Jan, 2024

通过近似贝叶斯最优预测进行信息泄露检测

TL;DR在当今数据驱动的世界中,公开可用信息的广泛传播加剧了信息泄漏(IL)的挑战,提高了安全性问题。本研究利用统计学习理论和信息论建立了一个理论框架来准确量化和检测 IL。该方法通过近似贝叶斯预测器的对数损失和准确度来准确估计互信息(MI),并使用自动化机器学习(AutoML)来近似贝叶斯预测器。研究通过在合成数据集和真实数据集上的实验验证了该方法的有效性。