ยูทิลิตี้ของ Renyi เอนโทรปี?


14

พวกเราส่วนใหญ่คุ้นเคยกับ - หรืออย่างน้อยก็เคยได้ยิน - เอนโทรปีของแชนนอนของตัวแปรสุ่ม, H(X)=E[logp(X)]และมาตรการทางข้อมูลที่เกี่ยวข้องกับทฤษฎีเช่นเอนโทรปีสัมพัทธ์ ข้อมูลร่วมกันและอื่น ๆ มีอีกสองสามมาตรการของเอนโทรปีที่ใช้กันทั่วไปในทฤษฎีวิทยาศาสตร์คอมพิวเตอร์และทฤษฎีสารสนเทศเช่น min-entropy ของตัวแปรสุ่ม

ฉันเริ่มเห็นเอนโทรปีของ Renyi ที่เรียกว่าเหล่านี้บ่อยขึ้นเมื่อฉันอ่านวรรณกรรม พวกเขาวางแนวเอนโทรปีของแชนนอนและมินเอนโทรปีและในความเป็นจริงได้ให้สเปกตรัมทั้งหมดของการวัดเอนโทรปีของตัวแปรสุ่ม ฉันทำงานส่วนใหญ่ในพื้นที่ของข้อมูลควอนตัมซึ่งรุ่นควอนตัมของ Renyi Entropy ก็ถือว่าค่อนข้างบ่อยเช่นกัน

สิ่งที่ฉันไม่เข้าใจจริงๆคือเหตุผลว่าทำไมพวกเขาถึงมีประโยชน์ ฉันได้ยินมาว่าบ่อยครั้งที่พวกเขาทำงานกับการวิเคราะห์ได้ง่ายกว่าพูดว่าแชนนอน / ฟอนนอยมันน์เอนโทรปีหรือนาที - เอนโทรปี แต่พวกมันยังสามารถเชื่อมโยงกลับไปที่แชนนอนเอนโทรปี / นาที - เอนโทรปีได้เช่นกัน

ทุกคนสามารถให้ตัวอย่าง (แบบคลาสสิกหรือควอนตัม) เมื่อใช้ Renropies เอนจีเป็น "สิ่งที่ถูกต้องที่จะทำ"? สิ่งที่ฉันกำลังมองหาคือ "hook hook" หรือ "template" สำหรับการรู้ว่าเมื่อใดฉันอาจต้องการใช้ Entropies Renyi

ขอบคุณ!


ภาคผนวกของคำตอบของฉัน: ดูเหมือนว่ามีคำจำกัดความความน่าจะเป็นของเอนโทรปี q-Renyi ( ) i, e H q ( { p i } n i = 1 ) = 1qZ+ ] จากนั้นlimq1Hq=-pkln(pk)และ RHS นี้เรียกว่า `` นอนส์เอนโทรปี "นอกจากนี้เรายังกำหนดขอบเขตอื่น ๆ เช่นH(X)=ln[1Hq({pi}i=1n)=11qln[k=1npkq]limq1Hq=pkln(pk) ] ความคิดเหล่านี้ดูเหมือนจะพบการใช้งานในการสร้างตัวขยายตามที่เห็นที่นี่ org / pdf / math / 0406038.pdfH(X)=ln[1maxaPr[X=a]]
Anirbit

คำตอบ:


15

พิจารณาพยายามที่จะทำให้การคาดเดาอะตอมสำหรับตัวแปรสุ่มที่ไม่รู้จักกระจายไปทั่วบาง จำกัด ชุด ในเอนโทรปีของแชนนอนมันจะสันนิษฐานว่าคุณสามารถเคียวรีทีละนิดเช่นถ้าA = { 1 , , N }คุณสามารถถาม:XA.A={1,,N}

คือ{ 1 , , N / 2 }หรือไม่ X{1,,N/2}(สมมติหรือแม้กระทั่งการใช้งานฟังก์ชั่นชั้น / เพดาน)N

ใน crypto และสถานการณ์การถอดรหัสบางอย่างมันไม่สมจริง พยายามที่จะเดารหัสผ่านที่ไม่รู้จักคุณจำเป็นต้องสร้างแบบสอบถามแบบอะตอมมิกเช่นข้อความค้นหาถ้าเป็นค่าเฉพาะX

ปรากฎว่าจำนวนที่คาดหวังของคำสั่งที่จะคาดเดาตัวแปรสุ่มแล้วขึ้นอยู่แน่นบนเอนโทรปีของการสั่งซื้อ Renyi 1 / 2ดังนั้นช่วงเวลาที่สูงขึ้นบางส่วน ตัวอย่างเช่นX1/2.

E[G](xAPX(x)1/2)22

และเศษเป็นหลักลอการิทึมของ Renyi เอนโทรปีของการสั่งซื้อหนึ่งยังสามารถทำให้นอนส์เอนโทรปีในขณะที่มีขนาดใหญ่มาก Renyi เอนโทรปีและความคาดหวังของจำนวนการคาดเดาที่มีขนาดเล็กมาก หากคุณพึ่งพาเอนโทรปีของแชนนอนเพื่อความปลอดภัยคุณจะมีปัญหาในกรณีนี้1/2.

โปรดดูคำถามที่เกี่ยวข้องการเดาค่าเอนโทรปีต่ำในหลาย ๆ ครั้ง

อ้างอิงบางส่วน:

  1. JO Pliam, ในการเปรียบเทียบของเอนโทรปีและการคาดเดาเล็กน้อยในการโจมตี Brute-Force INDOCRYPT 2000: 67-79
  2. E. Arikan ความไม่เท่าเทียมกันในการเดาและการประยุกต์กับการถอดรหัสแบบต่อเนื่อง ธุรกรรม IEEE บนทฤษฎีข้อมูล 42 (1): 99-105,1996
  3. S. Boztas, ใน Renyi entropies และแอปพลิเคชันของพวกเขาเพื่อคาดเดาการโจมตีในการเข้ารหัส, ธุรกรรม IEICE บนพื้นฐานของอิเล็กทรอนิกส์, การสื่อสารและวิทยาศาสตร์คอมพิวเตอร์ 97 (12): 2542-2548, 2014

ฉันไม่สามารถเข้าถึงกระดาษ S.Boztas นี้ คุณมีลิงค์ที่เปิดเผยต่อสาธารณะหรือไม่
Anirbit

@Anirbit ดูที่เก็บข้อมูลการวิจัย RMIT, researchbank.rmit.edu.au
kodlu

ฉันค้นหาผ่านลิงค์นั้น มันทำให้ฉันเป็นวงกลมเท่านั้น ฉันไม่เคยพบไฟล์ PDF ที่สาธารณชนเข้าถึงได้!
Anirbit

@ Anirbit ขอโทษฉันคิดว่ามันฝากไว้จริงๆ!
kodlu

18

เอนโทรปี renyi จะคล้ายคลึงในความรู้สึกบางอย่างที่จะ -norms ดังนั้นการเรียกคืนแรกให้เหตุผลที่บรรทัดฐานเหล่านี้จะเป็นประโยชน์พี

สมมติว่าเรามีเวกเตอร์ของตัวเลขR n เราต้องการที่จะมีหมายเลขเดียวที่แสดงในความรู้สึกบางวิธีการที่ไม่องค์ประกอบทั่วไปของมีลักษณะเหมือนaRna

วิธีหนึ่งที่จะทำเช่นนั้นคือการใช้ค่าเฉลี่ยของตัวเลขในซึ่งประมาณสอดคล้องกับ1บรรทัดฐาน: E 1 ฉันn [ | a i | ] . นี้มักจะเป็นประโยชน์ แต่สำหรับการใช้งานบางคนก็มีปัญหาต่อไปนี้: ครั้งแรกที่1บรรทัดฐานไม่ให้เราดีขอบเขตบนขององค์ประกอบที่ใหญ่ที่สุดของเพราะถ้ามีองค์ประกอบเดียวขนาดใหญ่และศูนย์หลาย1บรรทัดฐานจะเล็กกว่าองค์ประกอบที่ใหญ่ที่สุดอย่างมาก บนมืออื่น ๆ ที่1a1E1ผมn[|aผม|]1a11บรรทัดฐานยังไม่ได้ให้เราดีผูกพันเกี่ยวกับวิธีการเล็ก ๆ องค์ประกอบของจะยกตัวอย่างเช่นวิธีการหลายเลขมี - ปัญหานี้เกิดขึ้นในตรงสถานการณ์เช่นเดียวกับก่อนaa

แน่นอนว่าเมื่อองค์ประกอบของมีความแปรปรวนจำนวนมากเช่นในสถานการณ์ที่รุนแรงดังกล่าวข้างต้นไม่มีตัวเลขใดที่สามารถแก้ปัญหาทั้งสองข้างต้นได้ เรามีการแลกเปลี่ยนกัน ตัวอย่างเช่นถ้าเราเพียงต้องการที่จะรู้ว่าองค์ประกอบที่ใหญ่ที่สุดของเราสามารถใช้บรรทัดฐาน แต่แล้วเราจะสูญเสียข้อมูลทั้งหมดเกี่ยวกับองค์ประกอบที่มีขนาดเล็ก ถ้าเราต้องการจำนวนเลขศูนย์ที่เราสามารถมองไปที่0บรรทัดฐานซึ่งเป็นเพียงขนาดของการสนับสนุนของa0a

ตอนนี้เหตุผลในการพิจารณาบรรทัดฐานที่พวกเขาให้เราถ่วงดุลอำนาจอย่างต่อเนื่องทั้งระหว่างสองขั้ว ถ้าเราต้องการข้อมูลเพิ่มเติมเกี่ยวกับองค์ประกอบที่มีขนาดใหญ่เราจะใช้pเป็นใหญ่และในทางกลับกันpp

กันไปสำหรับ entropies Renyi: เอนโทรปี Shanon เป็นเหมือนบรรทัดฐาน - มันบอกเราบางอย่างเกี่ยวกับความน่าจะเป็น "ปกติ" ขององค์ประกอบ แต่ไม่มีอะไรเกี่ยวกับความแปรปรวนหรือสุดขั้ว min-entropy ให้ข้อมูลแก่เราเกี่ยวกับองค์ประกอบที่มีความน่าจะเป็นมากที่สุด แต่สูญเสียข้อมูลทั้งหมดที่เกี่ยวกับส่วนที่เหลือ ขนาดรองรับให้สุดขีดอื่น ๆ เอนโทรปีของ Renyi ให้การแลกเปลี่ยนอย่างต่อเนื่องระหว่างสองขั้ว1

ยกตัวอย่างเช่นหลายครั้งที่ Renyi-2 เอนโทรปีมีประโยชน์เพราะมันอยู่ในมือข้างหนึ่งใกล้กับเอนโทรปีของ Shanon และทำให้มีข้อมูลเกี่ยวกับองค์ประกอบทั้งหมดในการแจกแจงและในทางกลับกันก็ให้ข้อมูลเพิ่มเติมเกี่ยวกับองค์ประกอบที่มีค่ามากที่สุด ความน่าจะเป็น โดยเฉพาะอย่างยิ่งเป็นที่รู้กันว่าขอบเขตบนเอนโทรปีของ Renyi-2 ให้ขอบเขตกับเอนโทรปีของมินดูเช่นภาคผนวก A ที่นี่: http://people.seas.harvard.edu/~salil/research/conductors-prelim .ps


11

Renyi Entropy (ลำดับ 2) มีประโยชน์ในการเข้ารหัสเพื่อวิเคราะห์ความน่าจะเป็นของการชน

จงจำไว้ว่า Renyi เอนโทรปีของลำดับที่ 2 ของตัวแปรสุ่มนั้นมอบให้โดยX

H2(X)=log2xPr[X=x]2.

แต่กลับกลายเป็นว่าจะช่วยให้เราวัดความน่าจะเป็นที่สองค่าวาด IID ตามการกระจายของXเกิดขึ้นจะเป็นเหมือนกัน ( "ชน"): น่าจะเป็นตรงนี้เป็น2 - H 2 ( X ) หลังจากวาดnครั้งจากการกระจายนี้จำนวนที่คาดหวังของการชนในหมู่เหล่านี้nดึงเป็นC ( n , 2 ) 2 - H 2 ( X )H2(X)X2H2(X)nnC(n,2)2H2(X)

ข้อเท็จจริงเหล่านี้มีประโยชน์ในการเข้ารหัสซึ่งบางครั้งการชนอาจมีปัญหาและทำให้เกิดการโจมตีได้

สำหรับการวิเคราะห์การใช้งานอื่นในการเข้ารหัสฉันขอแนะนำวิทยานิพนธ์ระดับปริญญาเอกต่อไปนี้:

Christian Cachin มาตรการรักษาความปลอดภัยของเอนโทรปีและไม่มีเงื่อนไขในการเข้ารหัส วิทยานิพนธ์ปริญญาเอก, ETH ซูริค, พฤษภาคม 1997


มีคำจำกัดความความน่าจะเป็นโดยตรงของเอนโทรปี q-Renyi หรือไม่? (อย่างที่คุณเห็นได้จากคำตอบของฉันวิธีเดียวที่ฉันรู้ในการกำหนดสิ่งนี้โดยพลการ q คือการกำหนดฟังก์ชั่นพาร์ติชันที่สอดคล้องกับระบบทางกายภาพซึ่งได้รับการระบุผ่าน Lagrangian หรือ Hamiltonian หรือการกระทำ)
Anirbit

@Airirbit ฉันไม่ได้รู้ไหม ไม่มีที่ฉันจำได้ว่าเห็น (แม้ว่าเป็นไปได้ว่าเอนโทรปี q-Renyi อาจนำไปสู่การ จำกัด ขอบเขตอื่น ๆ ที่เราใส่ใจ ... )
DW

ดูเหมือนว่า "data entropy" ดูเหมือนจะเป็น "thermodynamic entropy" ดังนั้นที่ (q = 1) -Renyi เอนโทรปีคือเอนโทรปีของเอนโทรปีมีช่องว่างทางแนวคิดเกี่ยวกับการตีความความซับซ้อนของมัน?
Anirbit


@DW ดูเหมือนจะเป็นการตีความที่น่าจะเป็น เห็นความคิดเห็นของฉันในคำถามเดิม
Anirbit

3

คำตอบ stackexchange อื่น ๆ และการโพสต์บล็อกนี้อาจเป็นประโยชน์อย่างมากในการทำความเข้าใจตัวอย่างพื้นฐาน

เอนโทรปีของ Renyi ที่พูดโดยประมาณรู้เกี่ยวกับสถานะที่ตื่นเต้นของระบบควอนตัม คำเตือน: ปรีชานี้อาจหยาบคายมาก แต่ก็อาจจะเป็น "จิตตะขอ" ที่ดี: DI จะมีความสุขมากที่ได้รู้วิธีที่ดีกว่าและแม่นยำในการพูดแบบนี้!

S1SqqZ+S1=limitq1Sq is terribly badly defined. So often the idea is that one can calculate Sq at an arbitrary integer value and then do an analytic continuation of that to qR and then try to define taking of the q1 limit. (though always qR, this I call "analytic" continuation because often enough one needs to do the interpolation via contours in the complex plane - and the continuation can depend on what contours one chooses through the poles and branch-cuts of the Sq that one started with)

At integral values of q>1 typically there is a always a very well-defined construction in terms of some integration of some function on some qbranched manifold. After one has done such an integration one happily forgets about the manifold used and just tries to do the analytic continuation parametrically in the variable q.

There are always a lot of issues about existence and well-posedness when one tries to do these anayltic continuations - but for someone like me who is brought up on a daily diet of Feynman path-integrals its a very common issue to deal with and we have a lot of tools to address these. Three nice papers to look into for these issues are, http://arxiv.org/pdf/1306.5242.pdf, http://arxiv.org/pdf/1402.5396.pdf, http://arxiv.org/pdf/1303.7221.pdf (the last of these papers might be an easier starting point) This presentation might also help, https://www.icts.res.in/media/uploads/Talk/Document/Tadashi_Takayanagi.pdf

What Renyi entropy says in terms of quantum complexity theory might be an exciting question! Can one think of the Renyi index as somehow parameterizing a hierarchy of complexity classes? That should be fun if true! Do let me know :)


โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.