论文笔记（五）基于大样本场景下的分布式差分隐私研究

分布差异隐私在大规模智能电表中的应用

面向大规模智能计量的分布式差分隐私

摘要

在智能电网系统中，采用基于精确负荷预测的控制策略以实现供需平衡是可行的。监控作为每个控制策略中的核心环节，通常依赖于智能电表网络进行数据采集。然而，智能电表具备获取用户生活信息的能力，因此在应用此类技术时，隐私保护成为不可忽视的关键问题。近期提出的方案建议将查询请求限制为特定的私有模式，但该方法的实际可行性尚未明确。本文针对这一问题展开探讨：即便在不同时间点对统计独立数据的访问采用不同的隐私保护方式，查询分布所涉及的参数仍可能泄露用户的敏感信息。若允许持续性的监控行为，则保障这些参数的安全性将变得极具挑战性，这亦是智能电网运行中的基本需求。为此，我们设计了一种新型的差分隐私机制，专门用于应对求和类查询所带来的隐私风险。通过理论推导与公开数据集的实证分析，我们验证了所提方法的有效性，并指出为了确保分布参数的安全性所需添加的噪声量非常有限。

问题描述

假设有n个智能电表存在。在特定时间点t，设包含这些电表读数的数据集为D(t) = (x1(t)), … ,xn(t))。这些数据可能对应于t时刻的实时功率消耗、t之前较短时间段内的累计功率消耗，或t之后较短时间段内的预测功率消耗。
我们设定该数据集是根据某种概率分布生成的，即把每个测量值xij视为一个随