisited: Lattice Enumeration with Discrete
Pruning EuroCrypt 2017
26

28. 5% отклонение
от верхней
оценки
27

29. Кодовые расстояния двоичных образов GF(64) LDPC-кодов
Длина кода Вес столбца Вес строки Циркулянт Обхват
52 2 4 - 12 6
64 2 8 - 8 4
210 2 20 - 6 4
820 2 40 - 6 4
212 2 4 53 12 6
240 3 6 40 8 9
Например, для оценки кодового расстояния эквивалентной блочной матрицы LTE-кода**
[156, 48,13] при однопоточной реализации метода на ЭВМ (Phenom x4-965/ 8 Gb DDR3)
потребовалась 21 секунда, тогда как оценка кодового расстояния в GAP 4.7.8 (Guava 3.12,
Sonata 2.6) требует более 64800 секунд или 240 секунд в Magma 2.20.9 (i386).
Алгоритм уменьшает время вычисления кодового расстояния блочного кода на
коротких длинах (<200) от 1 (в сравнение с magma) до 3(GAP/SAGE) порядков*:
Алгоритм допускает многопоточную и вероятностную реализацию.
*Однопоточный алгоритм Архив ‘measure code distance.rar’, http://www.lcrypto.com/lsolv
** Bounds on the minimum distance of linear codes and quantum codes/Markus G.
URL:http://www.codetables.de, August 2015.
28

30. Удается осуществлять оценку кодового для
QC-LDPC кодов (с циркулянтом 128,
Aut(H)=128) и скоростью R=1/6, размерности
K=1280
менее чем за один месяц
без использования вероятностных методов.
29

31. Почему удается работать с такими рекордными размерностями?
Не противоречит ли это *?
*Dumer I, Micciancio D., Sudan M. Hardness of Approximating the Minimum Distance of a
Linear Code ISIT 2003
Minimum distance of a linear code is not approximable to within any constant factor in
random polynomial time (RP), unless nondeterministic polynomial time (NP) equals RP.
Оценка осуществлялась для «хороших», кодов чьи дистантные свойства(кодовое
расстояние) лучше случайно построенных кодов.
На практике мы используем и осуществляем поиск лучших кодов обладающих
приемлемой сложностью мягкого декодирования (структурой циклов).
Нам не нужны «хорошие» коды.
Мы не знаем, как их про декодировать.
Текущие системы связи (в широком смысле), не умеют
применять их в силу разделения задачи передачи информации на подзадачи
(DPD, Equalizer, Source, coding precoding, lattice aided, mapper, shaper, ECC…).
Применение кодов не дает сквозного согласованного системного выигрыша.
30

32. Почему удается работать с такими рекордными размерностями?
Не противоречит ли это *?
Minimum distance of a linear code is not approximable to within any constant factor in random
polynomial time (RP), unless nondeterministic polynomial time (NP) equals RP.
*Dumer I, Micciancio D., Sudan M. Hardness of Approximating the Minimum Distance of a
Linear Code ISIT 2003
сложность зависит не только от размерности:
1. От плотности решетки (обобщенный параметр
характеризующий нормы векторов базиса),
1’. Тэта-ряда(функции) решетки (точно характеризует …);
2. Структуры автоморфизмов решетки (в том числе
cкрытых, явно не используемых в алгоритме) повышающий
вероятность осуществить приведение длины вектора
без перестановки векторов базиса решетки.
Нет
31

33. Плотность решетки один из ключевых параметров сложности решения задач
геометрии чисел (SVP, SBP):
1 1
(det ) ( )
2
nL V

  

32

34. 33

35. 34

36. Ассимптотически сложными для поиска кратчайшего вектора (в том числе
вероятностных методов) являются «плотные решетки»: cложные по Айтаю
решетки, cложные по Гольдштейну-Майеру*, решетки Лагариса-Одлузко-Шнора
(порождаемые задачей о рюкзаке с плотностью близкой к 1), а так же
критические решетки для которых нет алгоритмов построения.
*Goldstein D., Mayer A. On the equidistribution of Hecke points. Forum Mathematicum.,
2003, Vol. 15, № 2, pp. 165–189.
35

37. 45

44.   .,| knk
qk FAAIG 









 
0k
kn
T
c
I
qIA
BБазис решетки
систематического кода





 
 
0k
kn
c
I
qINGN
BБазис решетки
несистематического кода заданного порождающей матрицей .G
 }3,2{q размер алфавита, - число информационных символов,k
n длина кода, масштабирующий коэффициент зависящая от точности приве-N
дения базиса решетки.

45. http://arxiv.org/abs/1511.00125

46. В случае линейных кодов:
CqccFCcc n
q  mod)(:, 2121
:2
7FC 
)}6,4(),5,1(),4,5(),3,2(),2,6(),1,3(),0,0{(C
Например,
1q
1q
Естественное отображение
кодовых слов образует базис
x
y
Решетка порождена словами
)3,2(),1,3(
 n
qZCBL )(
38

47. Решетка порождена кодовыми словами
)3,2(),1,3(





 

21
13
)(BL







31
23
)(BL
Не трудно получить кратчайший базис
39

48. Shaping Lattice (Coarse lattice) shapeL
1q
1q x
y
Строят так чтобы при минимальной приращение мощности
максимизировала объем
Подгруппа )(BL
40

49. Модульные операции над решетками и их связь с диаграммами Вороного
)(
)()(mod
LVoronoiR
xQxBLx
n
L


0)(mod)(|)(mod!:)(  BLyxLVoronoixyLVoronoix
Lyxyx
LVoronoiLVoronoiLVoronoi
mod),(),(
)()()(


Модульные операции приводят к диаграммам
Вороного
41

50. Lattice code
Диаграмма Вороного
)()(/)( shapeshape LVoronoiBLLBL 
42

51. Coding lattice (Fine lattice) )(BL
Минимальный объем при максимальной плотности решетки
43

52. Модульные операции над решетками и их связь с диаграммами Вороного
Подгруппа
L
n
L
VoronoiR
xQxBLx

 )()(mod
)(mod BLx
44

53. 1 2 3 4 5 6 7
8
Число уникальных представителей экстремальных решеток можно оценить
при помощи схемы Дынкина
34

54. Gabriele Nebe Lattices and modular forms
Число таких
решеток
(уникальных
представителей)
35

55. На практике, используют уникальную для каждой решетки*, Эрмитову нормальную форму
(Hermite Normal Form, HNF).
*C. Hermite. Extraits de lettres de M. Hermite `a M. Jacobi sur differents objets de la theoriedes
nombres. J. Reine Angew. Math, 40, 1850, 279–290
*Paz A., Schnorr C.P. Approximating Integer Lattices by Lattices with Cyclic Factor Group 14.th
ICALP '87 Lecture Notes in Computer Science, Vol.267, Springer, pp.386-393,1987.
Kannan R., Bachem A. Polynomial algorithms for computing the Smith and Hermite normal forms
of an integer matrix. SIAM Journal of Computing. 1979, № 8(4), pp. 499–507
Невырожденная матрица является Эрмитовой нормальной формой базиса решетки, тогда
и только тогда, когда для всех элементов матрицы базиса решетки выполняются условия:
,
,
, , , ,
1. 0, ;
2. 0, 1,2,..., ;
1
3.0 , , (*).
2
i j
i i
i j i i i j i i
b j i
b i m
b b j i или b a j i
 
 
    
Нижняя треугольная матрица
Вычисляемая за P-time **
36