¿Hay alguna vista de Ciencias de la Computación sobre el muestreo compresivo?

Usemos el concepto de funciones hash y veamos si eso ayuda (http://en.wikipedia.org/wiki/Has…).

En este caso, piense en una tecla que se ejecuta a través de diferentes funciones hash que producen varios hash. El objetivo de una función hash es, entre otras cosas, reducir el tamaño de la información de la clave inicial: cada hash es más pequeño en cuanto a bits en comparación con la clave inicial.

Las funciones hash utilizadas en la detección de compresión son funciones lineales de la tecla. Se usan números aleatorios para producir estos funcionales lineales.

En general, es difícil, si no imposible, obtener la clave original de un hash, pero con la detección de compresión es posible recuperar una clave de los diferentes hash producidos por varias funciones hash.

Cuando observa los detalles, encontrará que la cantidad de funciones hash necesarias para recuperar la clave inicial es pequeña si la clave inicial tiene cierta regularidad (tiene mucho del mismo carácter, para un vector que representa esa clave decimos que es escaso, es decir, tiene muchos ceros).

El número de hashes (producidos cada uno con una función hash diferente) necesarios para recuperar la clave inicial (y nunca tener una colisión con otra clave) depende de la “regularidad” de la clave, no del gran espacio dimensional en el que reside la clave .

Esta es la razón por la cual el campo se llama detección de compresión, si tuviera que detectar teclas a través de diferentes funciones simples de hash, entonces si las teclas tienen algún tipo de regularidad (dispersión), el número de funciones hash necesarias para recuperar estas teclas es proporcional a la regularidad de la clave, no el espacio de alta dimensión en el que vive la clave. La compresión proviene de la poca cantidad de hashes necesarios para determinar únicamente una clave. La detección de compresión también proporciona la maquinaria para recuperar esa clave de varios hashes.