[发明专利]一种基于差分隐私的泛在电力物联网动态数据发布方法

权利要求书

1.一种基于差分隐私的泛在电力物联网动态数据发布方法，其特征在于，包括下列步骤：

步骤1，在边缘层的边缘服务器间搭建基于联邦学习的循环神经网络RNN模型；

步骤2，边缘服务器的预测模块接收到来自发布出去的扰动数据，训练定制的预测模型，并用该模型计算出当前即将发布的数据的预测值

步骤3，电力物联网边缘端终端设备将原始数据发送到边缘服务器中，边缘服务器连续不断的将数据传送到自适应采样模块中，进行自适应采样；

步骤4，进行自适应隐私预算分配机制得到接下来的采样点分配的隐私预算的大小；

步骤5，通过分组合并模块将一些临近区域内的数据进行分组合并后降低噪声干扰带来的影响；

步骤6，对于加完噪声后的数据，安全发布处理后的数据。

2.根据权利要求1所述的一种基于差分隐私的泛在电力物联网动态数据发布方法，其特征在于，所述步骤2具体包括下列步骤：

步骤21，在远程云中的大规模数据中训练源神经网络；

步骤22，边缘服务器从远程云加载经过预训练的神经网络；

步骤23，经过预训练的网络通过采用新的层而不是最后一层来学习特定于目标域数据的特征来转换为定制的预测模型，然后从有关的边缘服务器进行训练；

步骤24，计算出当前即将发布的数据的预测值

3.根据权利要求1所述的一种基于差分隐私的泛在电力物联网动态数据发布方法，其特征在于，所述步骤3具体包括下列步骤：

步骤31，计算误差E_i＝|D_i-D_j|，其中：D_i表示当前时间点t_i下的采样点的真实数据，D_j表示最近时间点t_j发布出去的最新采样点的扰动数据；

步骤32，计算扰动误差λ_i＝1/∈_i，其中：∈_i是在时间戳t_i处分配的隐私预算；

步骤33，如果E_iλ_i，分配隐私预算，并更新采样间隔I＝t_i-t_j；否则不分配隐私预算。

4.根据权利要求3所述的一种基于差分隐私的泛在电力物联网动态数据发布方法，其特征在于，所述步骤4具体包括下列步骤：

步骤41，计算窗口[i-ω+1,i]的剩余预算

步骤42，计算p＝min(φ·ln(I+1),p_max)用于确定当前采样点的预算，其中：φ是在(0,1]范围内变化的比例因子；

步骤43，计算分配给当前时间戳的预算∈_i＝min(p·∈_r,∈_max)。