基于区块链与对抗机器学习的电网用户数据隐私保护
密码学与安全
2021-01-19 v1 人工智能
摘要
据报道，全球公用事业公司将在未来几年总计投资约 300 亿安装超过 3 亿只智能电表，以替代传统模拟电表[1]。到本世纪中期全国部署完成时，将约有 13 亿只智能电表就位[1]。这些智能电表采集细粒度用能数据带来诸多优势，例如用户通过需求优化节能、基于动态定价更高精度的计费系统、终端用户间双向信息交换以改善消费者与运营商互动等。然而，所有与细粒度用能数据采集相关的好处都威胁用户隐私。借助该技术，客户的个人数据如睡眠周期、居住人数、甚至电器类型与数量流入公用事业公司手中，并可能被滥用。本论文探讨从智能电表采集的消费者用能数据隐私侵犯问题，并在保留能源数据分析益处的同时提供新颖的隐私保护方案。首先，我们展示了使用深度神经网络方法的居住占用检测攻击的成功应用，取得了高准确率结果。随后我们引入基于区块链的对抗机器学习居住占用检测规避（AMLODA-B）框架作为反制，通过将基于长短期记忆（LSTM）模型的算法部署到标准化智能计量基础设施中，以防止消费者个人信息泄露。我们的隐私感知方法在不损害计费正确性的前提下保护消费者隐私，且无需权威中介即可保持运营效率。
引用
@article{arxiv.2101.06308,
title = {Privacy Protection of Grid Users Data with Blockchain and Adversarial Machine Learning},
author = {Ibrahim Yilmaz and Kavish Kapoor and Ambareen Siraj and Mahmoud Abouyoussef},
journal= {arXiv preprint arXiv:2101.06308},
year = {2021}
}