Resposta longa:
Vamos modelar o fluxo de informações do seu IIR "oculto" X à sua saída observável Y Como
X⟶Y
Então, chamamos a quantidade de informação que você obtém por observação de * informação mútua I(X;Y); essa informação é a redução da incerteza sobreX a ser alcançado observando Y.
Chamamos a incerteza esperada de algo a entropia , no seu caso, a incerteza sobreX é a sua entropia e normalmente designada como H(X).
Agora, o legal de tudo isso é que H(X|Y), ou seja, a "incerteza sobre X que resta quando você sabe Y", na verdade é apenas a entropia de X menos as informações que você obtém, então:
H(X|Y)=H(X)−I(X;Y).(1)
O objetivo do atacante é reduzir a incerteza que ele ainda tem sobre X para 0.
Agora, como qualquer sinal que "excite" todas as funções próprias de um sistema pode caracterizar completamente o sistema, isso significa que precisamos apenas enviar o conjunto completo de funções próprias através do seu IIR. E como o seu IIR é um sistema de LTI, esse é o vetor que contém todas as oscilações de qualquer frequência representável.
Você pode reduzir a quantidade de informações que um invasor pode obter sobre o seu sistema inserindo ruído artificialmente. Informações teóricas, isso aumenta sua irrelevânciaH(Y|X) (mesmo se você soubesse X, você não saberia 100% Y, porque o ruído é adicionado).
A informação mútua I(X;Y) como usado em (1) é simétrico, ou seja I(X;Y)=I(Y;X); daqui segue
H(Y|X)H(X|Y)=H(Y)−I(X;Y)=(1)H(Y)−(H(X)−H(X|Y))=H(Y)−H(X)+H(X|Y)=H(Y|X)+H(X)−H(Y)(2)
Seu objetivo era parar um engenheiro reverso, ou seja, maximizar H(X|Y).
Desde a H(X) é fixo (você tem alguns coeficientes que podem levar alguns valores, então é uma quantidade de bits), sua única maneira de ajustar essa função objetivo é aumentar H(Y|X). E a única maneira de fazer isso é inserindo variações verdadeiramente aleatórias em sua saída.