智能电网中具有隐私保护功能的数据聚合技术

Original 陈杰中国保密协会科学技术分会 2018-12-17

智能电网从根本上讲就是将信息技术与传统电网的高度融合，从而提升电网的信息感知与智能控制能力，实现信息互联，提高电网品质。因此智能电网需要大规模的信息采集，并且通过庞大的通信网络，形成实时、高速、双向的信息传输系统[1]。如图1所示，美国国家标准及技术研究所给出了智能电网的概念模型[2]，智能电网的安全性需求，即保证个体用户实时用电信息的数据保密；实用性需求，即保证操作中心可以得到所有用户的用电信息总和。

图1. 智能电网概念模型

智能电网聚合技术在传输数据的同时完成对数据进行处理，传输与聚合并行。数据在由采集终端到用户终端传输的过程中，完成了复杂信息的处理。如图2所示，数据聚合使操作中心只需解密一次就可以获得所有用户相关用电数据的总量。

图2.智能电网数据聚合框架

智能电网中采用信息聚合技术带来的优势有以下两方面[3]：

（1）从面向智能电网的物联网网络结构来看，数据经过大量家庭网络中智能电表的采集和网关聚集传输到控制中心，这种网络数据流量分布特性称为“漏斗效应”。网络规模越大，数据流量越多，“漏斗”的瓶颈压力也就越大，发生阻滞和拥塞的可能性也越大，将会严重影响网络性能。在智能电网的实际应用中，电力数据先进行聚合处理，得到高质量数据再进行发送，将会减小网络中传输的数据总量，节省网络带宽。数据聚合技术针对底层节点庞大的数据流量，随着网内处理和数据汇聚程度的增加，保证基本信息不丢失的前提下，降低数据总量，减少网络冗余，提高网络性能。

（2）数据聚合技术对原始采集数据进一步包装整合。将大量的信息处理和计算移植到具有高计算速度、大存储容量的网关进行，从而简化对用户端的设备要求，用户侧可以使用更加低端和简易的设备感知信息的读取和应用。数据聚合技术使智能电网具有更高级、更完善的信息处理能力。

根据隐私保护所采用的技术和策略的不同，典型的聚合技术可分为三种类型，分别是基于扰动技术、基于数据分片、基于同态加密的数据聚合保护技术：

基于扰动技术的数据聚合技术：通过对原始数据添加随机数达到对原始数据隐藏的效果，从而实现隐私保护的目的。主要的协议包括基于簇的隐私保护数据聚合协议[4]、K路隐私保护数据聚合协议[5]和基于差分隐私的数据聚合协议[6]。在随机数的选择上可以使用随机噪声[7,8]，也可以在传输信道中设计相应的干扰信号[9]。基于扰动技术的数据聚合隐私保护协议需要在节点对原始的测量数据进行扰动处理，其计算开销和通信开销相对较大，对智能电网测量体系的通信产生较大的影响。当个别数据出现丢失、扰动或篡改时，将无法恢复所有数据，也无法得到最终的聚合数据。

基于数据分片的数据聚合隐私保护协议：主要是利用数据切分技术将原始测量数据切成多个数据分片来达到隐藏真实数据、隐私保护的目的。主要协议包括分片混合聚合协议[10]和基于秘密共享的数据聚合协议[11,12]。此类协议通过对原始测量数据进行分片减少其计算开销，但是节点之间需要大量的数据交互，造成节点之间的通信量大增，并且可能会造成节点间的碰撞、节点的数据丢失等问题，直接影响最终聚合结果。

基于同态加密的数据聚合隐私保护协议：主要是利用同态加密可以对密文操作的性质，使得中间聚合者在不需要解密的情况下就可以对密文进行聚合操作，以达到隐私保护的目的。主要协议包括加法同态加密协议[13-15]、可隐藏数据聚合协议[16]和完整性保护分层协议[17,18]。此类协议保证了在数据聚合过程中的端到端加密，使得中间聚合者的计算量相对减少，但是不支持完整性校验，并且聚合器除了获得最终的结果之外，并不能获取智能电表的其它信息。

近年来，为满足智能电网用户多级别、多粒度的个性化数据应用需求，智能电网多种数据的聚合方案受到广泛关注。此类聚合方案在保护用户的敏感信息的同时，支持智能电网多种数据的聚合。可分为基于多子集的聚合方案[19,20]和基于多维度数据的聚合方案[21-24]，其目的都是为了满足不同用户数据的安全分类聚合。

智能电网中具有隐私保护功能的数据聚合技术可保证基本信息不丢失的前提下，降低数据总量，减少网络冗余，提高电网性能，使电网具有更高级、更完善的信息处理能力。

参考文献

[1] IEEE - Smart Grid. Available on http://smartgrid.ieee.org.

[2] National Institute of Standards and Technology. NIST framework and roadmap for smart grid interoperability standards, release 1.0[R/OL]. 2010. http//www.nist.gov/smartgrid.

[3] H. Khurana, M. Hadley, L. Ning, D. A. Frincke. Smart-grid Security Issues. IEEE Security and Privacy. Vol.8 (1), pp. 81-85, 2010.

[4] K Nahrstedt, TT Abdelzaher. PDA: privacy-preserving data aggregation in wireless sensor networks. Infocom IEEE International Conference on Computer Communications. Vol.28(6), pp.2045-2053, 2007.

[5] GROAT MM, HE Wen-bo, FORREST S. KIPDA: K-indistinguishable privacy-preserving data aggregation in wireless sensor networks. Vol.28 (6), pp.2024-2032, 2011.

[6] Marc Joye, Benoît Libert. A scalable scheme for privacy-preserving aggregation of time-series data. Financial Cryptography and Data Security - 17th International Conference, FC 2013, Okinawa, Japan, April 1-5, 2013.

[7] W. Jia, H. Zhu, Z. Cao, X. Dong, and C. Xiao. Human-factor-aware privacy-preserving aggregation in smart grid. IEEE Systems Journal, Vol.8 (2), pp.598-607, 2017.

[8] M. Savi, C. Rottondi, and G. Verticale. Evaluation of the precision privacy tradeoff of data perturbation for smart metering. IEEE Trans. Smart Grid, Vol.6 (5), pp.2409-2416, 2015.

[9] Chan Dai Truyen Thai, Jemin Lee, Jong Yeol Ryu, and Tony Q.S. Quek. Privacy preservation with channel-based jamming for data aggregation in Smart Grids. IEEE ICC 2017 SAC Symposium Communications for the Smart Grid Track, May 2017.

[10] B1STAR, KIM Y K, SONG MS, et al. Improving data confidentiality and integrity for data aggregation in wireless sensor networks. lEICE Trans on Information and Systems, E95_D(1), pp. 67-77, 2012.

[11] George Danezis, Cédric Fournet, Markulf Kohlweiss, Santiago Zanella-béguelin. Smart meter aggregation via secret-sharing. Acm Workshop on Smart Energy Grid Security, pp.75-80, 2013.

[12] Wael Y Alghamdi, Hui Wu, Salil S. Kanhere. Reliable and secure end-to-end data aggregation using secret sharing in WSNs. Wireless Communications and Networking Conference (WCNC), 2017 IEEE, March 2017.

[13] Chen Li, Rongxing Lu, Hui Li, Le Chen, Jie Chen. PDA: A Privacy-preserving dual-functional aggregation scheme for smart grid communications. Security and Communication Networks, Vol.8 (15), pp 2494-2506, 2015.

[14] Asmaa Abdallah, Xuemin (Sherman) Shen. A lightweight lattice-based homomorphic privacy-preserving data aggregation scheme for smart grid. IEEE Transactions on Smart Grid, Vol.9 (1), pp. 396-405, 2018.

[15] Le Chen, Rongxing Lu, Zhenfu Cao. PDAFT: A privacy-preserving data aggregation scheme with fault tolerance for smart grid communications. Peer-to-Peer Networking and Applications, Vol.8 (6), pp 1122-1132, 2015.

[16] D. Westhoff, J. Girao, M. Acharya. Concealed data aggregation for reverse multicast traffic in sensor networks: encryption, key distribution, and routing adaptation. IEEE Transactions on Mobile Computing, Vol.5 (10), pp.1417-1431, 2006.

[17] Rahnama, S.;Bendtsen, J.D.;Stoustrup, J.;Rasmussen, H. Robust aggregator design for industrial thermal energy storages in smart grid. IEEE Transactions on Smart Grid, Issue:99, pp.1-15, 2015.

[18] Gkatzikis, L.;Koutsopoulos, I.;Salonidis, T. The role of aggregators in smart grid demand response markets. IEEE Journal on Selected Areas in Communications, Vol.31 (7), pp.1247-1257, 2013.

[19] R. Lu, K. Alharbi, X. Lin, C. Huang. A novel privacy-preserving set aggregation scheme for smart grid communications. Proc. IEEE Global Commun. Conf., pp. 1-6, 2015.

[20] Shaohua Li, Kaiping Xue, Qingyou Yang, Peilin Hong. PPMA: Privacy-preserving multisubset data aggregation in smart grid. IEEE Transactions on Industrial Informatics, Vol.14 (2), pp.462-471, 2018.

[21] B Pan，P Zeng，KKR Choo. New multidimensional and Fault-Tolerable data aggregation scheme for privacy-preserving smart grid communications. International Conference on Applications & Techniques in Cyber Security & Intelligence, pp.206-219, 2017.

[22] Z Cao, B Lang, J Wang. An efficient and fine-grained access control scheme for multidimensional data aggregation in smart grid. Trustcom/BigDataSE/ISPA, 2016 IEEE, pp.362-369, 2017.

[23] H Zhou, J Chen, YY Zhang, LJ Dang. A multidimensional data aggregation scheme in multilevel network in smart grid. Journal of Cryptologic Research, Vol.4 (2), pp.114-132, 2017.

[24] Hua Shen, Mingwu Zhang, and Jian Shen. Efficient privacy-preserving cube-data aggregation scheme for smart grids. IEEE Transactions on Information Forensics and Security, Vol.12 (6), pp.1369-1381, 2017.

中国保密协会

科学技术分会

长按扫码关注我们

作者：陈杰西安电子科技大学

编辑：丁昶

往期精彩文章TOP5回顾

近期精彩文章回顾