[论文解读] A Discussion and Comparative Study on Security and Privacy of Smart Meter Data

Jatinder Kumar, Ashutosh Kumar Singh|arXiv (Cornell University)|Nov 17, 2021

Smart Grid Security and Resilience参考文献 32被引用 4

一句话总结

本文提出了一种基于同态加密和多云架构的、安全且保护隐私的云环境智能电表数据框架，以降低计算和通信成本。该框架支持高效、安全的数据聚合与查询，同时通过先进的密码学技术保护用户隐私。

ABSTRACT

Cloud computing comes with a lot of advanced features along with privacy and security problem. Smart meter data takes the benefit of cloud computing in the smart grid. User's privacy can be compromised by analyzing the smart meter data generated by household electrical appliances. The user loses control over the data while data is shifted to the cloud. This paper describes the issues under the privacy and security of smart meter data in the cloud environment. We also compare the existing approaches for preserving the privacy and security of smart meter data.

研究动机与目标

• 解决在云环境中保护和处理大规模智能电表数据所伴随的高计算和通信成本问题。
• 通过采用Paillier同态加密和基于格的密码学等先进加密技术，提升用户隐私保护水平。
• 通过在智能电表与云之间引入边缘计算层，降低数据传输和查询处理的延迟。
• 实现在外包云平台上的安全、高效且可扩展的数据聚合与查询，同时不暴露原始数据。
• 通过分布式和容错架构克服现有方案在处理数百万智能电表产生的TB级数据时的局限性。

提出的方法

• 采用双云架构，两个不可信云联合处理加密的智能电表数据，利用同态加密保护隐私。
• 采用Paillier同态加密，允许在不解密的情况下对加密数据进行计算，从而实现安全的统计分析与聚合。
• 在智能电表与云之间引入边缘计算层，以降低延迟并分担计算负载，提升可扩展性。
• 使用Hadoop进行大数据处理，以管理大规模智能电表部署产生的TB级数据。
• 采用容错机制（如Hash-Solomon编码）以确保即使部分智能电表未能发送数据，数据完整性和可用性仍能得到保障。
• 在控制中心实现批量验证和安全查询处理，以确保分析过程中数据的真实性与机密性。

实验结果

研究问题

• RQ1 如何在云环境中降低保护和处理大规模智能电表数据的计算与通信成本？
• RQ2 同态加密与多云架构在支持数据分析的同时，能在多大程度上保护用户隐私？
• RQ3 引入边缘计算对智能电表数据传输与处理的延迟和可扩展性有何影响？
• RQ4 在云环境中，如何实现对多维智能电表数据的高效、安全且容错的数据聚合？
• RQ5 现有方案在处理来自数百万智能电表的实时大规模数据时存在哪些局限性，如何克服？

主要发现

• 所提出的双云架构与同态加密方法显著降低了隐私泄露风险，确保原始数据在处理过程中始终不被暴露。
• 边缘计算的集成降低了传输延迟，提升了负载预测和电价计算等实时应用的响应速度。
• 使用Hadoop实现了对大规模智能电表产生的TB级数据的高效处理，克服了传统数据处理工具的局限性。
• 基于Hash-Solomon编码的容错设计确保了即使部分智能电表未能发送读数，数据的完整性和可用性依然得到保障。
• 该方案支持安全的批量验证与加密查询处理，增强了安全性，同时未影响可用性。
• 与先前工作相比，所提出的框架在隐私、性能与可扩展性之间实现了更优的平衡，尤其适用于大规模部署场景。