过高还是过低？信息泄露的概率界
编程语言
2018-02-23 v1
摘要
定量信息流（QIF）关注于度量多少秘密泄露给观察到使用该秘密的计算结果的攻击者。先前的工作表明，基于概率多面体抽象解释（abstract interpretation with probabilistic polyhedra）的 QIF 技术可用于在线分析查询的最坏情况泄露，以确定该查询是否可以安全回答。虽然这种方法可以提供精确的估计，但其可扩展性不佳。本文展示了如何通过用采样和符号执行增强基线技术来解决可扩展性问题。我们证明我们的方法从不低估查询的泄露量（它是可靠的），并且详细的实验结果表明，我们可以匹配基线技术的精度，但性能提升数个数量级。
引用
@article{arxiv.1802.08234,
title = {What's the Over/Under? Probabilistic Bounds on Information Leakage},
author = {Ian Sweet and Jose Manuel Calderon Trilla and Chad Scherrer and Michael Hicks and Stephen Magill},
journal= {arXiv preprint arXiv:1802.08234},
year = {2018}
}