[论文解读] Information-Theoretic Privacy for Smart Metering Systems with a Rechargeable Battery

Simon Li, Ashish Khisti+1 more|arXiv (Cornell University)|Oct 24, 2015

Smart Grid Energy Management参考文献 38被引用 10

一句话总结

本文提出了一种基于信息论的框架，通过使用可充电电池最小化智能电表系统中的隐私泄露。它将最优电池充电策略建模为马尔可夫决策过程（MDP），并为i.i.d.用户需求推导出最小泄露率的单字母表征，表明最优策略保持了状态分布的不变性特性。

ABSTRACT

Smart-metering systems report electricity usage of a user to the utility provider on almost real-time basis. This could leak private information about the user to the utility provider. In this work we investigate the use of a rechargeable battery in order to provide privacy to the user. We assume that the user load sequence is a first-order Markov process, the battery satisfies ideal charge conservation, and that privacy is measured using normalized mutual information (leakage rate) between the user load and the battery output. We consider battery charging policies in this setup that satisfy the feasibility constraints. We propose a series reductions on the original problem and ultimately recast it as a Markov Decision Process (MDP) that can be solved using a dynamic program. In the special case of i.i.d. demand, we explicitly characterize the optimal policy and show that the associated leakage rate can be expressed as a single-letter mutual information expression. In this case we show that the optimal charging policy admits an intuitive interpretation of preserving a certain invariance property of the state. Interestingly an alternative proof of optimality can be provided that does not rely on the MDP approach, but is based on purely information theoretic reductions.

研究动机与目标

• 解决智能电表系统中的隐私风险，其中实时电力使用数据可能暴露用户的私人行为。
• 设计一种电池管理策略，通过归一化互信息（泄露率）衡量用户需求与电网消耗之间的信息泄露，以最小化该泄露。
• 利用可充电电池作为隐私增强机制，建立隐私与能效约束之间的基本权衡。
• 在因果性和电荷守恒约束下，推导最小化泄露的最优策略。
• 当用户需求为i.i.d.时，利用信息论和动态规划技术，推导出最小泄露率的单字母表征。

提出的方法

• 将用户需求建模为一阶马氏过程，并将电池充电策略形式化为具有因果性和电荷守恒约束的受限MDP。
• 通过一系列解析变换，将原始的隐私-效用优化问题简化，最终重铸为可解的MDP。
• 针对i.i.d.需求情形，提出一类结构化的策略，简化泄露率表达式并实现闭式优化。
• 基于转移矩阵的子矩陣性质，利用收敛性论证证明：在最优策略下，状态分布收敛到唯一的不变分布。
• 提供两种最优性证明：一种基于动态规划，另一种使用纯粹的信息论约化。
• 应用定理5（具有随机观测的马尔可夫链收敛性）以建立状态和电池分布过程的弱收敛性。

实验结果

研究问题

• RQ1 在智能电表系统中，最小化用户需求与电网消耗之间信息泄露的最优电池充电策略是什么？
• RQ2 用户需求过程的结构（马氏过程与i.i.d.）如何影响可实现的隐私-效用权衡？
• RQ3 对于i.i.d.需求，最小泄露率能否以闭式表达？若能，其解析形式是什么？
• RQ4 最优策略是否在状态分布中保持不变性特性？如何形式化证明这一点？
• RQ5 能否不依赖动态规划，仅通过信息论论证证明所提策略的最优性？

主要发现

• 对于i.i.d.用户需求，最小泄露率被表征为单字母互信息表达式，为隐私泄露提供了基本极限。
• 对于i.i.d.需求的最优电池充电策略保持了状态分布的不变性特性，确保长期稳定性和最小信息泄露。
• 在最优策略下，电池状态和消耗分布过程弱收敛到一个与初始条件无关的唯一不变分布。
• 通过从特定观测序列导出的转移矩阵的子矩陣性质，证明了收敛性，从而可应用隐马尔可夫模型的收敛定理。
• 提供了两种不同的最优性证明：一种基于动态规划，另一种基于信息论不等式，通过多种分析视角确认了结果。
• 最优策略通过平衡电池放电与充电周期，使观测到的电网消耗与真实用户需求去相关，从而实现最小泄露率。