数据聚合是智能电网通信中的一项关键技术,能够以高效节能的方式收集用户用电数据。随着智能电表的大规模部署,这引发了诸多用户隐私方面的担忧,例如对个人生活习惯的监测。提出了一种高效且保护隐私的数据聚合方案(efficient and priva...数据聚合是智能电网通信中的一项关键技术,能够以高效节能的方式收集用户用电数据。随着智能电表的大规模部署,这引发了诸多用户隐私方面的担忧,例如对个人生活习惯的监测。提出了一种高效且保护隐私的数据聚合方案(efficient and privacy-preserving data aggregation,EPPDA)。首先,提出基于区块链的智能电网4层架构支持电力数据聚合。在架构的采集层中,改进了基础的Boneh-Goh-Nissim加密系统,使其更适合于电网隐私保护场景。在架构的平台层,利用区块链的防篡改特性对聚合数据进行有效的存储及查询。性能分析结果表明:提出的EPPDA可以满足智能电网系统的几种隐私特性。实验数据表明:EPPDA在保证数据隐私和安全的条件下降低了计算与通信成本,提高了整个方案的效率。展开更多
为了解决在物联网场景下数据聚合中存在的中心化存储、隐私信息泄露、依赖可信第三方等问题,本文提出了工业物联网环境下分布式的隐私保护数据聚合方案(Distribued Privacy-Preserving Data Aggregation scheme,DPPDA).首先通过区块链...为了解决在物联网场景下数据聚合中存在的中心化存储、隐私信息泄露、依赖可信第三方等问题,本文提出了工业物联网环境下分布式的隐私保护数据聚合方案(Distribued Privacy-Preserving Data Aggregation scheme,DPPDA).首先通过区块链技术与雾计算设计了一个分层分布式存储数据聚合架构,实现数据的去中心化存储;并且提出了基于阈值同态加密算法结合随机值噪声值对数据加密,实现用户数据隐私保护并且系统不依赖于完全可信的密钥管理中心;此外,结合Bloom过滤器与批量验证签名算法设计了一个高效的匿名签名验证机制,实现用户身份的隐私保护.安全分析和仿真测试验证本方案安全可行,有较好的抗攻击性和较低的计算成本.结果表明,本方案能够在物联网的数据聚合过程中保护用户数据隐私并具有较好性能.展开更多
随着电力系统中可再生能源(renewable energy sources,RESs)比例不断增加,新能源参与能量市场和备用市场在技术上和经济上的重要性不断凸显。研究了含有风、光、水、储资源的RES聚合商在日前市场、备用市场及实时平衡市场等多个市场的...随着电力系统中可再生能源(renewable energy sources,RESs)比例不断增加,新能源参与能量市场和备用市场在技术上和经济上的重要性不断凸显。研究了含有风、光、水、储资源的RES聚合商在日前市场、备用市场及实时平衡市场等多个市场的综合竞价策略。针对北欧顺序交易市场框架,提出了一套考虑备用资源和波动补偿耦合的数据驱动信息间隙理论(data-driven information gap theory,DIGDT)决策模型解决RES聚合商的多阶段竞价优化问题。在DIGDT中采用基于置信区间的模糊集构造方法(confidence interval-based ambiguity set,CIAS)估计风、光的预测误差,通过机会约束对水电和储能(batteryenergy storage,BES)补偿出力偏差的可能性进行建模,并考虑备用资源与补偿容量的多时间尺度耦合。在备用市场中,利用基于备用调用场景的随机优化确保日前备用计划的可行性。通过案例分析验证了所提出模型的有效性。展开更多
传统联邦学习中经过加权聚合得到的全局模型无法应对跨客户端的数据异构的问题。现有研究通过形成个性化模型应对,但个性化模型如何平衡全局的共性信息和本地的个性信息是一个挑战。针对上述问题,提出了一种个性化联邦学习模型聚合框架F...传统联邦学习中经过加权聚合得到的全局模型无法应对跨客户端的数据异构的问题。现有研究通过形成个性化模型应对,但个性化模型如何平衡全局的共性信息和本地的个性信息是一个挑战。针对上述问题,提出了一种个性化联邦学习模型聚合框架FedPG(federated learning with personalized global model)。FedPG基于客户端模型的相似性,将归一化后的模型参数变化量的余弦相似度作为模型聚合的个性化权重,从而实现面向客户端的全局模型个性化聚合。通过引入平滑系数,该框架可以灵活地调整模型中共性信息和个性信息的比重。为了降低平滑系数的选择成本,进一步提出调度平滑系数的个性化联邦学习模型聚合框架FedPGS(federated learning with personalized global model and scheduled personalization)。在实验中,FedPG和FedPGS两个框架使得FedAvg、FedProto、FedProx算法在特征分布偏移的数据集上的准确率平均提升1.20~11.50百分点,且使得模型的准确率受恶意设备的影响更小。结果表明,FedPG和FedPGS框架在数据异构和存在恶意设备干扰的情况下能有效提升模型的准确率和鲁棒性。展开更多
文摘数据聚合是智能电网通信中的一项关键技术,能够以高效节能的方式收集用户用电数据。随着智能电表的大规模部署,这引发了诸多用户隐私方面的担忧,例如对个人生活习惯的监测。提出了一种高效且保护隐私的数据聚合方案(efficient and privacy-preserving data aggregation,EPPDA)。首先,提出基于区块链的智能电网4层架构支持电力数据聚合。在架构的采集层中,改进了基础的Boneh-Goh-Nissim加密系统,使其更适合于电网隐私保护场景。在架构的平台层,利用区块链的防篡改特性对聚合数据进行有效的存储及查询。性能分析结果表明:提出的EPPDA可以满足智能电网系统的几种隐私特性。实验数据表明:EPPDA在保证数据隐私和安全的条件下降低了计算与通信成本,提高了整个方案的效率。
文摘为了解决在物联网场景下数据聚合中存在的中心化存储、隐私信息泄露、依赖可信第三方等问题,本文提出了工业物联网环境下分布式的隐私保护数据聚合方案(Distribued Privacy-Preserving Data Aggregation scheme,DPPDA).首先通过区块链技术与雾计算设计了一个分层分布式存储数据聚合架构,实现数据的去中心化存储;并且提出了基于阈值同态加密算法结合随机值噪声值对数据加密,实现用户数据隐私保护并且系统不依赖于完全可信的密钥管理中心;此外,结合Bloom过滤器与批量验证签名算法设计了一个高效的匿名签名验证机制,实现用户身份的隐私保护.安全分析和仿真测试验证本方案安全可行,有较好的抗攻击性和较低的计算成本.结果表明,本方案能够在物联网的数据聚合过程中保护用户数据隐私并具有较好性能.
文摘随着电力系统中可再生能源(renewable energy sources,RESs)比例不断增加,新能源参与能量市场和备用市场在技术上和经济上的重要性不断凸显。研究了含有风、光、水、储资源的RES聚合商在日前市场、备用市场及实时平衡市场等多个市场的综合竞价策略。针对北欧顺序交易市场框架,提出了一套考虑备用资源和波动补偿耦合的数据驱动信息间隙理论(data-driven information gap theory,DIGDT)决策模型解决RES聚合商的多阶段竞价优化问题。在DIGDT中采用基于置信区间的模糊集构造方法(confidence interval-based ambiguity set,CIAS)估计风、光的预测误差,通过机会约束对水电和储能(batteryenergy storage,BES)补偿出力偏差的可能性进行建模,并考虑备用资源与补偿容量的多时间尺度耦合。在备用市场中,利用基于备用调用场景的随机优化确保日前备用计划的可行性。通过案例分析验证了所提出模型的有效性。
文摘传统联邦学习中经过加权聚合得到的全局模型无法应对跨客户端的数据异构的问题。现有研究通过形成个性化模型应对,但个性化模型如何平衡全局的共性信息和本地的个性信息是一个挑战。针对上述问题,提出了一种个性化联邦学习模型聚合框架FedPG(federated learning with personalized global model)。FedPG基于客户端模型的相似性,将归一化后的模型参数变化量的余弦相似度作为模型聚合的个性化权重,从而实现面向客户端的全局模型个性化聚合。通过引入平滑系数,该框架可以灵活地调整模型中共性信息和个性信息的比重。为了降低平滑系数的选择成本,进一步提出调度平滑系数的个性化联邦学习模型聚合框架FedPGS(federated learning with personalized global model and scheduled personalization)。在实验中,FedPG和FedPGS两个框架使得FedAvg、FedProto、FedProx算法在特征分布偏移的数据集上的准确率平均提升1.20~11.50百分点,且使得模型的准确率受恶意设备的影响更小。结果表明,FedPG和FedPGS框架在数据异构和存在恶意设备干扰的情况下能有效提升模型的准确率和鲁棒性。
