信道编码的安全性理论

唠嗑！

于 2023-12-19 09:57:22 发布

阅读量1k

点赞数 25

文章标签：信道编码物理层安全信息论理论

本文链接：https://blog.csdn.net/forest_LL/article/details/135073978

版权

搞安全和密码的人，总有一个很头疼的问题：当一个方案安全性比较好时，效率就比较低；当提高效率后，安全性又会降低。我们总希望能找到一个平衡点。

信息安全理论中的保密容量（secrecy capacity）告诉我们，在满足安全性条件下，会存在一种编码来保证正常的通信效率。为了把这个解释清楚，接下来，我们将利用二进制擦除信道（binary erasure channel,BEC）来进行解释。

图二进制擦除窃听信道

正式讲之前，先铺垫一个很常用的概念，叫疑义度(equivocation)，这个概念是从窃听者的角度来看的。假定ALICE需要传送的明文为X，窃听者看到的码字为X，在已知X的前提下，明文X的条件商即为疑义度，如下：

$equivocation=H(M|X)$

密码学认为，已知密文不能获得关于明文的任何信息叫做完美保密(perfect secrecy)。信息论认为已知码字的条件熵与明文熵相等，则为完美保密，如下：

$H(M|X)=H(M)$

现在来看一个窃听模型。假定ALICE-BOB的信道是无错的，但窃听信道是二进制擦除信道，擦除的概率为 $\epsilon$ 。

一. 假如ALICE不使用任何信道编码算法

如果ALICE想向BOB传递一个比特，很明显EVE只有在信道未擦除时，才能获得这个比特。也就是EVE正确获得这个比特的概率是 $1-\epsilon$ ，那么刚才谈到的条件熵该怎么算呢？

对于一个离散的随机变量 $X$ ，其概率分布为 $P_X$ ，熵（或者叫香农熵）计算如下：

$H(X)=-\sum_x P_X(x) log P_X(x)$

信息论安全中的对数底数都为2，所以，其实香农熵的单位是比特。简单理解就是负概率乘以概率的对数值，再相加。

要想计算条件熵，得先求联合熵，如下：

$H(XY)=-\sum_x\sum_y P_{XY}(x,y)logP_{XY}(x,y)$

最后就是条件熵的计算公式了：

$H(Y|X)=H(XY)-H(X)$

对窃听者而言，疑义度的本质就是求条件熵。我们来实践下。

假定消息M为均匀分布：

消息M	0	1
概率	$\frac{1}{2}$	$\frac{1}{2}$

消息M的熵为:

$H(M)=-(\frac{1}{2}log(\frac{1}{2})*2)=1$

也就是原始消息有1比特的熵。

窃听者收到码字的分布为：

码字X	0	1	?（代表擦除）
概率	$\frac{1}{2}(1-\epsilon)$	$\frac{1}{2}(1-\epsilon)$	$\epsilon$

码字X的熵为：

$H(X)=-(2*\frac{1}{2}(1-\epsilon)log(\frac{1}{2}(1-\epsilon))+\epsilon log\epsilon)$

消息M与码字X的联合分布，如下：

联合分布	(0,0)	(0,?)	(1,1)	(1,?)
概率	$\frac{1}{2}(1-\epsilon)$	$\frac{1}{2}\epsilon$	$\frac{1}{2}(1-\epsilon)$	$\frac{1}{2}\epsilon$

$H(MX)=-(2*\frac{1}{2}(1-\epsilon)log(\frac{1}{2}(1-\epsilon))+2*\frac{1}{2}\epsilon log(\frac{1}{2}\epsilon))$

条件熵计算如下：

$H(M|X)=H(MX)-H(X)=-\epsilon log(\frac{1}{2}\epsilon)+\epsilon log\epsilon=\epsilon$

其实对窃听者而言，不确定的量就是信道会不会把某个比特擦除，直观上也可以得到疑义度为 $\epsilon$ （我们刚才算了这么久的内容居然这么简单直观）。

也就是，如果ALICE不对明文比特进行信道编码，EVE总能获得一些信息，这是我们不想看到的。于是有了“二”。

二. ALICE使用信道编码算法

假设ALICE将明文0或1，编码成一个n长的比特串。当 $M=0$ ，则为偶数校验比特；当 $M=1$ 时，则为奇数校验比特（这个就是我们常说的奇偶校验码）。

当BOB通过无错信道收到该码字时，通过观察奇偶校验位，则可以直接恢复出明文比特。

反过来看EVE，对他而言，n个比特擦除的概率互不干扰，擦除的平均值为 $n\epsilon$ （这个值很隐晦，与通常的概率论不太一样）。只要其中有一个比特被擦除了，那么EVE就恢复不了明文消息。EVE犯错的概率为：

$1-(1-\epsilon)^n$

这个概率将直接反应EVE的不确定度，所以可得如下条件熵：

$H(M|Z^n)\geq 1-(1-\epsilon)^n$

很明显，当n趋于无穷大时，该值趋近于1。也就是说当码字长度足够大时，可以得到该条件熵与原始信息熵相等，这不就实现了信息论中的完美安全。很遗憾，传输码率为 $1/n$ ，当n趋近于无穷大是，码率也接近为0了。安全性和效率需要进行取舍。

三. 推广

以上模型中，我们是假设EVE为BEC信道，BOB为完美无错信道，推导出的信道编码结论。实际上，也可以让BOB为BEC信道，但是要求BOB出错的概率小于EVE出错的概率，也就是通常所说的窃听信道质量要差一些。在这种情况下，借助信道编码理论，BOB在恢复原始明文信息时，仍然会具有一些优势。当然，目前讨论的完美安全都是渐近性的（n趋近于无穷大）。