本文针对可搜索加密（Searchable Encryption, SE）方案中存在的隐私泄露问题，提出了一种名为“泄漏反转”（Leakage Inversion）的量化评估方法。可搜索加密允许用户对加密数据进行关键字搜索，但为了效率，方案通常会泄露一些额外信息（如访问模式、搜索模式等），这些泄露可能被对手利用来重建查询或文档内容。现有的安全模型通常基于“泄漏函数”来刻画泄露，但缺乏对实际隐私风险的精确量化。本文作者引入了一种新的框架，通过从泄漏中反向推断出原始数据或查询的可能性，从而衡量隐私损失。具体而言，他们定义了“泄漏反转难度”指标，并基于信息论和概率分析，给出了不同泄漏函数下隐私泄露的理论界。实验上，通过在真实数据集（如电子邮件数据库）上模拟攻击，验证了该框架的有效性。主要贡献包括：（1）形式化定义泄漏反转问题；（2）提出了通用的量化隐私的方法，适用于多种SE方案；（3）提供了理论和实验证据，表明即使看似微小的泄漏也可能导致严重的隐私风险。该工作有助于安全从业者理解不同SE方案的实际隐私保护水平，并为设计更安全的加密搜索系统提供指导。