应用于电表数据分析与合成的差分隐私 $K$-means 聚类
信号处理
2022-06-29 v2
摘要
智能电表的普及导致大量数据产生。越来越明显的是，需要一些方法让各类利益相关方以保护消费者隐私的方式利用这些数据。该行业正仓促制定政策，例如所谓的“15/15 规则”，以应对这一需求。然而，当前政策未能充分保证隐私。在本文中，我们解决了允许第三方应用 -means 聚类、通过应用差分隐私框架获得一组负荷时间序列的客户标签和质心的问题。我们利用该方法设计了一种生成与标记数据一致的差分隐私合成负荷数据的算法。我们通过回答汇总统计量（如二维合成数据集和真实世界电力负荷数据集的平均日负荷曲线）来测试我们算法的实用性。
引用
@article{arxiv.2112.03801,
title = {Differentially Private $K$-means Clustering Applied to Meter Data Analysis and Synthesis},
author = {Nikhil Ravi and Anna Scaglione and Sachin Kadam and Reinhard Gentz and Sean Peisert and Brent Lunghino and Emmanuel Levijarvi and Aram Shumavon},
journal= {arXiv preprint arXiv:2112.03801},
year = {2022}
}
备注
13 pages, 13 figures