面向智能电表数据共享的本地差分隐私
密码学与安全
2023-11-09 v1 人工智能
软件工程
摘要
能耗分解技术利用智能电表数据推断家电能耗，可为消费者和能源公司提供有价值的能源管理洞察。然而，这些技术也带来隐私风险，例如行为画像的潜在可能。本地差分隐私（LDP）方法以高效率提供强隐私保障，可有效解决隐私问题。然而，现有 LDP 方法侧重于保护聚合能耗数据而非单个家电。此外，这些方法未考虑智能电表数据是一种流数据形式，其处理方法应顾及时间窗口。在本文中，我们提出一种新颖的 LDP 方法（命名为 LDP-SmartEnergy），其利用随机响应技术与滑动窗口，促进家电级能耗数据随时间的共享，同时不泄露个体用户的家电使用模式。我们的评估表明，与基线方法相比，LDP-SmartEnergy 运行高效。结果还表明，我们的方案在保护隐私与维持数据分析效用之间取得了平衡。
引用
@article{arxiv.2311.04544,
title = {Local Differential Privacy for Smart Meter Data Sharing},
author = {Yashothara Shanmugarasa and M. A. P. Chamikara and Hye-young Paik and Salil S. Kanhere and Liming Zhu},
journal= {arXiv preprint arXiv:2311.04544},
year = {2023}
}
备注
18 pages, 9 figures