Die Autoren führen eine Familie von Informationsleckage-Maßen ein, die als maximale (α,β)-Leckage (MαbeL) bezeichnet werden und durch reelle Zahlen α und β größer oder gleich 1 parametrisiert sind. Dieses Maß bietet eine einheitliche Darstellung verschiedener bekannter Leckage-Maße wie maximale α-Leckage, maximale Leckage, lokale Differentialdatenschutz und lokale Rényi-Differentialdatenschutz.
Dieses Forschungsprojekt entwickelt ein neuartiges Verfahren zur privatsphäreerhaltenden Repräsentationslernung in Gesichtserkennungssystemen, das den Zielkonflikt zwischen Verschleierung und Nützlichkeit durch logarithmischen Verlust, auch bekannt als Selbstinformationsverlust, quantifiziert.