基于隐私保护数据的能源资源控制

尽管智能电表的频繁监测能够实现对能源资源的精细控制，但也增加了私人信息泄露的风险，例如收入、家中是否有人以及用电行为等可被对手从数据中推断出的信息。我们提出了一种发布经修改的智能电表数据的方法，使得特定私有属性被掩盖，同时保留数据用于能源资源控制器的效用。该方法通过经由极小极大优化学习到的线性滤波器，以依赖于私有属性的条件注入噪声来实现隐私化。该优化包含一个用于私有属性的分类器的损失函数（我们将其最大化）以及表述为规范形式优化的能源资源控制器目标（我们将其最小化）。我们在包含太阳能发电的家庭用电数据集以及来自能源监管委员会、含有收入和家中是否有人等敏感属性的家庭智能电表数据集上进行了实验。我们证明，我们的方法能够在维持储能控制器目标值相近的同时，显著降低对手对私有属性进行分类的能力。