23、智能电表隐私与视频会议系统安全分析

智能电表隐私与视频会议系统安全分析

智能电表差分隐私机制的安全隐患

在智能电表领域，差分隐私（DP）机制旨在保护消费者的用电隐私，防止其电器使用模式和原始电表读数被泄露。然而，研究发现现有的DP机制在实际应用中存在严重的安全漏洞。

通过对原始DP诱导输出轨迹和估计轨迹的分析，研究人员发现两者之间的差值为负，并由此确定估计值所在的分区Ψi。从两小时到十小时的观察期内，t值在估计值达到400∈Ψ1之前或之时均为负。这表明，所提出的算法1能够成功推断出消费者的电力使用范围，并指示其是否不在家。

研究人员对六种差分隐私机制进行了全面评估，通过50次独立运行，将攻击方案应用于不同的DP诱导输出轨迹。结果显示，仅需8小时的观察窗口，攻击者就能以超过90%的准确率确定消费者是否不在家，且随着观察期的延长，准确率稳步上升。在多个日期的观察中，都呈现出相似的模式和高度准确的范围估计。这凸显了现有DP机制在智能电表基础设施中的局限性，而所提出的攻击方案能够以极高的准确率识别消费者是否不在家，证明了该方法的有效性和实用性。

除了基于t检验的攻击算法，研究人员还使用最大似然估计（MLE）对差分隐私输出轨迹进行了统计分析，以辨别消费者的存在与否。MLE通过观察输出分布TR来确定输入流的均值。在不同的DP机制下，MLE方案的性能表现各异。在某些机制下，其性能与基于t检验的攻击方法相近；而在高斯机制下，经过12小时的观察窗口，准确率可超过90%；在拉普拉斯机制下，最高成功率仅为84%。此外，当DP机制引入非零均值且对攻击者保密时，可有效降低MLE方案的准确率，甚至降至0%。相比之下，基于t检验的攻击方法假设DP机制为黑盒，不受此影响，在确定消费者家庭状态方面表现更优。