郭庆来,田年丰,孙宏斌/支撑能源互联网协同优化的隐私计算关键技术/2023,47(8):2-14.
1.研究背景
传统电力系统与其他能源系统不断交叉融合,逐渐形成能源互联的新生态。在能源互联网中,数据使用权与数据所有权分离、信息资源与计算资源分离的特征使得多主体协同优化的隐私保护问题日益突出。本文从能源互联网协同优化的典型模式出发,总结了传统第三方代理计算模式及无第三方交互计算模式的隐私安全风险。面向含第三方场景,提出了基于信息伪装机制的安全代理计算方案。同时面向无第三方场景,提出了基于秘密分享原理的安全多方交互计算方案。所述方案从数据隐私性和计算安全性层面,保障数据所有者的权益,遏制并降低能源互联网协同优化计算的数据泄露风险,实现可靠隐私保护。
2.研究内容
2.1 多方协同优化的隐私风险
在协同计算的两种典型模式中,含第三方的代理计算模式通过汇总信息后的集中式计算完成任务,表现出“信息集中、计算集中”的特点;而无第三方的交互式计算则无须汇总信息,参与方保留各自隐私信息,并通过与其他主体的必要信息交互完成计算,表现出“信息分散、计算分散”的特点。即便含第三方和不含第三方的两种计算模式在计算资源与信息资源的组织方式上存在差异,但两者具有一共同特征,即均不可避免地存在真实的信息交互。
一种可行的隐私保护思路是对“出域”数据进行隐私化处理,使得信任域中的真实数据在进入非信任域前经过脱敏、混淆、加密等方式转换为不带隐私属性的密态数据,从而实现“出域”数据的可靠隐私保护。将“出域”的真实数据转化为密态数据虽然能够可靠保护信息隐私,但是各方如何基于密态数据进行协同计算成为新的问题。因此,能源互联网多方协同计算的隐私保护方案本质上需要解决如何在密态数据上进行联合计算的问题。
针对特定的多主体协同优化场景,选择合适的算法和框架完成计算资源和信息资源的隐私化配置,是在电力系统协同计算中实现隐私保护的关键。考虑隐私保护的多方协同计算方案可从“数据、主体、模型、算法、框架”5个维度来设计。
2.2 基于信息伪装机制的安全代理计算
基于信息伪装的安全代理计算方案面向有第三方的情形,如图1所示。在能源互联网的背景下,以云服务作为第三方计算资源的云能量管理系统(energy management system,EMS)服务与该隐私保护方案十分契合。安全代理计算的核心特征在于由第三方从参与主体中获取密态数据并完成隐私计算。
图1 基于信息伪装的安全代理计算
为确保云端无法获取真实信息,本地参与者利用基于线性映射的信息伪装技术,设计特殊算子将真实信息转化为伪装信息。云端基于伪装信息完成计算,并将结果下发至本地主体。本地可结合信息伪装算子对伪装结果进行逆向还原,得到真实结果。该隐私保护方案适用于能源互联网中涉及多主体的能量管理场景,如楼宇EMS、家庭EMS、电动汽车集群EMS、多能源微网EMS等。
2.3 基于秘密分享原理的安全多方交互计算
基于秘密分享原理的安全交互计算方案面向无第三方的情形,如图2所示。该方案基于安全多方计算技术,具有通用性强、安全性高的特征,适用于建立通用的多主体隐私计算架构。安全多方计算的核心特征在于由多个计算节点从参与主体处获取密态数据并完成隐私计算。
图2 基于秘密分享的两种SMPC架构
根据参与主体数目与计算节点数目的不同,安全多方计算可采用不同的计算架构。若在每一参与主体处均部署计算节点,则组成全分布式的计算架构。该架构适用于能源互联网中大型能源系统间的联合优化场景,如电力-天然气、电力-热力耦合系统的协同联合优化调度等。若由某几个参与主体为代表部署计算节点,则组成多中心的计算架构。该架构具有平台化特征,适用于能源互联网中海量主体的分布式交易场景等。
3.结语
隐私计算技术应用于电力系统时,一方面需要确保相关隐私化处理在提高数据隐私保护强度的同时不影响任务计算结果的正确性;另一方面需关注不同技术路线的应用成本,隐私计算方案需尽可能降低计算和通信复杂度,适应不同场景在实时性等方面要求。这是当前隐私计算技术应用于工业协同复杂任务场景的一大瓶颈。
隐私计算领域与电力系统领域在理论研究和应用实践方面的交叉融合,需要同时站在两侧视角进行分析。在隐私计算视角下,计算机科学等领域沉淀下的成熟技术方向,为电力系统研究人员开展隐私保护研究提供具有可靠理论基础的工具。而在电力系统视角下,实际计算任务在物理场景和数学模型上的特性差异决定了隐私保护方案的设计需要有针对性。面向具体场景的隐私保护需求,从信息交互环节,模型耦合环节等处入手,将隐私计算技术特性与实际任务场景特性相结合,设计满足应用需求的隐私保护方案。
引文信息
郭庆来,田年丰,孙宏斌.支撑能源互联网协同优化的隐私计算关键技术[J].电力系统自动化,2023,47(8):2-14.
GUO Qinglai, TIAN Nianfeng, SUN Hongbin. Key Technologies of Privacy Computation Supporting Collaborative Optimization of Energy Internet[J]. Automation of Electric Power Systems, 2023, 47(8):2-14.
延伸阅读
XIN S, GUO Q, WANG J, et al. Information masking theory for data protection in future cloud-based energy management[J]. IEEE Transactions on Smart Grid, 2017, 9(6): 5664-5676.
TIAN N, DING T, YANG Y, et al. Confidentiality preservation in user-side integrated energy system management for cloud computing[J]. Applied Energy, 2018, 231: 1230-1245.
TIAN N, GUO Q, SUN H. Privacy preservation method for MIQP-based energy management problem: a cloud-edge framework[J]. Electric Power Systems Research, 2021, 190: 106850.
TIAN N, GUO Q, SUN H, et al. Fully privacy-preserving distributed optimization in power systems based on secret sharing[J]. iEnergy, 2022, 1(3): 351-362.
作者简介
郭庆来
通信作者,教授,博士生导师,主要研究方向: 能量管理、电压控制和信息物理系统。E-mail: guoqinglai@tsinghua.edu.cn
田年丰
博士研究生,主要研究方向: 考虑隐私保护的电力系统优化调度。E-mail: tnf18@mails.tsinghua.edu.cn
孙宏斌
教授,博士生导师,主要研究方向:能源互联网、智能电网、电力系统运行与控制。E-mail: shb@tsinghua.edu.cn
【版权申明】文章仅供学习参考,版权归原作者所有。文章仅代表作者观点,不代表本网站立场。本网站转载目的仅用于传递信息而非盈利目的。若来源标注错误或侵犯到您的权益,烦请告知,我们将立即删除。