دوره 21، شماره 4 - ( مجله مهندسی برق و الکترونیک ایران - جلد 21 شماره 4 1403 )
جلد 21 شماره 4 صفحات 111-99 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Haghifam M, Hoseinpour M. Differentially Private Local Electricity Markets with Personalized Privacy Protection. Journal of Iranian Association of Electrical and Electronics Engineers 2024; 21 (4) :99-111
URL: http://jiaeee.com/article-1-1607-fa.html
URL: http://jiaeee.com/article-1-1607-fa.html
حقی‌فام محمودرضا، حسین‌پور میلاد. بازارهای برق محلی حافظ حریم خصوصی تفاضلی با قابلیت شخصی‌سازی سطح حفاظت از حریم خصوصی. نشریه مهندسی برق و الکترونیک ایران. 1403; 21 (4) :99-111
دانشکده مهندسی برق و کامپیوتر- دانشگاه تربیت مدرس
چکیده: (917 مشاهده)
انتشار عمومی داده‌های بازارهای برق محلی گستره‌ی وسیعی از مزایای اقتصادی، فنی، و اجتماعی را به دنبال دارد. همچنین، دسترسی عمومی به این داده‌ها گامی اساسی در راستای شفافیت در بازارهای برق محلی و ارتقای ماهیت رقابتی آن‌ها محسوب می‌شود. با این حال، مشترکین حساس به حریم خصوصی دغدغه‌ی افشای اطلاعات خصوصی خود را از طریق انتشار داده‌های خروجی بازارهای برق محلی دارند. این مقاله، با استفاده از مفهوم حریم خصوصی تفاضلی، در پی طراحی مکانیسمی برای بازارهای برق محلی است، که به شکلی قابل اثبات حفاظت از حریم خصوصی شرکت‌کنندگان در بازار را تضمین کند، و همچنین تمایلات حریم خصوصی آن‌ها را نیز مد نظر قرار دهد. در گام نخست، ماهیت تصادفی مورد نیاز حریم خصوصی تفاضلی با استفاده از الگوریتم گرادیان افزایشی نویزی در فرایند بهینه‌سازی مساله تسویه بازار تعبیه می‌شود. سپس به منظور ایجاد امکان شخصی‌سازی سطح حفاظت از حریم خصوصی، مکانیسمی مبتنی بر نمونه‌برداری در سطح مجموعه‌داده‌ی ورودی مساله تسویه بازار پیشنهاد می‌گردد. در بخش مطالعات عددی، تاثیر پارامترهای حریم خصوصی تفاضلی بر خروجی‌های مساله تسویه بازار ارزیابی می‌شود. همچنین، مصالحه‌ی ذاتی میان حفاظت از حریم خصوصی و رفاه اجتماعی در مساله تسویه بازار نیز تحت سیاست‌های مختلف حفاظت از حریم خصوصی مورد توجه قرار می‌گیرد.
چکیده مبسوط [PDF 278 KB] (16 دریافت)
فهرست منابع
1. [1] ضیائی، رشیدی‌نژاد، عبداللهی، پیرمرادی، "یک معماری برای برنامه‌ریزی تولید در بازار تجدیدساختار شده با زیرساخت اینترنت اشیاء"، نشریه مهندسی برق و الکترونیک ایران، دوره ۱۹، صفحات ۱۶۱-۱۷۵، تهران، ۱۴۰۱.
2. [2] عمادالاسلامی، مجیدی، حقی‌فام "ارائه یک مدل دومرحله‌ای جهت تشخیص تقلب در شبکه توزیع به‌وسیله یادگیری عمیق"، نشریه مهندسی برق و الکترونیک ایران، دوره ۱۹، صفحات ۱۳-۲۲، تهران، ۱۴۰۱.
3. [3] گیلانی، سالک. فریدونیان، "مدلسازی داده‌رانه مدت زمان تداوم وقفه در شبکه توزیع برق با در نظر گرفتن نگهداری و تعمیرات پیشگیرانه و تحلیل اثر آن"، نشریه مهندسی برق و الکترونیک ایران، دوره ۱۹، صفحات ۱-۱۱، تهران، ۱۴۰۱.
4. [4] Y. Yang, M. Bao, Y. Ding, Y. Song, Z. Lin, and C. Shao, "Review of Information Disclosure in Different Electricity Markets", Energies (Basel), vol. 11, no. 12, p. 3424, 2018. [DOI:10.3390/en11123424]
5. [5] D. Brown, A. Eckert, and J. Lin, "Information and Transparency in Wholesale Electricity Markets: Evidence from Alberta", SSRN Electronic Journal, vol. 54, pp. 292-330, 2018. [DOI:10.1007/s11149-018-9372-z]
6. [6] M. Rhahla, S. Allegue, and T. Abdellatif, "Guidelines for GDPR compliance in Big Data systems", Journal of Information Security and Applications, vol. 61, p. 102896, 2021. [DOI:10.1016/j.jisa.2021.102896]
7. [7] A. Abidin, A. Aly, S. Cleemput, and M. A. Mustafa, "An MPC-based privacy-preserving protocol for a local electricity trading market", in Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), doi: 10.1007/978-3-319-48965-0_40, 2016. [DOI:10.1007/978-3-319-48965-0_40]
8. [8] Y. Lu, J. Lian, M. Zhu, and K. Ma, "Transactive Energy System Deployment over Insecure Communication Links", doi: arXiv preprint arXiv:2008.00152, 2020.
9. [9] R. Sarenche, M. Salmasizadeh, M. H. Ameri, and M. R. Aref, "A secure and privacy-preserving protocol for holding double auctions in smart grid", Inf Sci (N Y), vol. 557, 2021. [DOI:10.1016/j.ins.2020.12.038]
10. [10] K. Erdayandi, A. Paudel, L. Cordeiro, and M. A. Mustafa, "Privacy- friendly peer-to-peer energy trading: A game theoretical approach", arXiv preprint, doi: arXiv:2201.01810, 2022. [DOI:10.1109/PESGM48719.2022.9916884]
11. [11] S. Xie, H. Wang, Y. Hong, and M. Thai, "Privacy preserving distributed energy trading", in Proceedings - International Conference on Distributed Computing Systems, pp. 322-332, 2020. [DOI:10.1109/ICDCS47774.2020.00078] []
12. [12] F. Zobiri, M. Gama, S. Nikova, and G. Deconinck, "A Privacy-Preserving Three-Step Demand Response Market Using Multi-Party Computation", in 2022 IEEE Power & Energy Society Innovative Smart Grid Technologies Conference (ISGT), IEEE, pp. 1-5, 2022. [DOI:10.1109/ISGT50606.2022.9817546]
13. [13] M. Montakhabi, A. Madhusudan, S. van der Graaf, A. Abidin, P. Ballon, and M. A. Mustafa, "Sharing Economy in Future Peer-to-peer Electricity Trading Markets: Security and Privacy Analysis", Energy Sources, Part B: Economics, Planning, and Policy, vol. 17, 2022.
14. [14] E. Buchmann, S. Kessler, P. Jochem, and K. Bohm, "The costs of privacy in local energy markets", in Proceedings - 2013 IEEE International Conference on Business Informatics, IEEE CBI 2013, pp. 198-207, 2013. [DOI:10.1109/CBI.2013.36]
15. [15] L. Wu and J. Li, "Privacy-Preserving Economic Dispatch in Competitive Electricity Market", in Proceedings of the IEEE Power Engineering Society Transmission and Distribution Conference, pp. 1-5, 2018. [DOI:10.1109/TDC.2018.8440468]
16. [16] I. Shilov, H. le Cadre, and A. Busic, "Privacy impact on generalized Nash equilibrium in peer-to-peer electricity market", Operations Research Letters, vol. 49, no. 5, 2021. [DOI:10.1016/j.orl.2021.08.001]
17. [17] I. Dekel, R. Cummings, O. Heffetz, and K. Ligett, "The Privacy Elasticity of Behavior: Conceptualization and Application", Cambridge, MA, doi: 10.3386/w30215, 2022. [DOI:10.3386/w30215]
18. [18] J. P. Near and X. He, "Differential Privacy for Databases", Foundations and Trends® in Databases, vol. 11, no. 2, pp. 109-225, 2021. [DOI:10.1561/1900000066]
19. [19] S. Vadhan, "The complexity of differential privacy", in Information Security and Cryptography, pp. 347-450, 2017. [DOI:10.1007/978-3-319-57048-8_7]
20. [20] M. Abadi et al., "Deep learning with differential privacy", in Proceedings of the ACM Conference on Computer and Communications Security, pp. 308-318, 2016. [DOI:10.1145/2976749.2978318]
21. [21] B. Niu, Y. Chen, B. Wang, Z. Wang, F. Li, and J. Cao, "AdaPDP: Adaptive Personalized Differential Privacy", in IEEE INFOCOM 2021 - IEEE Conference on Computer Communications, IEEE, pp. 1-10., 2021. [DOI:10.1109/INFOCOM42981.2021.9488825]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License (CC BY NC 4.0) قابل بازنشر است. |
