23.09论文笔记8：FPDA: Fault-Tolerant and Privacy-Enhanced Data Aggregation Scheme in Fog-Assisted Smart G

Go-Light

已于 2024-10-11 10:00:35 修改

阅读量430

点赞数 21

分类专栏：论文笔记文章标签：论文阅读区块链

于 2024-10-11 09:55:38 首次发布

本文链接：https://blog.csdn.net/weixin_45310847/article/details/142845494

版权

论文笔记专栏收录该内容

9 篇文章 0 订阅

订阅专栏

FPDA: Fault-Tolerant and Privacy-Enhanced Data Aggregation Scheme in Fog-Assisted Smart Grid | IEEE Journals & Magazine | IEEE Xplore

FPDA：雾辅助智能电网中的容错和隐私增强数据聚合方案

于2022年4月发布在IEEE物联网期刊。

一.引言

智能电网这个词在许多地方出现了，如图中所示，它实际上是要把传感，计算，通信，控制以及其他技术贯穿于整个电网中，形成双向的互相反馈的电力流和信息流。目的是为了提高电力系统的经济效益，安全性和稳定性。

通过周期性地采集耗电数据，管理人员可以更好地改善智能电网性能，如进行负载预报，窃电检测，故障维修和设备管理等工作。

但是设备采集的精细用户耗电数据，会严重威胁用户的隐私。如图所示，通过住宅耗电数据，可以很容易地推断用户的日常生活；或者通过电动汽车充放电的数据推断出用户的社交活动和经济状况，会威胁到用户的生命健康和财产安全。综上，这些耗电数据必须得到保护。

那么应当如何兼顾数据的隐私性和功能性？

对于这类数据，当前最常用的方法是隐私保护数据聚合（PPDA）。

智能电表将数据加密后发送给网关或者其他负责聚合的成员，由其聚合后发送给控制中心，控制中心对其进行解密，并获得聚合结果。而为了保护个体数据不被控制中心解密，常用的方法是向其添加盲化因子，聚合过程中盲化因子会被抵消。

但目前使用盲化因子技术的PPDA存在以下几个问题：

有智能电表出错时无法成功聚合原因为盲化因子需要组内的所有智能电表提供密文，才能成功抵消。

为了解决这个问题，现有的工作采取了各种措施，但都有或多或少的缺陷。

1.分组进行数据聚合，删除包含故障电表的组，会丢失大量数据。

2.平衡盲化因子，要求所有用户重新提交密文

3.需要可信第三方在线辅助

4.每次故障后需要重新分配密钥份额

为此，本文提出一个支持错误容忍的雾辅助隐私保护数据聚合方案，相比之前的方案还有以下改进。

除了故障电表外，无数据缺失；

只需要节点与部分电表进行交互，降低计算和通信成本。

成功聚合后，密钥份额依然可用；

不需要可信第三方的实时参与。

二.预备知识

首先回顾一下，FESDA方案，使用Paillier同态加密，本方案是在其基础上进行改进的

系统由四种实体组成：

1）受信任的权威TA：其职责是启动Paillier密码系统，并分别为CC和SMs派生私钥；

2）智能电表：每个用户都配备一个SM，收集其耗电数据并在加密后定期将其报告给FN；

3）雾节点：它们负责聚合并将结果转发给CC；

4）控制中心：它使用其解密密钥执行解密。

准备阶段：

1.TA运行Paillier密码系统以获取公钥Kpub =（N; g =（N + 1））和私钥Kpri =（λ;μ）。

λ是p-1和q-1的最小公倍数 μ由于g的选择解密过程不需要用到

2.它随机选择xi ∈ Z∗N作为SMi的私钥，发送给SMi

3.然后计算x0以满足x0 + n i=1 xi ≡ 0 mod λ。通过安全通道，TA将x0发送给CC。最后，TA计算Ti = H（TS）N·xi mod N2（i = 1, 2,..., n）并将它们转发给CC，其中TS是每个报告周期的时间戳，H是SHA-256散列函数。注意TA需要为在住宅区域的每个SMi在每一个时间段Ts生成Ti。

普通的聚合过程：

加密阶段：

SMi进行加密：mi为明文信息，ci为密文

聚合阶段：

雾节点计算

解密阶段：

C为添加了盲化因子的聚合密文，需要先消除。

由先前条件可知x0 + i=1,n xi ≡ 0 mod λ 可以解出：

因为g=n+1 根据二项定理

容错聚合：

FN聚合正常用户的密文，并标注缺失用户集合U*

CC根据缺失用户集U* 找到对应的等价密文Ti 并聚合等价密文然后将其与普通聚合密文相乘，并消除盲化因子。

分析普通密文和等价密文的结构可知，二者只相差加密部分，盲化因子部分仍可以相乘然后被x0抵消。

可以看出FESDA方案实现了不需要在故障后重新分配密钥的过程，因为CC未公布故障电表的份额，且容错聚合部分不需要额外交互，但经过本文证明，其存在被恶意CC攻击并侵犯个体用户隐私的漏洞。

攻击步骤：

1. 当其被ui传输给FN时 CC拦截密文ci

2.由于ui在失联用户集中，TA会发送Ti给CC 由于离散对数难题CC无法从Ti中恢复xi。

假如恶意TA计算模n2下Ti的乘法逆元再与ci相乘就可以抵消盲化因子从而解得明文

本文给出了模n2下Ti的乘法逆元存在的证明。

三.系统架构

下面是本文FPDA方案的构造

其系统模型以及所假定的攻击者模型与FESDA相同，FNs和CC是诚实但好奇的。此外，SMs是诚实且防篡改的。

在密钥生成过程中，除了发送给SM本身之外，每个私钥会被随机分成两个部分。第一部分交给CC，而不是FESDA中总私钥派生的一次性值。第二部分分成多个份额，分布给不同的SMs。

四.协议构造

而分配份额部分，本文使用了主密钥安全可重用的阈值秘密共享方案

1.设置：P为选择的大素数，p和q是P-1的两个大质数因子 g是GF（P）中阶数为N的生成元，N=pq，g是GF（P）中阶数为N的生成元

2.分享份额：分享方将主密钥S分割，将份额yi发送给参与者

随机选择k-1个系数，构建一个次数为k-1的多项式，令a0为S

yi=f(xi) xi为参与者序号

将份额yi发送给参与者

3.重建：

与普通的阈值秘密共享方案相比，收集者从k或更多用户获得盲化后的份额 r为对时间戳求哈希

由g是阶数为 N的 GF（P）的生成元，

方案细节：

1.系统设置：

根据安全参数k 选择大素数p q使其长度为k N=pq g=N+1 P = α · N + 1

α是一个小整数

Kpub = (N, g, α, H) Kpri = (λ, μ)

2.实体注册：

SM CC在TA中注册选择xi为SMi的私钥计算x0 =

为CC私钥对于私钥xi 拆分成两部分满足xi=xi1+xi2 从同一住宅区随机选择n*个用户，通过使用扩展shamir阈值秘密共享，将xi2分成n份xi2j j=（1，n）发送给对应的uj

将配对的（ui，Ui）发送给FN 也就是某个电表它的第二部分私钥是被哪个集合保管。

对于每个用户ui和对应时间序列Tk TA计算

发送给FN

3.报告阶段：

SM计算

4.聚合阶段：

FN同样标记失联用户集U* 如果其不为空则对于其中的每个ui，根据之前的配对（ui，Ui），向拥有失联用户第二密钥份额的电表集合发送请求。

收到请求后，uj需要确认SMi故障后，返回

收集到前k个份额后 FN计算：

聚合密文

发送C和丢失用户集合U*给CC

5.解密阶段：

如果U非空计算否则

1）第二部分等效密文的重建：

2）聚合密文的解密：

五.安全性分析

正确性：成功恢复概率：

假设SMs的故障概率独立且相同，为β。只要有k个或更多的SMs在线且愿意诚实提供相应的份额，第二个部分等效密文就可以正确重建

六.总结

计算成本以每个SM加密、FN聚合和CC解密所需的时间来衡量。如果所有用户都成功提交，本方案与FEDSA完全相同。因此，它们的计算成本是完全一致的。该图显示了整体数据聚合的计算时间。在不同数量的SMs下提供了加密、聚合和解密的时间消耗。实验结果显示，聚合时间与SMs的数量成正比，而解密时间和每个SM的平均加密时间波动较小。

可以在表中看到详细的通信成本和存储成本。大多数处理用户故障的计算和通信开销发生在一个雾计算网络中，而SMs计算和通信成本较低，符合其资源受限的特性。

假设SMs的故障概率是独立且相同分布的，它们被假设为1%，2%，5%和10%。对于不同的阈值（13，20）和（3，5），本文计算了所有SMs生成其份额所用的时间，FN执行秘密重建和聚合所用的时间，以及CC解密不同数量的SMs下的聚合结果所用的时间。图5显示，总的计算成本随着增加更多的SMs而大致线性增长。阈值和更高的故障概率越大处理用户故障就需要越多的时间。