E-DPNCT：一种基于分裂噪声抵消的增强型抗攻击差分隐私智能电网模型

智能电网中高频能耗数据上报可用于推断消费者生活方式的敏感信息，并带来严重的安全与隐私威胁。基于差分隐私（DP）的智能电网隐私模型在分析能耗数据以进行计费和负荷监测时保障隐私。然而，智能电网的 DP 模型易受共谋攻击，即 adversary 与恶意智能电表及不可信聚合器串通，以从其他智能电表获取隐私信息。我们首先展示基于 DP 的智能电网隐私模型对共谋攻击的脆弱性，以确立对抗共谋模型隐私模型的需求。然后，我们提出一种用于智能电表负荷监测与计费的增强型差分隐私噪声抵消模型（E-DPNCT），其不仅抵抗共谋攻击，还在提供准确计费与负荷监测的同时保护智能电网数据隐私。我们使用带多个主智能电表（MSM）的分裂噪声抵消协议的差分隐私来实现共谋抵抗。我们将 E-DPNCT 模型与最先进的抗攻击隐私保护模型（如 EPIC）就共谋攻击进行了广泛比较。我们使用实时数据仿真 E-DPNCT 模型，显示其在隐私攻击场景下显著改善。此外，我们分析了选择不同敏感度参数以校准 DP 噪声对客户电力剖面隐私及电力数据聚合（如负荷监测与计费）精度的影响。