22、智能电表差分隐私攻击实验评估

智能电表差分隐私攻击实验评估

1. 实验设置

• 数据集 ：使用Kelly等人提供的UK - DALE（U.K. Domestic Appliance Level Electricity）数据集，该数据集描述了2012年至2016年期间英国五户家庭家电的电力需求情况。主电源和家电的采样周期分别为1秒和6秒，可用于学术研究，且已在许多智能电表研究中被使用。实验选取消费者C1的计量数据，将2012年和2013年的数据集作为非差分隐私（non - DP）计量流，利用2014年的数据集生成差分隐私（DP）诱导的电力配置文件，以验证攻击方法。通过观察单个家电的电力消耗配置文件来确定消费者C1是否在家。选择C1是因为其包含所有52个家电的电力消耗信息。攻击者利用C1的精细电力配置文件获取最小电力消耗范围的上限，并识别其日常行为。将2014年的数据流通过六种经过充分研究的DP机制，同时在实现这些机制时考虑计量流的自相关特性，采用了组差分隐私。使用Google的差分隐私库生成具有不同敏感度和隐私级别的拉普拉斯和高斯噪声。
• 隐私级别和敏感度的选择 ：
  • 文献中大多考虑隐私级别ϵ = 0.1和ϵ = 1以及较小的敏感度值，但在大敏感度值情况下，这些隐私级别会产生过高的DP噪声，不适合智能电网应用。
  • 实验考虑ϵ从0.1到100的不同隐私级别，组大小k为10、20、30、40、50、60，使得k个连续的电表读数提供所需的ϵ - DP保证。
  • 为确定满足计量系统效用要求的组大小和隐私级别对，使用原始流和扰动流之间的平均距离失真函数（即均方根误差RMSE）