面向智能电表的隐私保护技术综述

随着智能电网和通信技术的发展,智能电表的普及应用受到越来越多的重视.一方面,智能电表为用户合理用电和电力公司有效供电、高效收费带来了便利,而另一方面细粒度的智能电表数据泄露用户用电行为等敏感信息,用户隐私泄露也成为最大的安全威胁.主要从智能电表端的身份隐私保护技术和数据隐私保护技术两个方面来综述国内外相关研究.对比分析了现有隐私保护技术的隐私保护强度、计算开销、传输开销等;提炼了智能电表仍然面临的安全与隐私挑战,并探讨了该领域未来的研究趋势与方向.     

智能电网中轻量级隐私保护数据聚合方案

数据聚合在智能电网领域得到广泛的应用，保护数据隐私是数据聚合应用的一个重要问题.现有的方案存在计算开销大、实体对象身份未验证、过度依赖可信权威中心等问题.提出一种轻量级的隐私保护数据聚合方案.该方案首先采用基于双线性对的IDMAKE2协议对聚合器和智能电表进行身份验证；其次，利用加法同态加密算法加密电量数据保护用户的隐私.此外，方案不依赖于可信权威中心，并且可以抵抗内部实体对象间的合谋攻击.安全分析表明，能够满足智能电网的安全要求.性能分析实验中，和其他同类方案对比，仅需要较低的计算开销和通信开销.     

基于TCM的智能电表隐私保护协议

通过对智能电表向智能控制中心报告的实时电量消费数据的分析,可以得到用户的生活习惯和经济状况等隐私信息.在个人隐私日益受到关注的今天,用户隐私信息保护成为制约智能电网快速发展的重要因素之一.本文基于我国自主知识产权的可信密码模块,提出了具有隐私保护功能的智能电表实时用电量传输协议.使用环签名方案隐藏了用户身份,使用平台属性证书隐藏了智能电表平台配置,并在随机预言模型下证明协议的安全性.本协议研究不仅对智能电网隐私保护具有重要的理论意义,而且使可信计算技术具有一定的应用价值.     

基于关联规则挖掘的隐私数据保护

隐私数据保护是目前网络安全关注一个热点之一,随着数据挖掘技术的不断发展,恶意用户可以使用相关技术推理出正常用户的隐私信息。在提出关联规则的前提下,提出了一种基于关联规则挖掘的隐私数据保护方法,对数据进行规则隐藏,从而保护用户的隐私数据。     

分布式环境下保持隐私的关联规则挖掘算法

隐私保护是当前数据挖掘领域中一个十分重要的研究方向,其目的是要在不精确访问真实原始数据的条件下,得到准确的模型和分析结果.为了提高对隐私数据的保护程度和挖掘结果的准确性,研究了一种基于向量点积的分布式关联规则挖掘算法.此算法在分布式环境下,利用保持隐私数据挖掘的基本方法和安全两方计算协议,可以在不泄露任何隐私的基础上有效地对垂直型数据分布进行挖掘.     

智能电网需求侧的隐私保护研究

针对智能电网需求侧的隐私保护问题,研究了智能电网需求侧隐私保护通信架构,提出了适用于智能电网中的智能终端的隐私保护方案.结合智能电网中通信架构与智能终端的特点以及隐私保护的安全需求,采用适用于嵌入式设备的ECC算法,提出基于ECC算法、同态加密和身份认证的聚合签名技术,解决智能终端向控制中心发送数据的隐私保护问题.通过性能分析,该方案满足智能电网通信的性能需求.     

面向SVM的隐私保护方法研究进展

针对未来应用SVM进行数据挖掘所面临的信息安全问题,对隐私保护支持向量机分类规则挖掘方法进行研究,以提高支持向量机进行分类时的数据安全性,同时获得有效结果.分析了支持向量机分类方法的特点和可能面临的安全威胁;对国内外相关研究成果进行了归纳和梳理;重点从数据干扰和数据加密2个角度,给出了支持向量机隐私保护技术的最新研究进展;归纳出目前研究存在的问题和未来研究的趋势.指出了支持向量机隐私保护的研究方向:分布式环境下局部分类器融合隐私保护策略、更高效率的全同态加密方案、保护SVM分类规则的方案以及适用于大数据挖掘的隐私保护SVM技术.     

基于区块链的智能电表身份认证方案

能源互联网是未来发展的趋势,能够实现电力资源在用户和能源系统中的双向流通.智能电表作为连接用户和能源系统的关键点,具有用户身份信息和大量有效的电力交易数据,而这些信息会造成用户隐私泄露.为保护用户隐私,提出了基于区块链的智能电表身份认证方案,利用Merkle树原理对智能电表身份信息进行处理并存储在区块链中,实现智能电表身份有效认证的同时,使智能电表身份信息具有不可篡改性,并破坏了用户身份和电力数据之间的可关联性,能够有效抵御内部和外部攻击者获取用户隐私.通过利用区块链的自身特性,保证了交易数据的完整性和有效性.     

支持双向选择聚合的智能电网隐私保护方案

为了兼顾智能电网中数据可用性和隐私保护,基于双雾节点模型,提出了一种支持双向选择聚合和动态电价的智能电网隐私保护方案。利用支持双代理的代理重加密,以及支持动态计费的多区间聚合技术,能够实现双向聚合。雾节点作为服务提供者,不仅为控制中心聚合出用户维度的实时数据,还为用户统计出时间维度的电量值或者账单。新方案支持选择性聚合,对用户或者控制中心发起的统计询问,利用密文相关联的属性标签,有选择性地生成数据源并实现最大/最小值、平均、计数等统计。实验结果表明:所提方案利用雾计算的优势,降低了智能电表端的计算量,有较强实用价值。     

大数据背景下的隐私保护问题研究

大数据的分析挖掘技术实现了散乱数据的潜在价值,也让人们的个人隐私面临威胁。大数据背景下的个人隐私分散隐匿于海量数据中,各数据间相互关联。数据化的个人隐私具有商业价值,促进了个人数据的挖掘。数据主体隐私保护意识欠缺,除了被动的隐私泄露,还有"数据化表演"的自我隐私披露。大数据背景下,个人隐私保护首先要明确立法,划分权责,加强对大数据产业运营的监管;其次,建立信息生态系统,模拟自然界的规律,为大数据的有序开发共享制定法则;同时还要提高用户对个人数据自我披露后果的预见性,有意识地防范个人隐私泄露。     

从大数据到大知识

从大数据获取大知识是未来人工智能要解决的重要科学问题。本文从大数据(BD)概念诞生谈起，回顾了大数据知识工程(BDKE)的提出和大知识概念的出现。然后从(1)大知识(BK)、大知识系统(BKS)、大知识工程(BKE)等概念的基本定义、(2)大知识规模及其演化、(3)大知识建模、(4)大知识计算、(5)大知识支撑平台、(6)大知识编程语言等六个视角对大知识进行了探讨。最后给出了有关未来研究方向的想法。     

日本大数据技术服务现状研究

本文通过对日本大数据技术服务市场应用现状和问题的探讨,为我国大数据技术服务产业敲响警钟。我国相关部门可以针对日本在大数据技术服务提供产业中所遇到的问题及早布局,减少某些尚未暴露或者已经暴露出的行业发展问题对行业发展潜在的威胁。本文的结论对于保障我国大数据技术服务产业健康发展,加快培育我国大数据技术服务提供企业的核心竞争力有较高的现实意义和参考价值。     

大数据技术进展与发展趋势

 随着IT 技术的高速发展,世界范围内各行各业都在进行信息化变革,几乎每个行业都在努力发现和利用大数据的价值。为了充分利用大数据带来的机遇,同时有效应对大数据带来的挑战,国内外产业界、科学界和政府部门都在积极布局、制定战略规划。本文介绍大数据背景与动态,描述各国大数据政策实践及中国大数据发展的政策环境和产业界生态发展状况;阐述大数据技术的进展,梳理其生态体系和创新特点;提出大数据可视化、多学科融合、安全与隐私、深度分析等发展趋势和相关建议。     

日本大数据技术服务现状及对我国的启示

日本在大数据技术和应用方面的研究应该说着手早、起点高、保障充分,总体来说,目前其水平的确走在了世界的前列。但是,对于日本大数据技术服务来说,未来仍然有很多潜在的不确定性,为了保障大数据信息服务产业的健康发展,日本已经开始积极努力克服这些暴露出的问题。本文通过对日本大数据技术服务市场应用现状和问题的探讨,为我国大数据技术服务产业敲响警钟。我国相关部门可以针对日本在大数据技术服务提供产业中所遇到的问题及早布局,减少某些尚未暴露或者已经暴露出的行业发展问题及对行业发展潜在的威胁。本文的结论对于保障我国大数据技术服务产业健康发展,加快培育我国大数据技术服务提供企业的核心竞争力有较高的现实意义和参考价值。     

数据虚拟化研究综述

大数据系统中数据源多,数据规模大,且数据具有异构异质的特点,为满足各种数据集成需求,如何快速高效地整合数据就显得越来越重要且具有挑战性。数据虚拟化能够灵活地实现各种数据集成需求,介绍数据虚拟化的概念、优势及应用需求,给出一种数据虚拟化系统架构,并对其中的数据虚拟化平面与管理平面以及各层的功能进行了阐述。重点针对数据虚拟化系统中存在的一些关键问题与挑战进行了详细分析,给出了需要进一步研究的课题与方向。     

大数据时代的数据挖掘技术与应用

随着数据挖掘技术研究的进步与发展,并伴随着大数据概念的提出,将为数据挖掘技术的发展和应用带来一个很大的机遇,数据挖掘技术将进入一个新的发展时期.文章全面介绍了大数据,数据挖掘的基本概念以及数据挖掘的分析方法,最后给出了大数据时代的挖掘技术的应用领域及将来发展方向.     

大数据质量管理:问题与研究进展

 当前大数据在多个领域广泛存在,大数据的质量对其有效应用起着至关重要的作用,因而需要对大数据进行质量管理.尽管数据质量管理方面已经有一些研究成果,但由于大数据具有规模大、速度快和多样性高的特点,现有的方法难以适用于大数据质量管理.本文针对错误发现、错误修复和劣质数据查询处理,综述了大数据质量管理的问题与挑战,认为大数据质量管理的挑战主要有计算困难、错误混杂和缺少知识3 个方面.本文依据这3 个方面的解决方法,对大数据质量管理目前的研究进展进行了综述,并展望了大数据质量管理未来的研究方向.     

浅谈大数据时代的数据挖掘和数据可视化

大数据时代下数据量的爆炸式增长,使得分析和解读大数据显得尤为重要. 阐述了解析数据工具——数据挖掘和数据可视化技术,重点探讨了两者创新性结合的重要意义和实际效果.     

大数据与安全可视化

IT技术的飞速发展开启了大数据时代。海量的数据信息带来更多的数据价值的同时,各类安全问题也随之而来。通过数据可视化技术能够帮助充分全面并且及时地找出系统中可能存在的安全威胁,评估系统安全,保证基础设施的安全。研究从数据角度出发,结合大数据的特征对安全数据进行分类,并对当前已存在的针对不同安全数据进行可视化的工具及技术进行总结,使得能够将已成熟的数据安全可视化技术用于大数据安全的研究,最后对未来的发展趋势进行了展望。     

大数据知识发现

随着信息技术的快速发展,人类面临的数据呈爆炸式增长,大数据的时代已经来临.大数据研究成为当今科学和经济社会发展的重大战略方向和必然趋势.大数据的巨大价值在于依据数据间关联性而建立的复杂结构关系网络中所蕴含的知识.大数据知识发现是一个非常重要和亟待解决的问题.本文总结了以燕山大学为核心的大数据研究团队部分最新工作,重点给出了大数据偏序结构理论及其相关工作的简要介绍,为快速、准确了解该团队的研究现状提供参考.