5、电动汽车充电隐私属性的形式验证与信息流动检测

电动汽车充电隐私属性的形式验证与信息流动检测

1. 隐私保护逻辑与指标

在隐私保护领域，存在多种不同的方法。一些方法基于责任逻辑，专注于表达策略及其与数据库安全或分布式系统的关系。不过，认知逻辑在这方面存在“逻辑全知”的难题，目前已有多种解决此难题的提议。

隐私指标也是衡量算法隐私保护水平的重要手段，常见的隐私指标包括 k - 匿名性、l - 多样性和 ϵ - 差分隐私等。其中，差分隐私能独立于对手的背景知识提供强大的隐私保证。其核心思想是，数据库中某个项目的存在与否，不应显著改变特定查询获得特定答案的概率。目前，已经有方法用于设计满足这些隐私指标的算法，或者验证系统是否达到给定的隐私级别。

2. 电动汽车充电协议对比

以 POPCORN 协议和 Liu 等人定义的电动汽车充电协议为例，二者存在明显差异。POPCORN 协议区分了 MO 和 EP 利益相关者，并有专门的 PH；而 Liu 等人的协议只包含用户、供应商（相当于 POPCORN 中的 EV）和评判机构（类似于 POPCORN 中的 DR）这三个参与方。此外，Liu 等人的协议还支持可追溯性（如车辆被盗时）和 EV 放电（即 EV 可选择将能量卖回电网）等额外功能，但这些功能的隐私保护效果尚未得到证明。

2.1 POPCORN 协议分析

通过形式化模型对 POPCORN 协议进行分析后发现，原始版本的 POPCORN 协议能够保护用户的机密性（弱保密性），但无法满足强保密性和强不可链接性。不过，对协议进行一些小的修改就足以弥补这些不足。此外，该协议还存在一种特定形式的不可链接性问题，即无法阻止攻击者将用户与其对系统的使用关联起来，这需要对协议定义进行更