背景知识显著提效
通过元组频率分布规律和属性值相关性知识，实现元宇宙中虚拟-现实身份链接风险的定量预测。
杨志刚 · Xia, Cao · Wang, Honggang · 吴大鹏 · Ruyan, Wang · Yang, Boran
IEEE Journal on Selected Areas in Communications 2023
模型在生成和真实数据集上的平均AUC为0.86~0.98，引入属性相关性知识后进一步提升至0.95~0.98。
利用属性值相关性知识，模型在样本有偏时仍能改善元组频率估计误差，提升预测性能。
论文发现的元组频率分布规律和定量分析方法，构成了元宇宙身份隐私框架的基础。