典型文献
面向云计算应用的用电负荷数据差分隐私保护方法
文献摘要：
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.
文献关键词：
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
中图分类号：
作者姓名：
于群;沈志恒;孙飞飞;李知艺
作者机构：
浙江大学 电气工程学院,浙江杭州310027;国网浙江省电力公司经济技术研究院,浙江杭州310016
文献出处：
引用格式：
[1]于群;沈志恒;孙飞飞;李知艺-.面向云计算应用的用电负荷数据差分隐私保护方法)[J].电力自动化设备,2022(07):68-75
A类：
B类：
云计算应用,用电负荷数据,数据差分,差分隐私保护,保护方法,云计算技术,计算资源,计算效率,隐私泄露,泄露风险,潜藏,数据泄露,泄露问题,种差,隐私保护框架,生成对抗网络,数据脱敏,脱敏方法,合成数据,敏感数据,攻击者,窃取,训练数据,敏感信息,瑞利,利差,隐私机制,提下去,个体特征,循环神经网络,生成器,判别器,时间特性,自编码器,静态特征,理论推导,隐私预算,算进,数值实验,隐私性,可用性
AB值：
0.311547
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
