22、当并非所有比特都相同时：基于价值的信息流

当并非所有比特都相同时：基于价值的信息流

在信息安全领域，传统的信息流度量方法往往忽略了信息结构的价值差异。本文将介绍一种新的框架，它能够将结构的价值（可能代表其敏感性）纳入信息流度量中。

1. 信息价值度量的定义

• W - 香农熵（W - Shannon entropy） ：设 (0 \leq w \leq \omega(F)) 是根据 (W) - 度量 (\nu) 量化的价值阈值。(p_S) 的 (W) - 香农熵定义为 (WSE_{w,\nu}(\omega, p_S) = \min_{P\in LoI(S),\forall S’\in P \nu(\omega,p_S(\cdot|S’))\geq w} SE(p_P))。给定攻击 (C_a) 时，分布 (p_S) 的 (W) - 香农熵是一个 (N) - 度量，定义为 (WSE_{w,\nu}(\omega, p_S, C_a) = \sum_{o\in O} p_a(o)WSE_{w,\nu}(\omega, p_a(\cdot|o)))。
• W - 猜测概率（W - Probability of Guessing） ：考虑一个允许提出 (n) 个 “(S \in S’) 吗？” 类型问题的对手。该度量量化了从攻击中提取价值 (0 \leq w \leq \omega(F))（根据某个 (W) - 度量 (\nu) 测量）的机会。给定 (n) 个问题，最多可以检查 (2^n) 个块，其数学定义为：设 (0 \leq w \leq \omega(F)) 是根据 (W) - 度量 (\nu) 量化的价值阈值，(n \geq 0) 是对