智能电网中抵御非侵入式负荷监测的差分隐私实现：一种雾计算方法
密码学与安全
2018-04-06 v1
摘要
雾计算作为云计算向网络边缘的非平凡扩展，在提供更低延迟的服务方面具有巨大优势。在智能电网中，雾计算的应用可极大便利消费者细粒度能耗数据的采集，这些数据随后可用于绘制负荷曲线并制定发电计划或模型。然而，此类数据也可能泄露客户的日常活动。非侵入式负荷监测（NILM）可监测为若干独立开关的电器供电的电路。若攻击者将电表读数与NILM设备测得的数据联合分析，客户隐私将被披露。本文提出一种有效的电力负荷监测隐私保护方案，可保证智能电网中数据披露的差分隐私。在所提方案中，建立了基于阶乘隐马尔可夫模型（FHMM）的能耗行为模型。此外，与传统方法通常向能耗数据添加噪声不同，本方案向行为参数添加噪声。分析表明，与其他流行方法相比，所提方案能在效用与隐私之间取得更好的权衡。
引用
@article{arxiv.1804.01817,
title = {Achieving Differential Privacy against Non-Intrusive Load Monitoring in Smart Grid: a Fog Computing approach},
author = {Hui Cao and Shubo Liu and Longfei Wu and Zhitao Guan and Xiaojiang Du},
journal= {arXiv preprint arXiv:1804.01817},
year = {2018}
}