Singular Spectrum Analysis for Local Differential Privacy of Classifications in the Smart Grid
Singular Spectrum Analysis for Local Differential Privacy of Classifications in the Smart Grid
复制标题
智能电网中分类局部差分隐私的奇异谱分析
DOI：
10.1109/jiot.2020.2977220
复制
发表时间：
2020-06
影响因子：
10.6
通讯作者：
Zhang Dafang
中科院分区：
文献类型：
--
作者：
Ou Lu;Qin Zheng;Liao Shaolin;Li Tao;Zhang Dafang
由于物联网中的时间序列数据分类问题，如智能电网中的家电分类，给个人和家庭带来了新的隐私影响。为了防止攻击者推断智能电网中使用的家用电器分类，将奇异谱分析(SSA)应用于局部差分隐私(SSA-LDP)。首先，通过几何和将傅里叶谱噪声相加，得到拉普拉斯噪声分布。此外，我们还证明了经过SSA-LDP的净化数据对于敌方推理攻击是尊重隐私的。此外，为了达到更好的数据利用率，通过将其分解为主要SSA特征滤波器功率谱的叠加，得到了最优傅立叶谱噪声的计算公式。最后，使用计算机生成的数据集和真实世界的智能电表数据集进行了实验。与其他隐私保护方法的比较表明，对于给定的数据隐私，优化后的SSA-LDP确实取得了更好的数据效用。
New privacy implications are induced to individuals and families because of the time-series data classification problem in the Internet of Things such as appliance classifications in the smart grid. To prevent the adversary from inferring the household appliance classification used in the smart grid, a singular spectrum analysis (SSA) has been applied to the local differential privacy (SSA-LDP). First, the Fourier spectrum noise has been added via the geometric sum which has been proved to achieve the Laplace noise distribution. Furthermore, we have proved that the sanitized data through the SSA-LDP is $\varepsilon $ -deferentially private for the adversary inference attack. In addition, to achieve a better data utility, a formula has been obtained for the optimal Fourier spectrum noise by decomposing it into the superposition of power spectra of the dominant SSA eigenfilters. Finally, experiments have been performed with a computer-generated data set and a real-world smart-meter data set. Comparisons to other privacy approaches show that the optimized SSA-LDP does achieve a better data utility for a given data privacy.
登录
查看更多内容
DOI：
10.1088/1757-899x/434/1/012068
发表时间：
2018-12
期刊：
IOP Conference Series: Materials Science and Engineering
影响因子：
--
作者：
G. Darmawan;Dedi Rosadi;B. N. Ruchjana
通讯作者：
G. Darmawan;Dedi Rosadi;B. N. Ruchjana
影响因子：
0.9
作者：
D. Poskitt
通讯作者：
D. Poskitt
DOI：
10.1109/iwqos.2017.7969167
发表时间：
2017-06
期刊：
2017 IEEE/ACM 25th International Symposium on Quality of Service (IWQoS)
影响因子：
--
作者：
Zijian Zhang;Wenqiang Cao;Zhan Qin;Liehuang Zhu;Zhengtao Yu;K. Ren
通讯作者：
Zijian Zhang;Wenqiang Cao;Zhan Qin;Liehuang Zhu;Zhengtao Yu;K. Ren
DOI：
--
发表时间：
2017-10
期刊：
ArXiv
影响因子：
--
作者：
Alon Gonen;Ran Gilad-Bachrach
通讯作者：
Alon Gonen;Ran Gilad-Bachrach
释放相关轨迹：迈向高实用性和最佳差异化隐私
DOI：
10.1109/tdsc.2018.2853105
发表时间：
2020-09-01
影响因子：
7.3
作者：
Ou, Lu;Qin, Zheng;Jia, Xiaohua
通讯作者：
Jia, Xiaohua