面向智能电表的实时隐私保护数据发布
信号处理
2021-11-29 v4 密码学与安全
信息论
机器学习
math.IT
机器学习
摘要
智能电表（SMs）能够近乎实时地与公用事业提供商共享用户的用电消耗。这些细粒度信号携带有关用户的敏感信息，已从隐私角度引发严重关切。本文关注实时隐私威胁，即试图以在线方式从智能电表数据推断敏感信息的潜在攻击者。我们采用一种信息论隐私度量，并表明其能有效限制任何攻击者的性能。随后，我们提出一种通用公式以设计私有化机制，该机制可通过向智能电表测量值添加最小量的失真来提供目标隐私级别。另一方面，为应对不同应用，我们考虑了一种灵活的失真度量。该公式导出一个通用损失函数，并使用深度学习对抗框架进行优化，其中两个神经网络——称为发布器与对抗者——以相反目标进行训练。随后进行了详尽的实证研究，以验证所提方法的性能，并将其与用于 occupancy detection 隐私问题的前沿方法进行比较。最后，我们还研究了发布器与攻击者之间数据不匹配的影响。
引用
@article{arxiv.1906.06427,
title = {Real-Time Privacy-Preserving Data Release for Smart Meters},
author = {Mohammadhadi Shateri and Francisco Messina and Pablo Piantanida and Fabrice Labeau},
journal= {arXiv preprint arXiv:1906.06427},
year = {2021}
}