多维分解加噪算法在智能电网隐私保护中的优化
CSTR:
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

TN918

基金项目:

国家自然基金资助项目(61262040)。


Optimization of multi-dimensional decomposition and plus noise algorithm in intelligent grid privacy protection
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    在智能电网的数据采集监测中,针对用户隐私泄露安全隐患问题,采取加噪为主的方式来实现隐私保护。提出一种基于多维分解的拉普拉斯噪声算法(MDLN,multidimensional laplacian noise algorithm),该算法将原始测量值分解成多维数据,并根据各维度的隐私敏感度,自适应决定需添加的拉普拉斯噪声幅度,通过有效的噪声扰动方式实现差分隐私。通过与SLN(simple laplacion noise algorithm)算法ULN(uniform laplacian noise algorithm)算法相比较,仿真表明,MDLN算法的隐私保护强度较高,且效能更高。

    Abstract:

    To address the security problem of user privacy leak in the data acquisition and monitoring of smart grid, noise is usually added to achieve privacy protection. In this paper, a Laplacian noise algorithm based on multidimensional decomposition(MDLN) is proposed. The algorithm decomposes the original measured value into multidimensional data, and adaptively determines the Laplacian noise amplitude to be added according to the sensitivity of each dimension, achieving differential privacy by effective noise perturbation. The simulation results show that the MDLN algorithm has higher privacy protection and higher performance compared with the SLN(simple Laplacian noise algorithm) algorithm and ULN(uniform Laplacian noise algorithm) algorithm.

    参考文献
    相似文献
    引证文献
引用本文

陈倩,刘云.多维分解加噪算法在智能电网隐私保护中的优化[J].重庆大学学报,2018,41(9):86-93.

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2017-12-11
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2018-10-09
  • 出版日期:
文章二维码