Xác suất có điều kiện trong Mã Hóa

UnconditionalPreRaphaelites avatar
UnconditionalPreRaphaelites
·
·
Download

Start Quiz

Study Flashcards

24 Questions

Khớp các công thức với mục đích của chúng:

Công thức (1.12) = Tính toán xác suất có điều kiện của mã hóa Công thức (1.13) = Tính toán xác suất có điều kiện của thông điệp Công thức (1.14) = Áp dụng định lý Bayes Công thức (1.12) và (1.13) = Tính toán xác suất có điều kiện của mã hóa và thông điệp

Ý nghĩa của ký hiệu pC(y) trong công thức (1.12) là:

Xác suất của mã hóa y = Xác suất của mã hóa y Xác suất của thông điệp y = Xác suất của mã hóa y Xác suất có điều kiện của mã hóa y = Xác suất của thông điệp y

Công thức nào được sử dụng để tính toán xác suất có điều kiện của thông điệp?

Công thức (1.12) = Công thức (1.13) Công thức (1.13) = Công thức (1.12)

Ý nghĩa của ký hiệu pP(x|y) trong công thức (1.14) là:

Xác suất có điều kiện của thông điệp x = Xác suất có điều kiện của mã hóa y Xác suất của mã hóa y = Xác suất có điều kiện của thông điệp x Xác suất có điều kiện của mã hóa y = Xác suất có điều kiện của thông điệp x Xác suất của thông điệp x = Xác suất có điều kiện của mã hóa y

Công thức (1.12) được sử dụng để tính toán:

Xác suất có điều kiện của mã hóa = Xác suất có điều kiện của thông điệp Xác suất có điều kiện của thông điệp = Xác suất có điều kiện của mã hóa Xác suất của mã hóa = Xác suất của thông điệp Xác suất của thông điệp = Xác suất của mã hóa

Ý nghĩa của ký hiệu pK(K) trong công thức (1.12) và (1.13) là:

Xác suất của mã hóa K = Xác suất của thông điệp K Xác suất của thông điệp K = Xác suất của mã hóa K Xác suất có điều kiện của mã hóa K = Xác suất có điều kiện của thông điệp K Xác suất có điều kiện của thông điệp K = Xác suất có điều kiện của mã hóa K

Công thức nào được sử dụng để tính toán xác suất có điều kiện của mã hóa?

Công thức (1.12) = Công thức (1.13) Công thức (1.13) = Công thức (1.12) Công thức (1.14) = Công thức (1.13)

Ý nghĩa của ký hiệu dK(y) trong công thức (1.12) và (1.13) là:

Mã hóa của y = Thông điệp của y Thông điệp của y = Mã hóa của y Mã hóa của y có điều kiện = Thông điệp của y có điều kiện Thông điệp của y có điều kiện = Mã hóa của y có điều kiện

P(x|y) là:

xác suất để X nhận giá trị x = với điều kiện Y nhận giá trị y xác suất để X và Y nhận giá trị x và y = không có điều kiện xác suất để X và Y nhận giá trị x = với điều kiện Y

Hai biến ngẫu nhiên X và Y được gọi là độc lập nếu:

p(x,y) = p(x) p(y) = với mọi giá trị có thể x của X và y của Y p(x,y) = p(x) + p(y) = với mọi giá trị có thể x của X và y của Y p(x,y) = p(x) - p(y) = với mọi giá trị có thể x của X và y của Y p(x,y) = p(x) / p(y) = với mọi giá trị có thể x của X và y của Y

Công thức (1.8) biểu thị:

quan hệ giữa xác suất đồng thời và xác suất có điều kiện = p(x,y) = p(x|y) p(y) quan hệ giữa xác suất có điều kiện và xác suất tiên nghiệm = p(x,y) = p(x) p(y) quan hệ giữa xác suất đồng thời và xác suất tiên nghiệm = p(x,y) = p(x) p(y) quan hệ giữa xác suất có điều kiện và xác suất đồng thời = p(x,y) = p(x) p(y)

Định lý 1.1 (Định lý Bayes) được biểu thị bằng công thức:

p(x|y) = p(x) p(y) / p(y) = với p(y) > 0 p(x|y) = p(x) + p(y) = với p(y) > 0 p(x|y) = p(x) / p(y) = với p(y) > 0 p(x|y) = p(x) - p(y) = với p(y) > 0

Hệ quả 1.1 nêu rằng x và y là các biến độc lập khi và chỉ khi:

p(x|y) = p(x) = với mọi giá trị x và y p(x|y) = p(y) = với mọi giá trị x và y p(x|y) = p(x) + p(y) = với mọi giá trị x và y p(x|y) = p(x) - p(y) = với mọi giá trị x và y

Ký hiệu xác suất để thông điệp xuất hiện là:

pP(x) = xác suất tiên nghiệm để thông điệp xuất hiện pK(K) = xác suất để khóa K được chọn p(x,y) = xác suất đồng thời để X và Y nhận giá trị x và y p(x|y) = xác suất có điều kiện để X nhận giá trị x với điều kiện Y

C(K) được định nghĩa là:

tập các bản mã có thể nếu K là khóa = C(K) = {eK(x): x ∈ P} tập các khóa có thể nếu x là thông điệp = C(K) = {eK(x): x ∈ P} tập các bản mã có thể nếu x là thông điệp = C(K) = {eK(x): x ∈ P} tập các khóa có thể nếu P là không gian thông điệp = C(K) = {eK(x): x ∈ P}

Khóa K được chọn (bởi Alice và Bob) theo một phân bố xác suất:

xác định nào đó = với tất cả các khóa sẽ đồng khả năng ngẫu nhiên = với tất cả các khóa sẽ không đồng khả năng tùy ý = với tất cả các khóa sẽ không đồng khả năng cố định = với tất cả các khóa sẽ đồng khả năng

Match the following statements with their corresponding conclusions:

Với mỗi x ∈ P, mỗi y ∈ C, phải có ít nhất một khoá K sao cho eK(x)=y = Hệ mật có độ mật hoàn thiện |C|=|K| = Mỗi quy tắc mã hóa là một đơn ánh pC(y|x)=pC(y) > 0 = Khoá K được dùng với xác suất như nhau bằng 1/|K| pP(xi|y)=pP(xi) = Có đúng một khoá K eK(x)=y

Match the following equations with their corresponding explanations:

|C|=|{eK(x):K∈K}|=|K| = Bất đẳng thức về số lượng khoá pC(y|xi)pP(xi)pK(Ki) / (pP(xi)) = pC(y) = Áp dụng định lý Bayes pP(xi|y)=pP(xi) = Điều kiện độ mật hoàn thiện |K|≥|C| = Số lượng khoá ít nhất bằng số lượng mã hóa

Match the following terms with their corresponding definitions:

P = Tập hợp của các thông điệp C = Tập hợp của các mã hóa K = Tập hợp của các khoá E = Hàm mã hóa

Match the following statements with their corresponding assumptions:

pC(y|x)=pC(y) > 0 = Giả sử rằng pC(y) > 0 với mọi y ∈ C pP(xi|y)=pP(xi) = Giả sử hệ mật đã cho có độ mật hoàn thiện |K|≥|C| = Giả sử mỗi quy tắc mã hóa là một đơn ánh eK(x)=y = Giả sử có ít nhất một khoá K sao cho eK(x)=y

Match the following equations with their corresponding variables:

n=|K| = Số lượng khoá pC(y|xi) = Xác suất của mã hóa y khi biết thông điệp xi pP(xi) = Xác suất của thông điệp xi pK(Ki) = Xác suất của khoá Ki

Match the following statements with their corresponding consequences:

Có đúng một khoá K eK(x)=y = Hệ mật có độ mật hoàn thiện pC(y|x)=pC(y) > 0 = Có ít nhất một khoá K sao cho eK(x)=y pP(xi|y)=pP(xi) = Khoá K được dùng với xác suất như nhau bằng 1/|K| |K|≥|C| = Mỗi quy tắc mã hóa là một đơn ánh

Match the following terms with their corresponding descriptions:

Hệ mật = Hệ thống bao gồm các thông điệp, mã hóa, khoá và hàm mã hóa Độ mật hoàn thiện = Tình trạng hệ mật khi khoá được dùng với xác suất như nhau Quy tắc mã hóa = Hàm eK(x) sao cho eK(x)=y Xác suất = Giá trị của pC(y) hoặc pP(xi)

Match the following statements with their corresponding theorems:

Hệ mật có độ mật hoàn thiện khi và chỉ khi khoá K được dùng với xác suất như nhau bằng 1/|K| = Định lý 1.2 Mỗi quy tắc mã hóa là một đơn ánh = Không có định lý tương ứng Có ít nhất một khoá K sao cho eK(x)=y = Không có định lý tương ứng pC(y|x)=pC(y) > 0 = Không có định lý tương ứng

Study Notes

Xác suất có điều kiện

  • Có thể tính được xác suất có điều kiện pC(y|x) bằng cách dùng định lý Bayes.
  • Xác suất có điều kiện pC(y|x) được tính theo công thức: pC(y|x) = ∑{K : x = dK(y)} pK(K)

Định lý Bayes

  • Được biểu thị theo công thức: p(x,y) = p(x|y) p(y) = p(y|x) p(x)
  • Nếu p(y) > 0 thì: p(x|y) = p(x) p(y) / p(y)

Độc lập của biến ngẫu nhiên

  • X và Y được gọi là độc lập nếu p(x,y) = p(x) p(y) với mọi giá trị có thể x của X và y của Y
  • Hệ quả: x và y là các biến độc lập khi và chỉ khi: p(x|y) = p(x) , ∀ x,y

Phân bố xác suất trên không gian thông điệp P

  • Ký hiệu xác suất tiên nghiệm để thông điệp xuất hiện là pP(x)
  • Giả sử rằng khóa K được chọn theo một phân bố xác suất xác định nào đó

Phân bố xác suất trên khóa K

  • Ký hiệu xác suất để khóa K được chọn là pK(K)
  • Giả sử rằng khóa được chọn ngẫu nhiên, bởi vậy tất cả các khóa sẽ đồng khả năng

Quan hệ giữa xác suất đồng thời và xác suất có điều kiện

  • Được biểu thị theo công thức: p(x,y) = p(x|y) p(y) = p(y|x) p(x)

Định lý 1.2 (Theo Shannon)

  • Giả sử (P, C, K, E, D) là một hệ mật, trong đó |K|=|C|=|P|
  • Hệ mật có độ mật hoàn thiện khi và chỉ khi khoá K được dùng với xác suất như nhau bằng 1/|K|, và với mỗi x∈P, mỗi y∈C có một khoá duy nhất K sao cho eK(x)=y

Tính toán xác suất có điều kiện trong mã hóa với công thức pC(y|x) và pC(y).

Make Your Own Quizzes and Flashcards

Convert your notes into interactive study material.

Get started for free

More Quizzes Like This

Information Theory Quiz
5 questions

Information Theory Quiz

DauntlessOctopus avatar
DauntlessOctopus
Quantum Information Theory
5 questions

Quantum Information Theory

SilentWildflowerMeadow avatar
SilentWildflowerMeadow
Information Theory Lecture Quiz
5 questions
Theory of Information and Communication
18 questions
Use Quizgecko on...
Browser
Browser