面向智能电能计量设备的网络弹性隐私保护与安全计费方法

大多数智能应用（如智能电能计量设备）需要强隐私保护以加强数据隐私。然而，保护智能设备数据的隐私（尤其在客户端）十分困难。这主要是因为计费支付由部署在客户端的服务器计算，且防止客户信息泄露给未授权用户极具挑战。诸多研究者已探讨此问题并提出了不同的隐私保护技术。传统技术存在客户端计算与通信开销过高的问题。此外，这些技术因计算复杂性及无法处理大规模数据安全而性能下降。由于这些局限，攻击者易于对服务器发起恶意攻击，对数据安全构成重大威胁。在此背景下，本提案旨在利用深度学习技术设计新颖的隐私保护与安全计费框架，以保障智能电能计量设备中的数据安全。本研究旨在克服现有技术的局限，实现智能设备中鲁棒的隐私保护，并提升这些设备的网络弹性。