我正在浏览论文（https://link.springer.com/chapter/10.1007/978-3-319-66787-4_3），我发现作者说仅凭准确性是不够的，因为它是一种评估指标，还应该考虑猜测熵（第2.4节）。我确实了解如何在机器学习中测量准确性，但是我无法了解如何测量特定关键字节或关键位的猜测熵。此处如何计算猜测熵，最终导致痕迹最少？ 10次独立攻击是什么意思？这是否意味着对测试数据进行了10次攻击，并取了所有结果的平均值？
为了考虑到这一点，我们将始终将测试与之关联 侧信道度量的精度定义为 使猜测熵（平均等级为 正确的关键候选项的）永久等于1（例如参见表 1）。我们将通过10个独立的变量来估计这样的猜测熵 攻击。