基于深度强化学习的住宅家庭中隐私代价权衡的主动负载整形策略
原文中文,约200字,阅读约需1分钟。发表于: 。提出了一种基于深度强化学习的负载整形算法 (PLS-DQN),通过主动创建人工负载签名来误导潜在攻击者,旨在保护用户隐私,同时保持成本效益。评估结果表明,该方法不仅有效隐藏真实能源使用模式,而且在提高用户隐私的同时也超越了最先进的方法。
本文介绍了一种名为LDP-SmartEnergy的新型局部差分隐私方法,通过滑动窗口和随机响应技术,实现了在不暴露个人用户设备使用模式的情况下共享设备级能耗数据。评估结果显示,LDP-SmartEnergy比基准方法更高效,并且在保护隐私和保持数据有效分析之间取得了平衡。