面向云计算应用的用电负荷数据差分隐私保护方法
随着云计算技术的发展,用户可以利用公共计算资源低成本、高效率地完成机器学习等大数据分析业务,但在提升计算效率和经济效益的同时,也面临隐私泄露风险.针对以机器学习即服务为代表的云计算中潜藏的用电负荷数据泄露问题,提出了一种差分隐私保护框架下基于时序生成对抗网络的用电负荷数据脱敏方法,通过使用满足差分隐私的脱敏合成数据替代原始敏感数据,从而有效阻止攻击者根据窃取的训练数据推断真实的敏感信息.引入瑞利差分隐私机制,在保留负荷数据统计学特征的前提下去除个体特征;在此基础上,采用循环神经网络作为生成对抗网络的生成器和判别器,捕获负荷数据的动态时间特性;同时,将自编码器与生成对抗网络相结合,进一步挖掘负荷数据的静态特征.通过理论推导证明了所提方法能够满足差分隐私要求,且可以对总隐私预算进行量化.数值实验结果表明,所提方法能保证隐私保护处理后用电负荷数据的隐私性和可用性.
用电负荷数据、云计算、差分隐私保护、生成对抗网络、自编码器、数据脱敏
42
TP311.13;TM714(计算技术、计算机技术)
国家自然科学基金;国网浙江省电力公司科技项目
2022-08-01(万方平台首次上网日期,不代表论文的发表时间)
共8页
68-75