智能电网电力时间序列数据的差分隐私出版
密码学与安全
2024-08-30 v1 人工智能
机器学习
摘要
智能电网是研究消费者行为并指导能源政策决策的重要数据源。特别是对地理区域的功耗时间序列数据对于决定昂贵资源（如变压器、储能装置）的最优布置及其激活计划至关重要。然而，发布此类数据会引发显著的隐私问题，因为可能揭示有关个人习惯和生活方式的敏感细节。差分隐私（Differential Privacy，DP）非常适合用于数据消毒，但当前针对时间序列的 DP 技术由于数据读取之间存在的时间相关性，导致实用性显著下降。我们提出了 STPT（Spatio-Temporal Private Timeseries），一种新颖的方法，用于 DP 合规的电力消费数据出版，通过分析时空属性并利用循环神经网络（RNNs）捕获微观和宏观模式。此外，它采用分区方法基于识别出的模式发布电力消费时间序列。我们通过在真实数据集和合成数据集上的大量实验，表明 STPT 显著优于现有基准，在数据实用性和用户隐私之间实现了良好的平衡。
引用
@article{arxiv.2408.16017,
title = {Differentially Private Publication of Electricity Time Series Data in Smart Grids},
author = {Sina Shaham and Gabriel Ghinita and Bhaskar Krishnamachari and Cyrus Shahabi},
journal= {arXiv preprint arXiv:2408.16017},
year = {2024}
}