Sparse Regression Codes for Secret Key Agreement: Achieving Strong Secrecy and Near-Optimal Rates for Gaussian Sources
Emmanouil M. Athanasakos and Hariprasad Manjunath
来自相关物理层观测的秘密密钥协议是信息理论安全的基石。 本文提出并严格分析了使用稀疏回归代码(SPARC)从高斯来源的秘密密钥协议的完整,建设性的协议。 我们的协议系统地利用了SPARCs对速率扭曲和Wyner-Ziv(WZ)编码的已知最优性,这得益于其固有的嵌套结构。 这项工作的主要贡献是全面的端到端分析,表明拟议的计划通过强烈的保密保证实现了近乎最佳的秘密关键率,通过消失的变异距离量化。 我们明确描述了与最优速率的差距,揭示了关键利率与所需公共通信开销之间的基本权衡,这是由可调量化参数控制的。 此外,我们发现了该参数的非平凡约束优化,表明SPARC代码参数的实际约束会导致可实现的秘密密钥速率的峰值。 这项工作将SPARCs作为一个可行的和理论上合理的安全密钥生成框架,为现有方案提供了一个引人注目的低复杂性替代方案,并为此类协议的实际设计提供了新的见解。
Secret key agreement from correlated physical layer observations is a cornerstone of information-theoretic security. This paper proposes and rigorously analyzes a complete, constructive protocol for secret key agreement from Gaussian sources using Sparse Regression Codes (SPARCs). Our protocol systematically leverages the known optimality of SPARCs for both rate-distortion and Wyner-Ziv (WZ) coding, facilitated by their inherent nested structure. The primary contribution of this work is a compre...