一种用于智能电网有效需求响应管理的隐私保护能源盗窃检测模型
密码学与安全
2023-03-24 v1
摘要
能源盗窃的检测对整个智能电网系统的安全至关重要。然而，仅检测是不够的，因为能源盗窃会关键性地影响电力供应并导致一些停电。此外，隐私是处理客户能源数据时必须保留的主要挑战之一。这在能源盗窃检测研究中常被忽视，因为当前大多数检测技术依赖原始、未加密的数据，可能潜在暴露敏感与个人数据。为解决此问题，我们提出一种带有有效需求管理的隐私保护能源盗窃检测技术，采用两层隐私保护。我们探索一种拆分学习机制，以去中心化方式训练检测模型而无需交换原始数据。我们还通过使用掩码方案来掩码客户输出来采用第二层隐私，以防止推理攻击。该机制的一个隐私增强版本还通过训练客户端模型末端的随机化层来提供额外的隐私保护层。这样做是为了使输出尽可能随机而不损害检测性能。对于能源盗窃检测部分，我们设计了一个多输出机器学习模型来识别能源盗窃、估计其体量并有效预测未来需求。最后，我们使用一套综合实验来测试我们所提方案。实验结果表明，我们的方案实现了高检测准确率并大幅提升了隐私保护程度。
引用
@article{arxiv.2303.13204,
title = {A Privacy-Preserving Energy Theft Detection Model for Effective Demand-Response Management in Smart Grids},
author = {Arwa Alromih and John A. Clark and Prosanta Gope},
journal= {arXiv preprint arXiv:2303.13204},
year = {2023}
}