基础结构与参数

基础代码的结构如下

├── baseCode/
│   ├── DataGen.py
│   ├── hackPoly.py
│   ├── hackVerifier.py
│   └── run_experiments.py

DataGen用于生成100000个数据，用作数据集，这里代码中使用的是正态分布并且使用真实数据的参数进行数据生成，可以指定所有数据的数据精度（小数点后几位）。另外为了评估nonce取值大小对攻击者成功率的可能影响，nonce的可能最大最小取值也作为参数，但实际参数由后续的运行脚本传入。

hackpoly则通过在数据集中随机抽取一定量的数据进行多项式的拟合，而因为攻击假设中攻击者不知道所有传感器response分布的均值，所以在后续试验中设定不同精度的均值猜测如nonce+0，nonce+2，nonce+2.4依次类推，在每一次攻击（拟合）流程后，均会保存结果至result中，包括取样数，实验ID，以及对应的所有参数。因为随机抽取sample有非常大的随机性，所以随机试验次数也作为变量之一。

hackverifier通过读取hackpoly产出的result，使用完整数据集进行验证，原理为使用y和拟合出的多项式参数反推出x‘+nonce，并且利用已知nonce获得x’并验证其是否在x的期待阈值内。hackverifier会计算出整体攻击（验算）成功率并且将结果存入summary

run_experiments即运行所有攻击和验算流程的自动脚本，其中有效参数是nonce的范围，samples似乎不能有效传入，建议修改逻辑。

所有的csv结果输出均以nonce的取值范围为基准命名。

下面对可以修改的参数进行汇总

1. DataGen

   • L48-49可以修改分布的参数

   • L95-101可以修改数据精度设置

2. hackPoly

   • L81可能可以真实设置实验sample数量
   • L82可以设置随机抽取实验的次数

3. hackVerifier

   • L8可以设置验证阈值
   • L78可能设置参与验证的随机抽取实验的次数

4. run_experiments

   • L5-L17可以设置nonce的取值范围

实验流程

在实验时候，需要手动复制baseCode并修改关键参数，按照nonce+n（n为攻击者猜测所有传感器分布均值）命名文件夹名

除了baseCode外，其他代码可以考虑复用，作用为

• summarySummary：读取所有nonce+n中的summary内容，并输出总summary csv
• visualDir：输出文件夹完整路径可视化，适用于作为prompt给大语言模型debug
• run_all：如果能确保代码持续运行，可以直接运行所有nonce开头文件夹中的run_experiments，运行所有实验

另外修改最高阶数可能略微复杂，修改参数较多，建议参考deg10和原始repo中代码区别。