基于联邦-强化学习的充电站隐私安全防护框架研究

摘要

电动汽车充电设施作为“车-桩-网”电动汽车充电系统的核心，实现了电动汽车与电网之间能量、信息的流动。在实现电动汽车便利化、智能化充电的同时，也需要自适应数据驱动的网络防御机制以应对以上环节中日益增长的网络攻击。针对电动汽车充电站运营场景，提出了一种基于自适应效用优化本地化差分隐私技术的联邦学习框架，用于构建协同网络入侵检测系统模型，为每个充电站的本地网络流量数据提供数据隐私防护。此外还提出了一种基于深度强化学习算法的智能隐私模糊机制，该算法自动化实现对隐私预算的配置，避免该环节中的人为干预，并动态优化隐私预算和系统性能，以达到更好的隐私防护效果。最后算例分析结果验证了所提出机制的有效性。

关键词

电动汽车充电站 / 自适应效用优化本地化差分隐私 / 联邦学习 / 入侵检测系统 / 深度强化学习算法

基金资助

北京市电力有限公司科学技术项目(5202232300X)