隐私保护型合成智能电表数据
信号处理
2021-11-29 v2 机器学习
摘要
用电数据非常有用，因为它可用于优化电网、检测异常和预防故障，此外还对多种研究目的有价值。然而，用电数据的使用引发了显著的隐私担忧，因为该数据通常属于某电力公司的客户。作为解决方案，我们提出一种生成合成用电样本的方法，这些样本忠实模仿原始数据，但与客户及其身份脱钩。我们的方法基于生成对抗网络（GAN）。我们的贡献有两方面。首先，我们关注生成数据的质量，这是一项非平凡的任务，因为尚无标准的评估方法。然后，我们研究所提神经网络的训练集成员所享有的隐私保障。作为隐私的最低要求，我们要求神经网络对成员推断攻击具有鲁棒性，因为此类攻击除自身构成隐私威胁外，还为进一步攻击提供了入口。我们发现算法所提供的隐私与性能之间存在权衡。
引用
@article{arxiv.2012.04475,
title = {Privacy-Preserving Synthetic Smart Meters Data},
author = {Ganesh Del Grosso and Georg Pichler and Pablo Piantanida},
journal= {arXiv preprint arXiv:2012.04475},
year = {2021}
}