一种逼近社会最优的差分隐私能源交易机制

本文为点对点（P2P）市场中的产消者提出了一种差分隐私的能源交易机制，该机制在逼近纳什均衡并具有接近社会最优效率的同时，提供了可证明的隐私保证。我们首先将P2P能源交易建模为一个（广义）纳什博弈，并通过一个对抗性推理模型证明了传统分布式算法易受隐私攻击。为应对这一挑战，我们开发了一种保护隐私的纳什均衡求解算法，该算法融入了经过精心校准的拉普拉斯噪声。我们证明了所提出的算法在采用合适步长时，能够实现ε-差分隐私，同时期望收敛到纳什均衡。我们进行了数值实验，评估了该算法在隐私攻击下的鲁棒性、收敛行为以及与无隐私保护方案相比的最优性。结果表明，我们的机制在有效保护产消者敏感信息的同时，维持了接近最优的市场结果，为P2P市场中的隐私保护协调提供了一种实用方法。