← नवीनतम पेपर
💻 computer science

Auditing Combinatorial Randomness from Finite Transcripts

यह शोध पत्र सीमित ट्रांसक्रिप्ट्स से सार्वजनिक यादृच्छिकता (public randomness) के ऑडिटिंग की सूचना-सैद्धांतिक सीमाओं को स्थापित करता है और मार्जिनल, ज्यामितीय और टोपोलॉजिकल विशेषताओं पर आधारित जनरेटर-अज्ञेयवादी सांख्यिकीय परीक्षणों का एक समूह प्रस्तावित करता है जो अनप्रतिबंधित एकरूपता परीक्षण की तुलना में काफी कम नमूना जटिलता (sample complexity) के साथ संरचित विचलन का पता लगा सकते हैं।

मूल लेखक: Faruk Alpay, Levent Sarioglu

प्रकाशित 2026-06-23
📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें
CC BY 4.0

मूल लेखक: Faruk Alpay, Levent Sarioglu

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक जासूस हैं जो एक विशाल लॉटरी गेम में धोखेबाज को पकड़ने की कोशिश कर रहे हैं। इस खेल में 50 में से 5 नंबरों को बार-बार चुनना शामिल है। आयोजक हर उस जीतने वाली कॉम्बिनेशन की एक लंबी सूची (एक "ट्रांसक्रिप्ट") प्रकाशित करते हैं जो उन्होंने कभी भी निकाली है। आपका काम इस सूची को देखना है और यह तय करना है: क्या यह वास्तव में रैंडम (यादृच्छिक) है, या किसी ने मशीन के साथ छेड़छाड़ की है?

यह शोध पत्र उस जासूसी कार्य के लिए बेहतर "आवर्धक लेंस" (magnifying glasses) बनाने के बारे में है।

समस्या: "अनंत" संभावना का जाल

लेखक एक डरावने गणितीय तथ्य से शुरुआत करते हैं। यदि आपके पास 50 नंबर हैं और आप 5 चुनते हैं, तो 2 मिलियन से अधिक संभावित कॉम्बिनेशन हो सकते हैं।

  • पुराना तरीका: अधिकांश ऑडिटर केवल यह देखते हैं कि क्या प्रत्येक नंबर (1 से 50 तक) लगभग समान संख्या में दिखाई देता है।
  • खामी: एक धोखेबाज मशीन को इस तरह से रिग (rig) कर सकता है कि प्रत्येक नंबर समान रूप से दिखाई दे, लेकिन वे हमेशा विशिष्ट जोड़ों या समूहों में आते हैं। उदाहरण के लिए, यदि नंबर "7" निकाला जाता है, तो नंबर "12" लगभग हमेशा उसके साथ निकाला जाता है। एक साधारण व्यक्तिगत नंबर चेक इस बात को पूरी तरह से मिस कर देगा। यह ताश की गड्डी में इक्के, बादशाह और रानी की सही संख्या की जांच करने जैसा है, लेकिन यह ध्यान देने में विफल रहने जैसा है कि जब भी एक इक्का दिया जाता है, तो उसके तुरंत बाद एक बादशाह दिया जाता है।

यह पेपर सिद्ध करता है कि इस आकार की सूची में किसी भी संभावित धोखाधड़ी को पकड़ने के लिए, आपको असंभव रूप से बड़ी मात्रा में डेटा (इतिहास में हुए अब तक के सभी लॉटरी ड्रॉ से भी अधिक) की आवश्यकता होगी। यह एक "बाधा" है जो छोटी सूचियों के लिए पूर्ण प्रमाण को असंभव बना देती है।

समाधान: डेटा के आकार को देखना

चूंकि हम हर एक संभावना की जांच नहीं कर सकते, इसलिए लेखक सुझाव देते हैं कि उन विशिष्ट, सामान्य तरीकों की जांच की जाए जिनसे लोग धोखाधड़ी कर सकते हैं। वे इन्हें "स्ट्रक्चर्ड अल्टरनेटिव्स" (structured alternatives) कहते हैं।

उन्होंने डेटा के ज्यामिति (geometry) को देखने के लिए एक "बैटरी" परीक्षण तैयार किया, न कि केवल गणनाओं को। इसे इस प्रकार समझें:

  • मार्जिनल टेस्ट (पुराना तरीका): यह गिनता है कि "7" कितनी बार आया।
  • जियोमेट्रिक टेस्ट (नया तरीका): यह ड्रॉ के "आकार" को देखता है। क्या नंबर ब्लॉक्स में एक साथ आते हैं? क्या वे विशिष्ट पैटर्न में एक-दूसरे से बचते हैं? क्या वे एक ड्रॉ से दूसरे ड्रॉ तक गोंद की तरह एक साथ चिपके रहते हैं?

वे डेटा को देखने के लिए पांच विशिष्ट "लेंस" का उपयोग करते हैं:

  1. मार्गिनल ची-स्क्वायर (Marginal Chi-Square): पुराना काउंट चेक।
  2. पेयर मैक्सिमा (Pair Maxima): यह जांचता है कि क्या विशिष्ट जोड़े बहुत अधिक बार एक साथ दिखाई देते हैं।
  3. सीरियल ओवरलैप (Serial Overlap): यह जांचता है कि क्या आज का ड्रॉ कल के ड्रॉ के समान संदिग्ध रूप से है।
  4. एंकर बॉक्स (Anchored Boxes): यह जांचता है कि क्या नंबर विशिष्ट "ज़ोन" या रेंज में भीड़ लगाए हुए हैं।
  5. MST ज्योमेट्री (MST Geometry): ड्रॉ के बीच की "दूरी" को मापने का एक जटिल तरीका ताकि यह देखा जा सके कि क्या वे अजीब क्लस्टर (गुच्छे) बनाते हैं।

प्रयोग: जासूस के उपकरणों का परीक्षण

लेखकों ने अपने नए उपकरणों का परीक्षण वास्तविक डेटा पर किया:

  • वास्तविक लॉटरी डेटा: उन्होंने 2004 से 2026 तक के यूरोमिलियंस (EuroMillions) लॉटरी के 1,956 ड्रॉ का विश्लेषण किया।
  • नकली डेटा: उन्होंने सुपरकंप्यूटरों (GPUs) का उपयोग करके लाखों नकली लॉटरी ड्रॉ बनाए जहाँ उन्हें पता था कि धोखाधड़ी का तरीका क्या है (जैसे, "आइए सुनिश्चित करें कि 1-10 नंबर हमेशा एक साथ आते हैं")।

परिणाम:

  1. वास्तविक लॉटरी: जब उन्होंने वास्तविक यूरोमिलियंस डेटा पर अपने नए, फैंसी ज्यामितीय परीक्षण लागू किए, तो सब कुछ सामान्य दिखा। कोई धोखाधड़ी नहीं पाई गई। "p-values" (कितना संदिग्ध डेटा है इसका स्कोर) उच्च थे, जिसका अर्थ है कि लॉटरी निष्पक्ष दिखती है।
  2. नकली डेटा: जब उन्होंने अपने उपकरणों का परीक्षण रिग किए गए डेटा पर किया, तो परिणाम नाटकीय थे।
    • पुराना "काउंट" टेस्ट (Marginal Chi-Square) पूरी तरह विफल रहा। इसने कहा कि रिग किया गया डेटा ठीक है क्योंकि व्यक्तिगत नंबर संतुलित थे।
    • नए "जियोमेट्रिक" परीक्षणों ने धोखेबाजों को तुरंत पकड़ लिया। वे छिपे हुए पैटर्न (जैसे नंबरों का "क्लंपिंग" या "रिपल्शन") को देख सके जिन्हें पुराने परीक्षण मिस कर गए थे।

निष्कर्ष

यह पेपर निष्कर्ष निकालता है कि सार्वजनिक रैंडमनेस (जैसे लॉटरी या सुरक्षा बीकन) के लिए, आप यह सिद्ध नहीं कर सकते कि कोई सिस्टम 100% परफेक्ट है बिना अनंत डेटा के। हालांकि, आप यह सिद्ध कर सकते हैं कि यह विशिष्ट, सामान्य तरीकों से रिग नहीं किया गया है।

इन नए ज्यामितीय उपकरणों का उपयोग करके, ऑडिटर "लो-डायमेंशनल" धोखाधड़ी (सरल पैटर्न) को पकड़ सकते हैं जो अन्यथा अदृश्य रहती। यह यह जांचने के अंतर जैसा है कि कमरे में कुर्सियों की सही संख्या है या नहीं, बनाम यह जांचना कि कुर्सियां एक गुप्त, संदिग्ध पैटर्न में व्यवस्थित हैं या नहीं। यह पेपर दिखाता है कि भले ही हम हर पैटर्न की जांच नहीं कर सकते, लेकिन हम निश्चित रूप से उन पैटर्नों को पकड़ सकते हैं जो सबसे अधिक मायने रखते हैं।

अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?

आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।

Digest आज़माएँ →

इसी तरह के और पेपर

इस विषय के सभी पेपर देखें 💻 cs →