[논문 리뷰] Achieving Differential Privacy against Non-Intrusive Load Monitoring in Smart Grid: a Fog Computing approach

Hui Cao, Shubo Liu외 3명|arXiv (Cornell University)|2018. 04. 05.

IoT and Edge/Fog Computing참고 문헌 6인용 수 7

한 줄 요약

이 논문은 원시 소비 데이터가 아닌 인과 숨은 마르코프 모델(FHMM)의 행동 매개변수에 노이즈를 주입하여 비밀성 보장 기반 스마트 그리드 에너지 데이터를 위한 퍼그 컴퓨팅 기반 기법을 제안한다. 기존 방법과 비교해 더 나은 유틸리티-비밀성 트레이드오프를 달성하며, 비침습적 부하 모니터링(NILM) 공격으로부터의 위험을 효과적으로 완화하면서도 네트워크 엣지에서 저지연 처리를 유지한다.

ABSTRACT

Fog computing, a non-trivial extension of cloud computing to the edge of the network, has great advantage in providing services with a lower latency. In smart grid, the application of fog computing can greatly facilitate the collection of consumer's fine-grained energy consumption data, which can then be used to draw the load curve and develop a plan or model for power generation. However, such data may also reveal customer's daily activities. Non-intrusive load monitoring (NILM) can monitor an electrical circuit that powers a number of appliances switching on and off independently. If an adversary analyzes the meter readings together with the data measured by an NILM device, the customer's privacy will be disclosed. In this paper, we propose an effective privacy-preserving scheme for electric load monitoring, which can guarantee differential privacy of data disclosure in smart grid. In the proposed scheme, an energy consumption behavior model based on Factorial Hidden Markov Model (FHMM) is established. In addition, noise is added to the behavior parameter, which is different from the traditional methods that usually add noise to the energy consumption data. The analysis shows that the proposed scheme can get a better trade-off between utility and privacy compared with other popular methods.

연구 동기 및 목표

• 비침습적 부하 모니터링(NILM)을 통해 세분화된 에너지 데이터가 역공학적으로 분석될 수 있는 스마트 그라이드의 프라이버시 泄露 문제를 해결하기 위해.
• 퍼그 컴퓨팅 환경에서 소비자 에너지 소비 데이터에 대해 차별적 비밀성 보장을 보장하는 프라이버시 보존 메커니즘을 설계하기 위해.
• 원시 에너지 소비 데이터에 직접 노이즈를 주입하는 기존 방법과 비교해 유틸리티-비밀성 트레이드오프를 향상시키기 위해.
• 퍼그 컴퓨팅의 저지연 처리 능력을 활용해 스마트 그라이드의 네트워크 엣지에서 실시간으로 프라이버시 보호를 수행하기 위해.

제안 방법

• 개별 가전기기의 행동과 집합적 에너지 소비 패턴을 모델링하기 위해 인과 숨은 마르코프 모델(FHMM)을 구성한다.
• 원시 에너지 소비 데이터가 아닌 FHMM의 행동 매개변수에 노이즈를 주입함으로써 데이터 유틸리티를 유지한다.
• 퍼그 노드가 국지적 계산과 노이즈 추가를 수행하여 저지연 처리를 보장하고 클라우드로의 데이터 전송을 줄인다.
• FHMM 매개변수의 민감도를 기반으로 노이즈를 캘리브레이션함으로써 차별적 비밀성이 공식적으로 보장된다.
• 실시간으로 엣지에서 프라이버시 보장이 가능한 모니터링을 가능하게 하기 위해 퍼그 컴퓨팅 아키텍처에 해당 기법을 구현한다.
• 측정된 미터 데이터와 NILM 분석에 접근하더라도, 악성 공격자가 개별 가전기기 사용 또는 사용자 행동을 유추할 수 없도록 보장한다.

실험 결과

연구 질문

• RQ1 스마트 그라이드 에너지 데이터에서 소비 데이터 유틸리티가 떨어지지 않도록 하면서도, 비밀성 보장을 효과적으로 달성할 수 있는 방법은 무엇인가?
• RQ2 원시 에너지 데이터에 노이즈를 주입하는 것과 비교해, FHMM 모델의 행동 매개변수에 노이즈를 주입하는 것이 어떤 영향을 미치는가?
• RQ3 퍼그 컴퓨팅은 네트워크 엣지에서 세분화된 에너지 소비 데이터의 저지연, 프라이버시 보장 처리를 가능하게 하는가?
• RQ4 NILM 맥락에서 기존의 차별적 비밀성 기법과 비교해 제안된 기법의 유틸리티-비밀성 트레이드오프는 어떠한가?

주요 결과

• 제안된 기법은 원시 에너지 소비 데이터에 직접 노이즈를 주입하는 기존 방법보다 더 나은 유틸리티-비밀성 트레이드오프를 달성한다.
• 원시 데이터가 아닌 FHMM의 매개변수를 변형함으로써, 여전히 차별적 비밀성 보장을 충족하면서도 더 높은 데이터 유틸리티를 유지한다.
• 퍼그 컴퓨팅 배포로 인해 저지연 처리가 가능해져, 스마트 그라이드의 실시간 응용에 적합한 기법이 된다.
• 비침습적 부하 모니터링으로부터의 추론 공격을 효과적으로 저지하여, 사용자 활동 재구성 위험을 크게 감소시킨다.
• 중앙 집중식 클라우드 처리에 의존하지 않고도 엣지에서 프라이버시를 유지할 수 있음을 입증하여, 효율성과 보안성을 모두 향상시킨다.