Skip to article frontmatterSkip to article content

笔记:Basefold 在 List Decoding 下的 Soundness 证明

在上一篇文章《Basefold 在 List Decoding 下的 Soundness 证明概览》中,梳理了 [H24] 论文中 soundness 证明的思路,本篇文章将沿着这个思路深入论文中的证明细节,主要是 [H24, Lemma 1] 的证明,其证明了 Basefold 协议在 commit 阶段的 soundness error。

Lemma 1 [H24, Lemma 1] (Soundness commit phase). Take a proximity parameter θ=1(1+12m)ρ\theta=1-\left(1 + \frac{1}{2 \cdot m}\right) \cdot \sqrt{\rho}, with m3m\geq3. Suppose that a (possibly computationally unbounded) algorithm PP^* succeeds the commitment phase with r0r\geq0 rounds with probability larger than

εC=ε0+ε1++εr,\varepsilon_C=\varepsilon_0+\varepsilon_1+\ldots+\varepsilon_r,

where ε0=ε(Ci,M,θ)\varepsilon_0=\varepsilon(\mathcal{C}_i,M,\theta) is the soundness error from Theorem 3, and

εi:=ε(Ci,1,Bi,θ)+1F,\varepsilon_i:=\varepsilon(\mathcal{C}_i,1,B_i,\theta)+\frac{1}{|F|},

with ε(Ci,1,Bi,θ)\varepsilon(\mathcal{C}_i,1,B_i,\theta) being the soundness error from Theorem 4, where Bi=DDi=2iB_i=\frac{|D|}{|D_i|}=2^i. Then (g0,,gM)(g_0,\ldots,g_M) belongs to R\mathcal{R}.

引理中提到的 [H24, Theorem 3] 就是在 list decoding 下针对 subcode 的 correlated agreement 定理,而 [H24, Theorem 4] 就是 [H24, Theorem 3] 的 weighted 版本。

关系 R\mathcal{R} 表示的含义是能得出 PP^* 没有作恶,说明其承诺的多项式 (g0,,gM)(g_{0}, \ldots, g_{M}) 既离对应的编码空间距离不超过 θ ,同时也满足在查询点 ω=(ω1,,ωn)\vec{\omega} = (\omega_1, \ldots, \omega_n) 的值与承诺的值 v0,,vMv_0, \ldots, v_M 是一致的,即

R={p0,,pMF[X]<2n s.t. (g0,,gM):d((g0,,gM),(p0,,pM))<θk=0MPk(ω1,,ωn)=vk}.\mathcal{R}=\left\{\begin{array}{c} \exists p_0, \ldots, p_M \in \mathscr{F}[X]^{<2^n} \text { s.t. } \\ \left(g_0, \ldots, g_M\right): d\left(\left(g_0, \ldots, g_M\right),\left(p_0, \ldots, p_M\right)\right)<\theta \\ \wedge \bigwedge_{k=0}^M P_k\left(\omega_1, \ldots, \omega_n\right)=v_k \end{array}\right\}.

Lemma 1 说明的就是如果 PP^* 在 commit 阶段成功的概率超过了 εC\varepsilon_C ,那么我们能相信 PP^* 没有作弊,其声称的关系 R\mathcal{R} 也是成立的。

在这里,还需要用数学语言去定义 PP^* 在 commit 阶段的第 0rn0 \le r \le n 轮能成功的含义,这就是 [H24] 论文中给出的 α -good 的概念。从协议本身理解,PP^* 能成功,意味着 verifier 拿到 PP^* 发送过来的 f0,Λ0,f1,Λ1,f2,Λ2,,Λr1,frf_0, \Lambda_0, f_1, \Lambda_1, f_2, \Lambda_2, \ldots, \Lambda_{r-1}, f_r ,然后进行检查,一是进行 sumcheck 的检查,另一个是在 D0D_0 中随机选取 xx ,FRI 的折叠是正确的。首先这里的参数 α=1θ(0,1)\alpha = 1 - \theta \in (0,1) ,即

α=(1+12m)ρ\alpha = \left(1 + \frac{1}{2 \cdot m}\right) \cdot \sqrt{\rho}

Fi\mathcal{F}_i 表示和 Reed-Solomon 编码 Ci=RS2ni[F,Di]\mathcal{C}_i = \mathrm{RS}_{2^{n-i}}[F, D_i] 相对应的多项式空间,其中 DiD_i 就是用映射 πDD 作用 ii 次,即 Di=πi(D),i=0,,nD_i = \pi^i(D), i = 0, \ldots, n 。因此与 CiCi\mathcal{C}_i' \subseteq \mathcal{C}_i 相对应的多项式子空间定义为

Fi={p(X)Fi:P(ωi+1,,ωn)=0}.\mathcal{F}_i' = \left\{p(X) \in \mathcal{F}_i: P(\omega_{i + 1}, \ldots, \omega_n) = 0 \right\}.
  1. sumcheck 检查正确。意味着存在 pr(X)Frp_r(X) \in \mathcal{F}_r ,其对应的多元多项式为 PrP_r 满足

    L((ω1,,ωr),(λ1,,λr))Pr(ω1,,ωn)=qr1(λr)L((\omega_1, \ldots, \omega_r), (\lambda_1, \ldots, \lambda_r)) \cdot P_r(\omega_1, \ldots, \omega_n) = q_{r-1}(\lambda_r)

    根据 qi(X)q_i(X)Λi(X)\Lambda_i(X) 之间的关系,可以得到 PrP_r 需要满足

    L((ω1,,ωr),(λ1,,λr))Pr(ωr+1,,ωn)=qr1(λr)=L((ω1,,ωr),(λ1,,λr))Λr1(λr)(1)\begin{aligned} L((\omega_1, \ldots, \omega_r), (\lambda_1, \ldots, \lambda_r)) \cdot & P_r(\omega_{r + 1}, \ldots, \omega_n) = q_{r-1}(\lambda_r) \\ & = L((\omega_1, \ldots, \omega_r), (\lambda_1, \ldots, \lambda_r)) \cdot \Lambda_{r - 1}(\lambda_r) \end{aligned} \tag{1}
  2. 折叠正确。需要满足

    {xD0:(f0,,fr) satisfy all folding checks along xfr(πr(x))=pr(πr(x))}αD0(2)\left| \left\{ x \in D_0 : \quad \begin{array}{c} (f_0, \ldots, f_r) \text{ satisfy all folding checks along } x \\ \wedge f_r(\pi^r(x)) = p_r(\pi^r(x)) \end{array}\right\}\right| \ge \alpha \cdot |D_0| \tag{2}

    这里只有当在 D0D_0 中满足 folding check 的 xx 的比例大于 α ,经过 πr\pi^r 映射,到最后 verifier 才会通过。

当满足 1 和 2 两个条件时,就说这样的 (f0,Λ0,f1,Λ1,f2,Λ2,,Λr1,fr)(f_0, \Lambda_0, f_1, \Lambda_1, f_2, \Lambda_2, \ldots, \Lambda_{r-1}, f_r) 对于 (λ0,,λr)(\lambda_0, \ldots, \lambda_r) 来说 α -good 的。

Lemma 1 证明

Lemma 1 的证明采用的是数学归纳法,先证明当 r=0r = 0 时结论是成立的,这里用到了 [H24, Therorem 3]。接着假设 Lemma 1 在 0r<n0 \le r < n 时成立,证明 Lemma 1 在 r+1r + 1 时结论也成立,在这个过程中就用到了带权重的 [H24, Theorem 4] ,其证明思路与上篇文章介绍的思路类似。例如在第 r+1r + 1 轮,用随机数 λr+1\lambda_{r + 1} 折叠之后得到 fr+1f_{r + 1} 满足的条件入手,其离对应的编码空间距离比较近,并满足 sumcheck 约束,先推导出对应的 fr+1f_{r + 1}' 满足一些条件,这样就能使用针对 subcode 的 correlated agreement 定理了。应用定理的结论,进而得到在折叠之前的 fr,0f_{r,0}fr,1f_{r,1} 满足的性质,以此再得出 frf_r 满足的性质。此时应用归纳假设,能得到在第 rr 轮满足引理的条件,从而得出在第 rr 轮的结论成立,也就证明了在第 r+1r + 1 轮引理成立。

证明:首先证明当 r=0r = 0 时引理是成立的。已知的条件是 PP^* 在 commit 阶段成功的概率大于 ε(C0,M,θ)\varepsilon(\mathcal{C}_0,M,\theta) ,想证明得到的结论是 (g1,,gM)R(g_1, \ldots, g_M) \in \mathcal{R} 。根据条件以及 α -good 的定义,可以得到以大于 ε(C0,M,θ)\varepsilon(\mathcal{C}_0,M,\theta) 的概率 PP^* 提供的 f0f_0λ0\lambda_0 来说是 α -good 的,那么对于考虑折叠之前的多项式 gk=gkvkg_k' = g_k - v_k ,距离对应的 subcode C0C0\mathcal{C}_0' \subseteq \mathcal{C}_0 不超过 θ (也就说明一致的地方大于 α )的概率为

Pr[λ0:p0F0 s.t. agree(k=0Mgkλ0k,p0(X))α]>ε(C0,M,θ)\Pr \left[ \lambda_0: \exists p_0' \in \mathcal{F}_0' \text{ s.t. } \mathrm{agree} \left( \sum_{k = 0}^{M} g_k' \cdot \lambda_0^k, p_0'(X) \right) \ge \alpha \right] > \varepsilon(\mathcal{C}_0,M,\theta)

这里考虑的是多项式 gk=gkvkg_k' = g_k - v_k 而不是 gkg_k 的目的是,能让我们的分析进入线性子码 C0\mathcal{C}_0' 的范围内,这样我们就能用 [H24, Theorem 3] ,得到存在多项式

p0(X),,pM(X)F0p_0'(X), \ldots, p_M'(X) \in \mathcal{F}_0'

以及存在集合 D0DD_0' \subseteq D ,满足

  1. D0/Dα|D_0'|/|D| \ge \alpha
  2. pk(X)D0=gk(X)D0p_k'(X)|_{D_0'} = g_k'(X)|_{D_0'}

现在找到了多项式 p0(X),,pM(X)p_0'(X), \ldots, p_M'(X) ,那么对于多项式

p0(X)+v0,,pM(X)+vMF0p_0'(X) + v_0, \ldots, p_M'(X) + v_M \in \mathcal{F}_0

就满足

(pk(X)+vk)D0=(gk(X)+vk)D0=gk(X)D00kM(p_k'(X) + v_k)|_{D_0'} = (g_k'(X) + v_k)|_{D_0'} = g_k(X)|_{D_0'} \quad 0 \le k \le M

p0(X)+v0p_0'(X) + v_0 对应的多元线性多项式 PkF[X1,,Xn]P_k \in F[X_1, \ldots, X_n] 也满足 Pk(ω)=vkP_k(\vec{\omega}) = v_k ,因此 (g1,,gM)R(g_1, \ldots, g_M) \in \mathcal{R}

现在假设引理在 0r<n0 \le r < n 时是成立的,想证明在 r+1r + 1 时引理依然成立。根据引理的条件,在第 r+1r + 1 轮,PP^* 在 commit 阶段成功的概率超过 (ε0+ε1++εr)+εr+1(\varepsilon_0 + \varepsilon_1 + \ldots + \varepsilon_r) + \varepsilon_{r + 1} 。记 trr=(λ0,f0,Λ0,,λr,fr,Λr)\mathrm{tr}_r = (\lambda_0, f_0, \Lambda_0, \ldots, \lambda_r, f_r, \Lambda_r) 组成的集合为 T\mathfrak{T} ,因此在

Pr[T]>ε0++εr\operatorname{Pr}[\mathfrak{T}]>\varepsilon_0+\ldots+\varepsilon_r

的条件下,PP^* 成功的概率大于 εr+1\varepsilon_{r + 1} ,即

Pr[λr+1:fr+1 s.t. (λ0,f0,Λ0,,λr,fr,Λr,fr+1)is α-good for (λ0,,λr+1)]>εr+1\Pr \left[ \lambda_{r+1}: \begin{array}{c} \exists f_{r + 1} \text{ s.t. } (\lambda_0, f_0, \Lambda_0, \ldots, \lambda_r, f_r, \Lambda_r, f_{r + 1}) \\ \text{is $\alpha$-good for } (\lambda_0, \ldots, \lambda_{r + 1}) \end{array} \right] > \varepsilon_{r + 1}

α - good 的定义可以得到,对于满足 α -good 的 λr+1\lambda_{r + 1} ,存在一个满足 sumcheck 约束的多项式 pr+1Fr+1p_{r + 1} \in \mathcal{F}_{r + 1} ,使得

agreeνr((1λr+1)fr,0+λr+1fr,1,pr+1)α(3)\mathrm{agree}_{\nu_r}((1 - \lambda_{r + 1}) \cdot f_{r,0} + \lambda_{r + 1} \cdot f_{r,1}, p_{r + 1}) \ge \alpha \tag{3}

这里的 νr\nu_r 是一个子概率测度,其 density 函数定义为,对 yDr+1y \in D_{r + 1}

δr(y):={xπ(r+1)(y):(f0,,fr) satisfies all folding checks along x}π(r+1)(y)\delta_r(y) : = \frac{|\{x \in \pi^{-(r + 1)}(y): (f_0, \ldots, f_r) \text{ satisfies all folding checks along } x \}|}{|\pi^{-(r+1)}(y)|}

这里解释下式 (3)(3) 表示的实质上就是 α -good 定义中的式 (2)(2) 。根据 agree\mathrm{agree} 函数的定义,式 (3)(3) 等价于

νr({yDr+1:((1λr+1)fr,0+λr+1fr,1)(y)=pr+1(y)})Dr+1α\frac{\nu_r(\{ y \in D_{r + 1}: ((1 - \lambda_{r + 1}) \cdot f_{r,0} + \lambda_{r + 1} \cdot f_{r,1})(y) = p_{r + 1}(y)\})}{|D_{r + 1}|} \ge \alpha

先将在 Dr+1D_{r + 1} 中满足折叠关系的 yy 组成一个集合,记为 Sr+1S_{r + 1} ,再用 νr\nu_r 函数对这个集合进行计算。

νr(Sr+1)=ySr+1δr(y)=ySr+1{xπ(r+1)(y):(f0,,fr) satisfies all folding checks along x}π(r+1)(y)=ySr+1{xπ(r+1)(y):(f0,,fr) satisfies all folding checks along x}2r+1:=ySr+1Sy,02r+1=ySr+1Sy,02r+1\begin{aligned} \nu_r (S_{r + 1}) & = \sum_{y \in S_{r + 1}} \delta_r(y) \\ & = \sum_{y \in S_{r + 1}} \frac{|\{x \in \pi^{-(r + 1)}(y): (f_0, \ldots, f_r) \text{ satisfies all folding checks along } x \}|}{|\pi^{-(r+1)}(y)|} \\ & = \sum_{y \in S_{r + 1}} \frac{|\{x \in \pi^{-(r + 1)}(y): (f_0, \ldots, f_r) \text{ satisfies all folding checks along } x \}|}{2^{r + 1}} \\ & := \sum_{y \in S_{r + 1}} \frac{|S_{y,0}|}{2^{r + 1}} \\ & = \frac{\sum_{y \in S_{r + 1}} |S_{y,0}|}{2^{r + 1}} \end{aligned}

因此

agreeνr((1λr+1)fr,0+λr+1fr,1,pr+1)=νr(Sr+1)Dr+1=ySr+1Sy,02r+1Dr+1=ySr+1Sy,0D0\begin{aligned} \mathrm{agree}_{\nu_r}((1 - \lambda_{r + 1}) \cdot f_{r,0} + \lambda_{r + 1} \cdot f_{r,1}, p_{r + 1}) & = \frac{\nu_r(S_{r + 1})}{|D_{r + 1}|} \\ & = \frac{\sum_{y \in S_{r + 1}} |S_{y,0}|}{2^{r + 1} \cdot |D_{r + 1}|} \\ & = \frac{\sum_{y \in S_{r + 1}} |S_{y,0}|}{|D_{0}|} \end{aligned}

上式中分子 ySr+1Sy,0\sum_{y \in S_{r + 1}} |S_{y,0}| 表示的含义正是在 D0D_0 中满足第 r+1r + 1 次折叠正确,同时 (f0,,fr)(f_0, \ldots, f_r) 折叠检查也是正确的。(3)(3) 式就变为

ySr+1Sy,0αD0\sum_{y \in S_{r + 1}} |S_{y,0}| \ge \alpha \cdot |D_{0}|

这与 α -good 定义中式 (2)(2) 是完全一致的。接下来根据在上篇文章中介绍的 soundness 证明思路,由于 pr+1(X)p_{r+1}(X) 对应的多元线性多项式 Pr+1P_{r+1} 满足 sumcheck 约束,因此满足

L((ω1,,ωr+1),(λ1,,λr+1))Pr+1(ωr+2,,ωn)=qr(λr+1)=L((ω1,,ωr+1),(λ1,,λr+1))Λr(λr+1)\begin{aligned} L((\omega_1, \ldots, \omega_{r+1}), (\lambda_1, \ldots, \lambda_{r + 1})) \cdot & P_{r+1}(\omega_{r + 2}, \ldots, \omega_n) = q_{r}(\lambda_{r + 1}) \\ & = L((\omega_1, \ldots, \omega_{r + 1}), (\lambda_1, \ldots, \lambda_{r + 1})) \cdot \Lambda_{r}(\lambda_{r + 1}) \end{aligned}

推出

L((ω1,,ωr),(λ1,,λr))L(ωr+1,λr+1)Pr+1(ωr+2,,ωn)=L((ω1,,ωr),(λ1,,λr))L(ωr+1,λr+1)Λr(λr+1)\begin{aligned} L((\omega_1, \ldots, \omega_{r}), (\lambda_1, \ldots, \lambda_{r})) \cdot L(\omega_{r+1}, \lambda_{r + 1}) \cdot & P_{r+1}(\omega_{r + 2}, \ldots, \omega_n) \\ & = L((\omega_1, \ldots, \omega_{r}), (\lambda_1, \ldots, \lambda_{r})) \cdot L(\omega_{r+1}, \lambda_{r + 1}) \cdot \Lambda_{r}(\lambda_{r + 1}) \end{aligned}

对于 λr+1\lambda_{r + 1} 的选择,有 1/F1/|F| 的概率使得 L(ωr+1,λr+1)=0L(\omega_{r+1}, \lambda_{r + 1}) = 0 ,得出上式成立。因此除了 1/F1/|F| 的概率,依然有超过

εr+11F=ε(Ci+1,1,Br+1,θ)\varepsilon_{r + 1} - \frac{1}{|F|} = \varepsilon(\mathcal{C}_{i + 1}, 1, B_{r + 1}, \theta)

的概率,使得多项式 pr+1=pr+1Λr(λr+1)Fr+1p_{r+1}' = p_{r + 1} - \Lambda_r(\lambda_{r + 1}) \in \mathcal{F}_{r + 1}' ,以及 fr,0=fr,0Λr(0)f_{r,0}' = f_{r,0} - \Lambda_r(0)fr,1=fr,1Λr(1)f_{r,1}' = f_{r,1} - \Lambda_r(1) 满足

agreeνr((1λr+1)fr,0+λr+1fr,1,pr+1)α\mathrm{agree}_{\nu_r}((1 - \lambda_{r + 1}) \cdot f_{r,0}' + \lambda_{r + 1} \cdot f_{r,1}', p_{r + 1}') \ge \alpha

上面满足的条件可以写为

Pr[λr+1:pr+1Fr+1 s.t. agreeνr((1λr+1)fr,0+λr+1fr,1,pr+1)α]>ε(Ci+1,1,Br+1,θ)\begin{aligned} \Pr \left[ \lambda_{r+1}: \quad \begin{array}{c} \exists p_{r + 1}' \in \mathcal{F}_{r+1}' \text{ s.t. } \\ \mathrm{agree}_{\nu_r}((1 - \lambda_{r + 1}) \cdot f_{r,0}' + \lambda_{r + 1} \cdot f_{r,1}', p_{r + 1}') \ge \alpha \end{array} \right] > \varepsilon(\mathcal{C}_{i + 1}, 1, B_{r + 1}, \theta) \end{aligned}

这也就满足了 [H24, Theorem 4] 带权重的 correlated agreement 定理的条件,因此可以得到存在多项式 pr,0(X),pr,1(X)Fr+1p_{r,0}'(X), p_{r,1}'(X) \in \mathcal{F}_{r+1}' ,以及集合 Ar+1Dr+1A_{r + 1} \subseteq D_{r+1} 满足:

  1. νr(Ar+1)1θ\nu_r(A_{r+1}) \ge 1 - \theta
  2. pr,0(X)Ar+1=fr,0(X)Ar+1p_{r,0}'(X)|_{A_{r+1}} = f_{r,0}'(X)|_{A_{r+1}} , pr,1(X)Ar+1=fr,1(X)Ar+1p_{r,1}'(X)|_{A_{r+1}} = f_{r,1}'(X)|_{A_{r+1}}

现在已经找到了多项式 pr,0(X),pr,1(X)p_{r,0}'(X), p_{r,1}'(X) ,因此存在多项式

pr,0(X)=pr,0(X)+Λr(0),pr,1(X)=pr,1(X)+Λr(1)Fr+1p_{r,0}(X) = p_{r,0}'(X) + \Lambda_r(0), \quad p_{r,1}(X) = p_{r,1}'(X) + \Lambda_r(1) \in \mathcal{F}_{r+1}

fr,0(X)=fr,0(X)+Λr(0),fr,1(X)=fr,1(X)+Λr(1)f_{r,0}(X) = f_{r,0}'(X) + \Lambda_r(0), \quad f_{r,1}(X) = f_{r,1}'(X) + \Lambda_r(1)

根据 correlated agreement 给出的结论 2 ,可以得到

pr,0(X)Ar+1=fr,0(X)Ar+1,pr,1(X)Ar+1=fr,1(X)Ar+1p_{r,0}(X)|_{A_{r+1}} = f_{r,0}(X)|_{A_{r+1}}, \quad p_{r,1}(X)|_{A_{r+1}} = f_{r,1}(X)|_{A_{r+1}}

对于 pr,0(X),pr,1(X)p_{r,0}(X), p_{r,1}(X) 相对应的多元线性多项式 Pr,0P_{r,0} 以及 Pr,1P_{r,1} ,根据 Fr\mathcal{F}_{r}' 的定义,可以得到

Pr,0(ωr+2,,ωn)=Λr(0)Pr,1(ωr+2,,ωn)=Λr(1)\begin{aligned} P_{r,0}(\omega_{r+2}, \ldots, \omega_{n}) = \Lambda_r(0) \\ P_{r,1}(\omega_{r+2}, \ldots, \omega_{n}) = \Lambda_r(1) \end{aligned}

将集合 Ar+1A_{r+1} 中的点通过 π 的逆映射得到 Ar=π1(Ar+1)DrA_r = \pi^{-1}(A_{r+1}) \subseteq D_r ,在这些点一定满足 frf_r

pr(X)=pr,0(X2)+Xpr,1(X2)Frp_r(X) = p_{r,0}(X^2) + X \cdot p_{r,1}(X^2) \in \mathcal{F}_{r}

是一致的。对于与 pr(X)p_r(X) 相对应的多元线性多项式 PrP_r ,其满足

Pr(ωr+1,ωr+2,,ωn)=(1ωr+1)Pr,0(ωr+2,,ωn)+ωr+1Pr,1(ωr+2,,ωn)=(1ωr+1)Λr(0)+ωr+1Λr(1)=L(ωr+1,0)Λr(0)+L(ωr+1,1)Λr(1)\begin{aligned} P_r(\omega_{r + 1}, \omega_{r + 2}, \ldots, \omega_n) & = (1 - \omega_{r + 1}) \cdot P_{r,0}(\omega_{r+2}, \ldots, \omega_{n}) + \omega_{r + 1} \cdot P_{r,1}(\omega_{r+2}, \ldots, \omega_{n}) \\ & = (1 - \omega_{r + 1}) \cdot \Lambda_r(0) + \omega_{r + 1} \cdot \Lambda_r(1) \\ & = L(\omega_{r + 1}, 0) \cdot \Lambda_r(0) + L(\omega_{r + 1}, 1) \cdot \Lambda_r(1) \end{aligned}

由此可以得到在第 rr 轮的 sumcheck 是满足的:

L(ω1,,ωr,λ1,,λr)Pr(ωr+1,ωr+2,,ωn)=L(ω1,,ωr,λ1,,λr)L(ωr+1,0)Λr(0)+L(ω1,,ωr,λ1,,λr)L(ωr+1,1)Λr(1)=qr(0)+qr(1)=qr1(λr)\begin{aligned} L(\omega_{1}, \ldots, \omega_{r}, \lambda_1, \ldots, \lambda_r) &\cdot P_r(\omega_{r + 1}, \omega_{r + 2}, \ldots, \omega_n) \\ & = L(\omega_{1}, \ldots, \omega_{r}, \lambda_1, \ldots, \lambda_r) \cdot L(\omega_{r + 1}, 0) \cdot \Lambda_r(0) \\ & \quad + L(\omega_{1}, \ldots, \omega_{r}, \lambda_1, \ldots, \lambda_r) \cdot L(\omega_{r + 1}, 1) \cdot \Lambda_r(1) \\ & = q_r(0) + q_r(1) \\ & = q_{r - 1}(\lambda_r) \end{aligned}

现在得到了在第 rr 轮的 sumcheck 是满足的,接下来需要考虑折叠关系是否满足。考虑 xπ1(Ar)x \in \pi^{-1}(A_r) ,有

{xπr(Ar):all folding checks hold for f0,,fr}D0=1D0yAr+1δ(y)π(r+1)(y)=2r+1D0yAr+1δ(y)=1Dr+1yAr+1δ(y)=νr(Ar+1)\begin{aligned} & \frac{|\{x \in \pi^{-r}(A_r): \text{all folding checks hold for } f_0, \ldots, f_r \}|}{|D_0|} \\ & = \frac{1}{|D_0|} \cdot \sum_{y \in A_{r+1}} \delta(y) \cdot |\pi^{-(r+1)}(y)| \\ & = \frac{2^{r + 1}}{|D_0|} \cdot \sum_{y \in A_{r+1}} \delta(y) \\ & = \frac{1}{|D_{r + 1}|} \cdot \sum_{y \in A_{r+1}} \delta(y) \\ & = \nu_r(A_{r+1}) \end{aligned}

前面通过 correlated agreement 定理已经得到 νr(Ar+1)α\nu_r(A_{r+1}) \ge \alpha ,因此在 D0D_0 中的 xx 能满足 folding check 的比例超过 α 。综合在第 rr 轮的 sumcheck 约束以及折叠关系,得到 (f0,Λ0,,fr,Λr)(f_0, \Lambda_0, \ldots, f_r, \Lambda_r) 对于 (λ0,,λr)(\lambda_0, \ldots, \lambda_r)α -good 的。由于产生这样的 trace 的集合的概率

Pr[T]>ε0++εr\operatorname{Pr}[\mathfrak{T}]>\varepsilon_0+\ldots+\varepsilon_r

因此其满足引理的条件,由归纳假设,在第 rr 轮引理成立,因此可以得到结论,(g0,,gM)R(g_0, \ldots, g_M) \in \mathcal{R} ,至此就证明了在第 r+1r + 1 轮引理也是成立的。从而得证引理成立。\Box

References