蔡子伟，徐正全，王晓艳

武汉大学 测绘遥感信息工程国家重点实验室，武汉430079

1 引言

智能电表作为推动电网的信息化、智能化、自动化建设的重要设备，与人们的日常生活息息相关。智能电表数据为电力资源的计量计费、电力资源的区域性分配以及第三方的数据挖掘分析等应用提供强有力的数据支撑。但细粒度的电力消费数据也导致了用户隐私信息暴露在攻击者面前。攻击者通过挖掘电力波形变化，可以得到用户家庭不同负载的使用情况，从而在一定程度上获取用户的行为模式和作息习惯、家庭经济与收入状况以及个人偏好和生活习惯等信息，存在严重的隐私泄露风险[1-2]。因此，智能电表隐私保护本质上是对用电模式的保护，而不是传统意义上对于单点数值的保护。

数据扰动方法在半可信或不可信的环境下，通过对原始数据添加扰动来提高机密性，能够在一定程度上调和隐私安全性和数据可用性的矛盾，是智能电表隐私保护的主流方法之一。向原始数据中添加加性或乘性随机噪声来实现安全性和可用性的权衡是一种典型的方法[1-4]。例如Vukovic 等[3]向数据中添加随机噪声，模糊单点数据的同时，又保证聚合数据的精确性。充电电池技术也广泛应用于智能电表隐私保护领域[1-2，5-6]，Backes等[5]利用充电电池产生额外的充放电扰动来隐藏消费事件或单个电器的负载特征，提高了模式隐私的安全性。此外，2006 年Dwork[7]提出了一种可证明的隐私度量方法，这种差分隐私技术也成为数据隐私保护的常用手段[8-9]。……