WO2021227241A1 - 智能电网中抗密钥泄露的加密数据聚合的统计分析方法 - Google Patents

智能电网中抗密钥泄露的加密数据聚合的统计分析方法 Download PDF

Info

Publication number
WO2021227241A1
WO2021227241A1 PCT/CN2020/101889 CN2020101889W WO2021227241A1 WO 2021227241 A1 WO2021227241 A1 WO 2021227241A1 CN 2020101889 W CN2020101889 W CN 2020101889W WO 2021227241 A1 WO2021227241 A1 WO 2021227241A1
Authority
WO
WIPO (PCT)
Prior art keywords
data
fog
ciphertext
signature
smart
Prior art date
Application number
PCT/CN2020/101889
Other languages
English (en)
French (fr)
Inventor
张晓均
黄超
张经伟
龚捷
周子玉
郑爽
赵芥
Original Assignee
西南石油大学
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 西南石油大学 filed Critical 西南石油大学
Priority to US17/431,133 priority Critical patent/US11979506B2/en
Publication of WO2021227241A1 publication Critical patent/WO2021227241A1/zh

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/04—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks
    • H04L63/0428—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the data content is protected, e.g. by encrypting or encapsulating the payload
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/32—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials
    • H04L9/3247—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials involving digital signatures
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/008—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols involving homomorphic encryption
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/12—Applying verification of the received information
    • H04L63/123—Applying verification of the received information received data contents, e.g. message integrity
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/06—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols the encryption apparatus using shift registers or memories for block-wise or stream coding, e.g. DES systems or RC4; Hash functions; Pseudorandom sequence generators
    • H04L9/0618—Block ciphers, i.e. encrypting groups of characters of a plain text message using fixed encryption transformation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/06—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols the encryption apparatus using shift registers or memories for block-wise or stream coding, e.g. DES systems or RC4; Hash functions; Pseudorandom sequence generators
    • H04L9/0643—Hash functions, e.g. MD5, SHA, HMAC or f9 MAC
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/08—Key distribution or management, e.g. generation, sharing or updating, of cryptographic keys or passwords
    • H04L9/0894—Escrow, recovery or storing of secret information, e.g. secret key escrow or cryptographic key storage
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/14—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols using a plurality of keys or algorithms
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/30—Public key, i.e. encryption algorithm being computationally infeasible to invert or user's encryption keys not requiring secrecy
    • H04L9/3066—Public key, i.e. encryption algorithm being computationally infeasible to invert or user's encryption keys not requiring secrecy involving algebraic varieties, e.g. elliptic or hyper-elliptic curves
    • H04L9/3073—Public key, i.e. encryption algorithm being computationally infeasible to invert or user's encryption keys not requiring secrecy involving algebraic varieties, e.g. elliptic or hyper-elliptic curves involving pairings, e.g. identity based encryption [IBE], bilinear mappings or bilinear pairings, e.g. Weil or Tate pairing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
    • Y04S40/20—Information technology specific aspects, e.g. CAD, simulation, modelling, system security

Definitions

  • the invention belongs to the field of smart grid big data analysis and information security assurance, and particularly relates to a statistical analysis method of encrypted data aggregation resistant to key leakage in the smart grid.
  • the smart grid has introduced some emerging information technologies on the basis of the traditional power grid system, such as cloud computing, artificial intelligence, cryptography, etc., and established an advanced energy measurement infrastructure (Advanced Metering Infrastructure, AMI) on top of the traditional power transmission network. ), used for two-way transmission of power consumption data of grid users and control instructions and electricity price information fed back by the smart grid control center.
  • AMI Advanced Metering Infrastructure
  • the core of AMI is an embedded device called a smart meter, which is installed in the homes of grid users to periodically collect electrical energy data and report it to the control center.
  • the control center uses the fine-grained user power data collected by the meter.
  • Various data analysis techniques dig out useful information, monitor the operation of the system according to the analysis results, and then dynamically adjust and optimize the power generation and distribution plan of the grid system.
  • the control center can also send some feedback control instructions, electricity price information, and power outage information to the smart meter through the data channel.
  • the grid user can learn this information by interacting with the smart meter, and then
  • the homomorphic encryption algorithm is widely used in the design of the algorithm. Due to the characteristics of the homomorphic encryption algorithm to maintain addition or multiplication, after the data is encrypted, it can be efficiently aggregated, and the control center can use the decryption private key Directly decrypt the aggregated ciphertext to obtain some statistical values without decrypting the ciphertext of a single user, thereby effectively protecting user privacy and data confidentiality.
  • Lu et al. proposed a smart grid-oriented data aggregation protocol using the Paillier homomorphic encryption algorithm.
  • a super-increasing sequence was combined with an encryption algorithm to achieve the aggregation of multiple types of data.
  • the aggregation gateway node needs to perform multiple time-consuming bilinear mapping operations, which leads to a large computational cost of the protocol, which is not suitable for some systems that require high real-time performance.
  • Chen et al. used the Boneh-Goh-Nissim (BGN) homomorphic encryption algorithm to propose a privacy-protected multifunctional data aggregation scheme. They used the multiplicative homomorphism of BGN to enable the control center to obtain data by decrypting the aggregated ciphertext. The sum and variance values of.
  • the purpose of the present invention is to overcome the shortcomings of the prior art and provide a statistical analysis method of encrypted data aggregation that is resistant to key leakage in the smart grid.
  • a statistical analysis method of encrypted data aggregation resistant to key leakage in a smart grid including:
  • the trusted center generates the security parameters involved in the method, and distributes the public and private keys of each communication entity, which includes smart meters, fog nodes, cloud servers, and control centers; then the trusted center issues security parameters The public parameters in, and send each private key to the corresponding communication entity through a secure channel;
  • the smart meter encrypts the collected user energy consumption data to obtain the meter data ciphertext, signs the meter data ciphertext to obtain the meter data signature, and sends the meter data ciphertext and the meter data signature as the electricity meter data to the corresponding Of fog nodes to aggregate;
  • Fog-level aggregation After the fog node receives all the electricity meter data sent by the smart meter in the corresponding user area within the preset period, it verifies the electricity meter data signature in the electricity meter data. If the verification passes, the fog node performs the verification on the electricity meter data.
  • the fog-level aggregated ciphertext is obtained by aggregation, and the aggregated value is signed to obtain the fog-level ciphertext signature.
  • the fog node sends the fog-level aggregated ciphertext and the fog-level ciphertext signature as aggregated data to the cloud server for storage;
  • the control center sends a challenge message to the cloud server.
  • the challenge information includes a list of user areas for data analysis and a random matching coefficient sequence.
  • the cloud server uses each user area in the user area list stored in it.
  • the aggregated data and random matching coefficient sequence generated corresponding verifiable response information of encrypted aggregated data, and sent to the control center;
  • the control center verifies the response information returned by the cloud server to determine the integrity of the encrypted aggregated data. If the verification is passed, the control center decrypts the encrypted aggregated data to obtain the average of the energy consumption data of all challenged users Value and variance.
  • the security parameters in step S1 include the security parameters of the homomorphic encryption algorithm against key leakage and the security parameters of the linear homomorphic digital signature algorithm.
  • the smart meter combines random blinding technology to encrypt user power consumption data using a homomorphic encryption algorithm against key leakage, and decrypts the response information using a homomorphic decryption algorithm against key leakage in step S5 .
  • step S3 the fog node verifies the electricity meter data signature by a batch verification method.
  • step S1 includes:
  • the trusted center sets an elliptic curve E on the finite field F p , and determines a bilinear mapping based on the elliptic curve E G 1 ⁇ G 1 ⁇ G 2 , where p is a large prime number, G 1 is an additive cyclic group of order q, G 2 is a cyclic group of q factorial; the trusted center selects the generator P of the additive cyclic group G 1 , Set the number of fog nodes in the smart grid system to N, and the number of smart meters in each user area is
  • the Trusted Center sets up two anti-collision and safe hash functions H 1 : ⁇ 0,1 ⁇ * ⁇ G 1 , Among them, ⁇ 0,1 ⁇ * is a bit string of arbitrary length, Is a cyclic group of residue multiplications that is relatively prime to q;
  • the signature verification public key Y i y i P corresponding to the key y i ⁇ Z q;
  • the trusted center sends the private key p 1 to the control center through the secure channel, and sends the private key y ij , the secret parameter ⁇ ij and the secret parameter s ij to the smart meter SM ij , and the secret parameter ⁇ i and the secret parameter s i And the private key y i are sent to the fog node FN i .
  • step S2 includes:
  • the smart meter SM ij selects a random number r ij ⁇ Z n to calculate the cipher text of the meter data Among them, m ij ⁇ [0,MAX] is user electric energy consumption data, MAX is the maximum value of consumption data, and MAX is less than p 2 ;
  • the smart meter SM ij obtains the current time stamp t ij and calculates the meter data signature
  • Smart meter SM ij integrates meter data Send to the corresponding fog node FN i .
  • step S3 includes:
  • the fog node FN i receives all the smart meters SM ij in the corresponding user area within the preset period, Meter data sent Then, verify the meter data signature ⁇ ij sent by all smart meters SM ij through the following equation:
  • step S32 If the verification in step S31 is passed, the fog node FN i generates the first intermediate state aggregation value And the second intermediate state aggregation value
  • the fog node FN i calculates fog-level aggregated ciphertext, where the fog-level aggregated ciphertext includes the first fog-level aggregated ciphertext And the second fog level aggregated ciphertext
  • the fog node FN i sends the aggregated data ⁇ CT i , SCT i , ⁇ i ⁇ to the cloud server for storage.
  • step S4 includes:
  • the control center generates challenge information ⁇ L, chal ⁇ and sends it to the cloud server, where L is the user area list, chal is a random matching coefficient sequence of length ⁇ ,
  • the cloud server computes the cloud-level aggregated ciphertext, where the cloud-level aggregated ciphertext includes a first aggregated ciphertext component Second aggregate ciphertext component And the third aggregate ciphertext component
  • the cloud server calculates the random number based on the random number ⁇ , the random number ⁇ and the cloud-level aggregated ciphertext And random numbers And the signature of the fog-level aggregated ciphertext of the user area in the user area list L Generate the corresponding aggregate signature
  • step S5 includes:
  • the control center calculates the random number based on the random number ⁇ , the random number ⁇ and the cloud-level aggregated ciphertext And random numbers And calculate the aggregate value of the random matching coefficient And verify the validity of the signature through the following equation:
  • step S52 If the signature verification in step S61 is passed, use the anti-key leakage homomorphic decryption algorithm to calculate the true number At the bottom is The discrete logarithm under and divide the result by Obtain the sum M of the power consumption data of all users in each user area in the user area list, namely
  • the control center uses the private key p 1 to calculate discrete logarithms separately with in Is a bilinear pair, and then calculate the sum of squares of the original data of the smart meter in each user area of the challenge
  • the control center calculates the average value:
  • the control center calculates the variance:
  • the present invention uses a homomorphic encryption algorithm that is resistant to key leakage to encrypt data.
  • the smart meter uses the public key of the control center to generate ciphertext using random blinding technology, even if the private key of the control center is in some special In case of leakage, it will not cause a single ciphertext to be decrypted in the entire smart grid system, which can effectively protect user privacy and data confidentiality;
  • This party has designed a lightweight batch data integrity verification technology, so that the control center can verify the integrity of all encrypted aggregated data requested within a constant time complexity, which is in accordance with the number of areas requested.
  • the number of smart meters in the area is irrelevant, which can effectively ensure the integrity of the encrypted data of the entire smart grid system;
  • This party can provide the control center with flexible data statistical analysis and query capabilities.
  • the control center or service provider can selectively specify the user area of interest, that is, can specify an arbitrary user area index to the cloud server It is used for statistical analysis; at the same time, the cloud server can provide enough information to the control center without destroying the privacy of any single user, so that the control center can use this information to calculate the sum of all users' electricity consumption data in the designated user area. , Mean and variance;
  • the control center can quickly verify the integrity of encrypted aggregated data with a constant amount of calculation, thereby performing statistical analysis of encrypted data in real time;
  • the statistical analysis method of encrypted data aggregation for anti-key leakage in the smart grid of the present invention is based on the fog computing architecture, and uses fog node servers and cloud servers deployed at the network boundary to relieve the computing and storage pressure of the business system;
  • Figure 1 is a schematic diagram of a smart grid system
  • Figure 2 is a flow chart of the present invention.
  • the present invention provides a statistical analysis method of encrypted data aggregation resistant to key leakage in smart grid:
  • the statistical analysis method of encrypted data aggregation against key leakage in smart grid includes:
  • the trusted center generates the security parameters involved in the method, and distributes the public and private keys of each communication entity, which includes smart meters, fog nodes, cloud servers, and control centers; then the trusted center issues security parameters And send the private keys to the corresponding communication entities through the secure channel.
  • the security parameters in step S1 include the security parameters of the homomorphic encryption algorithm against key leakage and the security parameters of the linear homomorphic digital signature algorithm.
  • the step S1 includes:
  • the trusted center sets an elliptic curve E on the finite field F p , and determines a bilinear mapping based on the elliptic curve E G 1 ⁇ G 1 ⁇ G 2 , where p is a large prime number, G 1 is an additive cyclic group of order q, G 2 is a cyclic group of q factorial; the trusted center selects the generator P of the additive cyclic group G 1 , Set the number of fog nodes in the smart grid system to N, and the number of smart meters in each user area is
  • the Trusted Center sets up two anti-collision and safe hash functions H 1 : ⁇ 0,1 ⁇ * ⁇ G 1 , Among them, ⁇ 0,1 ⁇ * is a bit string of arbitrary length, Is a cyclic group of residual multiplications that is relatively prime to q.
  • the signature verification public key Y i y i P corresponding to the key y i ⁇ Z q.
  • the trusted center sends the private key p 1 to the control center (CC) through the secure channel, and sends the private key y ij , the secret parameter ⁇ ij and the secret parameter s ij to the smart meter SM ij , and the secret parameter ⁇ i , secret
  • the parameter s i and the private key y i are sent to the fog node FN i .
  • the smart meter encrypts the collected user energy consumption data to obtain the meter data ciphertext, signs the meter data ciphertext to obtain the meter data signature, and sends the meter data ciphertext and the meter data signature as the electricity meter data to the corresponding Of fog nodes are aggregated.
  • step S2 the smart meter combines random blinding technology to encrypt user power consumption data using a homomorphic encryption algorithm against key leakage, and in step S5, a homomorphic decryption algorithm against key leakage is used to respond Information is decrypted.
  • the step S2 includes:
  • the smart meter SM ij selects a random number r ij ⁇ Z n to calculate the ciphertext of the meter data Among them, m ij ⁇ [0,MAX] is user electric energy consumption data, MAX is the maximum value of consumption data, and MAX is less than p 2 .
  • the smart meter SM ij obtains the current time stamp t ij and calculates the meter data signature
  • Smart meter SM ij integrates meter data Send to the corresponding fog node FN i .
  • Fog-level aggregation After the fog node receives all the electricity meter data sent by the smart meter in the corresponding user area within the preset period, it verifies the electricity meter data signature in the electricity meter data. If the verification passes, the fog node performs the verification on the electricity meter data.
  • the fog-level aggregated ciphertext is obtained by aggregation, and the aggregated value is signed to obtain the fog-level ciphertext signature.
  • the fog node sends the fog-level aggregated ciphertext and the fog-level ciphertext signature as aggregated data to the cloud server for storage.
  • the step S3 includes:
  • the fog node FN i (the fog node server) receives all the smart meters SM ij in the corresponding user area within the preset period, Meter data sent Then, verify the meter data signature ⁇ ij sent by all smart meters SM ij through the following equation:
  • step S32 If the verification in step S31 is passed, the fog node FN i generates the first intermediate state aggregation value And the second intermediate state aggregation value
  • the fog node FN i calculates fog-level aggregated ciphertext, where the fog-level aggregated ciphertext includes the first fog-level aggregated ciphertext And the second fog level aggregated ciphertext
  • the fog node FN i sends the aggregated data ⁇ CT i , SCT i , ⁇ i ⁇ to the cloud server for storage.
  • the control center sends a challenge message to the cloud server.
  • the challenge information includes a list of user areas for data analysis and a random matching coefficient sequence.
  • the cloud server uses each user area in the user area list stored in it.
  • the aggregated data and the random matching coefficient sequence generate corresponding verifiable encrypted aggregated data response information, and send it to the control center.
  • the step S4 includes:
  • the control center generates challenge information ⁇ L, chal ⁇ and sends it to the cloud server, where L is the user area list, chal is a random matching coefficient sequence of length ⁇ ,
  • the cloud server computes the cloud-level aggregated ciphertext, where the cloud-level aggregated ciphertext includes a first aggregated ciphertext component Second aggregate ciphertext component And the third aggregate ciphertext component
  • the cloud server calculates the random number based on the random number ⁇ , the random number ⁇ and the cloud-level aggregated ciphertext And random numbers And the signature of the fog-level aggregated ciphertext of the user area in the user area list L Generate the corresponding aggregate signature
  • the control center verifies the response information returned by the cloud server to determine the integrity of the encrypted aggregated data. If the verification is passed, the control center decrypts the encrypted aggregated data to obtain the average of the energy consumption data of all challenged users Value and variance.
  • step S5 a homomorphic decryption algorithm against key leakage is used to decrypt the response information.
  • the step S5 includes:
  • the control center calculates the random number based on the random number ⁇ , the random number ⁇ and the cloud-level aggregated ciphertext And random numbers And calculate the aggregate value of the random matching coefficient And verify the validity of the signature through the following equation:
  • step S52 If the signature verification in step S61 is passed, use the anti-key leakage homomorphic decryption algorithm to calculate the true number At the bottom is The discrete logarithm under and divide the result by Obtain the sum M of the power consumption data of all users in each user area in the user area list, namely
  • the control center uses the private key p 1 to calculate discrete logarithms separately with in Is a bilinear pair, and then calculate the sum of squares of the original data of the smart meter in each user area of the challenge
  • the control center calculates the average value:
  • the control center calculates the variance:
  • each user area is in charge of a fog node.
  • the fog node acts as a data aggregation gateway and data repeater.
  • the user power consumption data sent from the smart meter in the user area is obtained by the fog node for the first time aggregation.
  • the fog-level aggregates the ciphertext and signs the fog-level aggregated ciphertext, and then sends the fog-level aggregated ciphertext and signature information to the cloud server for storage.
  • the cloud server stores the aggregated ciphertext data and signature information of different user areas in the database, and provides data query, statistics, and analysis services to the control center of the smart grid system.

Abstract

本发明公开了一种智能电网中抗密钥泄露的加密数据聚合的统计分析方法，每一个用户区域由一个雾节点负责，雾节点充当数据聚合网关和数据中继器的角色，来自本用户区域的智能电表发送的用户电能消费数据由雾节点进行第一次聚合得到雾级聚合密文，并对雾级聚合密文进行签名，然后将雾级聚合密文和签名信息发送到云服务器上进行存储；云服务器将不同用户区域的聚合密文数据和签名信息存储在数据库中，并向智能电网系统的控制中心提供数据查询、统计、分析服务，云服务器能够在不破坏任何单个用户的隐私的前提下向控制中心提供足够的信息，使得控制中心利用这些信息能够计算出指定用户区域中所有用户用电数据的和、平均值和方差。

Description

智能电网中抗密钥泄露的加密数据聚合的统计分析方法 技术领域
本发明属于智能电网大数据分析与信息安全保障领域，特别是涉及一种智能电网中抗密钥泄露的加密数据聚合的统计分析方法。
背景技术
智能电网在传统电网系统的基础上引入了一些新兴的信息技术，如云计算、人工智能、密码学等，在传统的电能传输网之上建立了一个高级电能测量基础设施(Advanced Metering Infrastructure,AMI)，用于双向传输电网用户的电能消费数据和智能电网控制中心反馈的控制指令、电价信息等。AMI的核心是一个叫做智能电表的嵌入式设备，它被安装在电网用户的家中，用于周期性地采集电能数据并上报给控制中心，控制中心根据电表采集的细粒度用户用电数据，使用各种数据分析技术从中挖掘有用的信息，根据分析结果监控系统运行情况，然后动态地调整和优化电网系统的发电、配电计划。另一方面，控制中心也可以将一些反馈控制指令、电价信息、停电信息通过数据通道下发给智能电表，电网用户通过与智能电表交互就能获知这些信息，进而调整家庭用电计划。
在采用各种信息技术对用户电能消费数据进行采集和传输的同时，智能电网也引入了各种安全威胁。由于电能数据通过开放的无线网络进行传输，因此在传输过程中，用户的隐私安全、数据机密性、数据完整性都将受到威胁。一方面，可能存在外部敌手对通信信道进行窃听，拦截、替换、篡改用户的用电消费数据，进而破坏用户隐私，导致系统运行混乱；电网用户自身也可能会试图篡改用电数据以逃避后续的用电计费。另一方面，系统中可能存在内部敌手，窃取控制中心的解密私钥，用以解密单个用户的用电数据密文，破坏数据机密性和用户隐私安全。除了这些安全威胁以外，由于智能电网系统中用户量大、数据密度高、高频数据采集与传输、对实时性要求高等特点，如何设计一个高效可验证的数据聚合分析方法是一个关键的问题。
此外，由于电能消费数据通常在智能电表端被使用各种方法进行加密处理以保障数据机密性和用户隐私安全，数据将会丧失不同程度的可用性，导致密文数据在经过聚合后，控制中心通过对聚合结果解密只能够获取有限的统计信息。因此，一个用于智能电网系统的实用的电能消费数据聚合方法必须在保障数据机密性、完整性和用户隐私安全这些基本安全需求的同时，为系统控制中心提供尽可能多的统计分析结果，同时要保证聚合过程、完整性验证过程、聚合数据解密和分析过程尽可能的高效，以满足智能电网对性能的需求。
近年来，国内外学者提出了多种采用各种技术的数据聚合协议。其中，同态加密算法被广泛应用在算法的设计中，由于同态加密算法所具有的保持加法或者乘法的特性，数据被加 密后，能够被高效地进行聚合，同时控制中心可以利用解密私钥直接对聚合密文进行解密，得到一些统计值，而无需对单个用户的密文进行解密，由此有效地保护了用户隐私和数据机密性。在2012年，Lu等人利用Paillier同态加密算法提出了一个面向智能电网的数据聚合协议，在他们的方案中，利用一个超递增序列与加密算法相结合以实现多类型数据的聚合，但是为了保证数据完整性，聚合网关结点需要执行多次耗时的双线性映射操作，这就导致了协议的运算开销较大，不适用于一些对实时性要求高的系统。Chen等人采用Boneh-Goh-Nissim(BGN)同态加密算法提出了一个隐私保护的多功能数据聚合方案，他们利用BGN的乘法同态特性使得控制中心能够通过对聚合密文的解密，获取数据的总和和方差值。
发明内容
本发明的目的在于克服现有技术的不足，提供一种智能电网中抗密钥泄露的加密数据聚合的统计分析方法。
本发明的目的是通过以下技术方案来实现的：智能电网中抗密钥泄露的加密数据聚合的统计分析方法，包括：
S1.系统初始化：可信中心生成该方法中涉及的安全参数，并分配各通信实体的公私钥，所述通信实体包括智能电表、雾节点、云服务器和控制中心；然后可信中心发布安全参数中的公开参数，并通过安全信道将各私钥发送给相应的通信实体；
S2.数据上报：智能电表对采集的用户电能消费数据进行加密得到电表数据密文，将电表数据密文进行签名得到电表数据签名，并将电表数据密文和电表数据签名作为电表数据发送给对应的雾节点进行聚合；
S3.雾级聚合：雾节点接收到预设周期内对应的用户区域中智能电表发送的所有电表数据后，对电表数据中的电表数据签名进行验证，若验证通过，则雾节点对电表数据进行聚合得到雾级聚合密文，并对聚合值进行签名得到雾级密文签名，雾节点将雾级聚合密文和雾级密文签名作为聚合数据发送给云服务器进行存储；
S4.数据分析请求和响应：控制中心向云服务器发送一个挑战信息，所述挑战信息包括进行数据分析的用户区域列表和一个随机匹配系数序列，云服务器使用其存储的用户区域列表中各用户区域的聚合数据和随机匹配系数序列生成对应的可验证的加密聚合数据的响应信息，并发送给控制中心；
S5.验证和解密：控制中心对云服务器返回的响应信息进行验证以确定加密聚合数据的完整性，若验证通过，则控制中心对加密聚合数据进行解密，得到所有挑战的用户电能消费数据的平均值和方差。
优选的，步骤S1中的安全参数包括抗密钥泄露的同态加密算法的安全参数和线性同态数 字签名算法的安全参数。
优选的，步骤S2中智能电表结合随机盲化技术，使用抗密钥泄露的同态加密算法对用户电能消费数据进行加密，步骤S5中使用抗密钥泄露的同态解密算法对响应信息进行解密。
优选的，步骤S3中雾节点对电表数据签名进行验证采用批量验证的方法。
优选的，步骤S1包括：
S11.给定一个安全参数k，可信中心生成抗密钥泄露的同态加密算法的参数(n,g,G,G T,e)，其中e:G×G→G T是一个双线性映射，G和G T均为具有合数阶n的群，n＝p 1p 2，p 1和p 2均为具有k比特长的大素数，g是群G的一个生成元；可信中心计算控制中心的公钥
Figure PCTCN2020101889-appb-000001
S12.可信中心设置一个有限域F p上的椭圆曲线E，并确定一个基于椭圆曲线E的双线性映射
Figure PCTCN2020101889-appb-000002
G 1×G 1→G 2，其中，p是一个大素数，G 1是一个q阶加法循环群，G 2是一个q阶乘法循环群；可信中心选取加法循环群G 1的生成元P，设置智能电网系统中雾节点的个数为N，每个用户区域中智能电表的个数为
Figure PCTCN2020101889-appb-000003
可信中心设置两个抗碰撞的安全的哈希函数H 1:{0,1} *→G 1,
Figure PCTCN2020101889-appb-000004
其中，{0,1} *是任意长度比特串，
Figure PCTCN2020101889-appb-000005
是与q互素的剩余类乘法循环群；
S13.可信中心随机选取五个常量α,β,γ,δ,ζ，且α∈Z n,β∈Z n,γ∈Z n,δ∈Z n,ζ∈Z n，α·β+γ·δ+ζ＝n；可信中心计算公开参数f＝g α和公开参数ε＝g γ，同时为每个雾节点FN i选取一个签名私钥y i∈Z q，并计算该签名私钥y i∈Z q对应的签名验证公钥Y i＝y iP；
S14.对于每个具有唯一身份标识
Figure PCTCN2020101889-appb-000006
的智能电表SM ij，可信中心为其随机选取一个签名私钥y ij∈Z q，Z q是模q剩余类环，智能电表SM ij为第i个雾结点FN i下属的第j个智能电表；可信中心计算智能电表SM ij对应的签名验证公钥Y ij＝y ijP；可信中心为每个用户区域中的智能电表SM ij选取随机数π ij和随机数s ij，其中，π ij∈Z n,s ij∈Z n，α·π ij+γ·s ij＝ζ,
Figure PCTCN2020101889-appb-000007
可信中心计算秘密参数
Figure PCTCN2020101889-appb-000008
和秘密参数
Figure PCTCN2020101889-appb-000009
S15.可信中心通过安全信道将私钥p 1发送给控制中心，将私钥y ij、秘密参数π ij和秘密 参数s ij发送给智能电表SM ij，将秘密参数π i、秘密参数s i和私钥y i发送给雾结点FN i。
优选的，步骤S2包括：
S21.对于每个具有唯一身份标识
Figure PCTCN2020101889-appb-000010
的智能电表SM ij，智能电表SM ij选择一个随机数r ij∈Z n，计算电表数据密文
Figure PCTCN2020101889-appb-000011
其中，m ij∈[0,MAX]为用户电能消费数据，MAX是消费数据的最大值，且MAX小于p 2；
S22.智能电表SM ij获取当前时间戳t ij，计算电表数据签名
Figure PCTCN2020101889-appb-000012
S23.智能电表SM ij将电表数据
Figure PCTCN2020101889-appb-000013
发送给对应的雾结点FN i。
优选的，步骤S3包括：
S31.雾结点FN i接收到预设周期内对应的用户区域中所有智能电表SM ij,
Figure PCTCN2020101889-appb-000014
发送的电表数据
Figure PCTCN2020101889-appb-000015
后，通过如下的方程验证所有智能电表SM ij发送的电表数据签名σ ij：
Figure PCTCN2020101889-appb-000016
S32.若步骤S31中的验证通过，则雾结点FN i产生第一中间状态聚合值
Figure PCTCN2020101889-appb-000017
和第二中间状态聚合值
Figure PCTCN2020101889-appb-000018
S33.雾结点FN i计算雾级聚合密文，所述雾级聚合密文包括第一雾级聚合密文
Figure PCTCN2020101889-appb-000019
和第二雾级聚合密文
Figure PCTCN2020101889-appb-000020
S34.雾结点FN i对雾级聚合密文进行签名得到雾级密文签名σ i＝(y i+h 1(CT i||SCT i))H 1(ID CS)，其中ID CS为云服务器的唯一身份标识符；
S35.雾结点FN i将聚合数据{CT i,SCT i,σ i}发送给云服务器进行存储。
优选的，步骤S4包括：
S41.控制中心生成挑战信息{L,chal}，并将其发送给云服务器，其中，L为用户区域列表，
Figure PCTCN2020101889-appb-000021
chal为长度为θ的随机匹配系数序列,
Figure PCTCN2020101889-appb-000022
S42.云服务器计算云级聚合密文，所述云级聚合密文包括第一聚合密文分量
Figure PCTCN2020101889-appb-000023
第二聚合密文分量
Figure PCTCN2020101889-appb-000024
和第三聚合密文分量
Figure PCTCN2020101889-appb-000025
S43.云服务器基于随机数λ、随机数μ和云级聚合密文计算得到随机数
Figure PCTCN2020101889-appb-000026
和随机数
Figure PCTCN2020101889-appb-000027
并对用户区域列表L中的用户区域的雾级聚合密文的签名
Figure PCTCN2020101889-appb-000028
产生对应的聚合签名
Figure PCTCN2020101889-appb-000029
S44.云服务器计算组合哈希函数值
Figure PCTCN2020101889-appb-000030
和组合公钥
Figure PCTCN2020101889-appb-000031
S45.云服务器将响应信息Agg＝{σ,h,Y,CT,PCT,SCT}发送给控制中心。
优选的，步骤S5包括：
S51.控制中心基于随机数λ、随机数μ和云级聚合密文计算得到随机数
Figure PCTCN2020101889-appb-000032
和随机数
Figure PCTCN2020101889-appb-000033
并计算随机匹配系数聚合值
Figure PCTCN2020101889-appb-000034
并通过如下的方程验证签名的有效性：
Figure PCTCN2020101889-appb-000035
S52.若步骤S61中的签名验证通过，则使用抗密钥泄露的同态解密算法计算真数
Figure PCTCN2020101889-appb-000036
在底为
Figure PCTCN2020101889-appb-000037
下的离散对数，并将结果除以
Figure PCTCN2020101889-appb-000038
得到用户区域列表中各用户区域中所有用户的电能消费数据的和M，即
Figure PCTCN2020101889-appb-000039
S53.控制中心利用私钥p 1分别计算离散对数
Figure PCTCN2020101889-appb-000040
和
Figure PCTCN2020101889-appb-000041
其中
Figure PCTCN2020101889-appb-000042
是一个双线性对，然后计算挑战的各个用户区域的智能电表原始数据的平方和
Figure PCTCN2020101889-appb-000043
S54.控制中心计算平均值：
Figure PCTCN2020101889-appb-000044
S55.控制中心计算方差：
Figure PCTCN2020101889-appb-000045
本发明的有益效果是：
(1)本发明采用抗密钥泄露的同态加密算法对数据进行加密，智能电表使用控制中心的公钥产生密文的过程中采用随机盲化技术，即便控制中心的私钥在某些特殊情况下泄露，也 不会导致单个密文在整个智能电网系统中被解密，可有效实现用户隐私和数据机密性保护；
(2)本方明设计了一个轻量级的批量数据完整性验证技术，使得控制中心可在常量时间复杂度内验证请求的所有加密聚合数据的完整性，而与所请求的区域个数和区域中智能电表的个数无关，可有效确保整个智能电网系统加密数据的完整性；
(3)本方明可以为控制中心提供灵活的数据统计分析查询能力，控制中心或者服务提供商能够选择性地指定感兴趣的用户区域范围，即能够向云服务器指定一个任意的用户区域索引子集用于统计分析；同时，云服务器能够在不破坏任何单个用户的隐私的前提下向控制中心提供足够的信息，使得控制中心利用这些信息能够计算出指定用户区域中所有用户用电数据的和、平均值和方差；
(4)本发明在智能电网用户量与通信数据量很大的情况下，控制中心只需恒定计算量就可以快速验证加密聚合数据的完整性，从而实时地进行加密数据统计分析；
(5)本发明的智能电网中抗密钥泄露的加密数据聚合的统计分析方法基于雾计算架构，利用部署在网络边界的雾结点服务器和云服务器缓解业务系统的计算和存储压力；。
附图说明
图1为智能电网系统的一种示意图；
图2为本发明的一种流程图。
具体实施方式
下面将结合实施例，对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有付出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明提供一种智能电网中抗密钥泄露的加密数据聚合的统计分析方法：
如图1-2所示，智能电网中抗密钥泄露的加密数据聚合的统计分析方法，包括：
S1.系统初始化：可信中心生成该方法中涉及的安全参数，并分配各通信实体的公私钥，所述通信实体包括智能电表、雾节点、云服务器和控制中心；然后可信中心发布安全参数中的公开参数，并通过安全信道将各私钥发送给相应的通信实体。
在一些实施例中，步骤S1中的安全参数包括抗密钥泄露的同态加密算法的安全参数和线性同态数字签名算法的安全参数。
所述步骤S1包括：
S11.给定一个安全参数k，可信中心(TTP)生成抗密钥泄露的同态加密算法的参数(n,g,G,G T,e)，其中e:G×G→G T是一个双线性映射，G和G T均为具有合数阶n的群， n＝p 1p 2，p 1和p 2均为具有k比特长的大素数，g是群G的一个生成元；可信中心计算控制中心的公钥
Figure PCTCN2020101889-appb-000046
S12.可信中心设置一个有限域F p上的椭圆曲线E，并确定一个基于椭圆曲线E的双线性映射
Figure PCTCN2020101889-appb-000047
G 1×G 1→G 2，其中，p是一个大素数，G 1是一个q阶加法循环群，G 2是一个q阶乘法循环群；可信中心选取加法循环群G 1的生成元P，设置智能电网系统中雾节点的个数为N，每个用户区域中智能电表的个数为
Figure PCTCN2020101889-appb-000048
可信中心设置两个抗碰撞的安全的哈希函数H 1:{0,1} *→G 1,
Figure PCTCN2020101889-appb-000049
其中，{0,1} *是任意长度比特串，
Figure PCTCN2020101889-appb-000050
是与q互素的剩余类乘法循环群。
S13.可信中心随机选取五个常量α,β,γ,δ,ζ，且α∈Z n,β∈Z n,γ∈Z n,δ∈Z n,ζ∈Z n，α·β+γ·δ+ζ＝n；可信中心计算公开参数f＝g α和公开参数ε＝g γ，同时为每个雾节点FN i选取一个签名私钥y i∈Z q，并计算该签名私钥y i∈Z q对应的签名验证公钥Y i＝y iP。
S14.对于每个具有唯一身份标识
Figure PCTCN2020101889-appb-000051
的智能电表SM ij，可信中心为其随机选取一个签名私钥y ij∈Z q，Z q是模q剩余类环，智能电表SM ij为第i个雾结点FN i下属的第j个智能电表；可信中心计算智能电表SM ij对应的签名验证公钥Y ij＝y ijP；可信中心为每个用户区域中的智能电表SM ij选取随机数π ij和随机数s ij，其中，π ij∈Z n,s ij∈Z n，α·π ij+γ·s ij＝ζ,
Figure PCTCN2020101889-appb-000052
可信中心计算秘密参数
Figure PCTCN2020101889-appb-000053
和秘密参数
Figure PCTCN2020101889-appb-000054
S15.可信中心通过安全信道将私钥p 1发送给控制中心(CC)，将私钥y ij、秘密参数π ij和秘密参数s ij发送给智能电表SM ij，将秘密参数π i、秘密参数s i和私钥y i发送给雾结点FN i。
S2.数据上报：智能电表对采集的用户电能消费数据进行加密得到电表数据密文，将电表数据密文进行签名得到电表数据签名，并将电表数据密文和电表数据签名作为电表数据发送给对应的雾节点进行聚合。
在一些实施例中，步骤S2中智能电表结合随机盲化技术，使用抗密钥泄露的同态加密算法对用户电能消费数据进行加密，步骤S5中使用抗密钥泄露的同态解密算法对响应信息进行解密。
所述步骤S2包括：
S21.对于每个具有唯一身份标识
Figure PCTCN2020101889-appb-000055
的智能电表SM ij，智能电表SM ij选择一个随机数r ij∈Z n，计算电表数据密文
Figure PCTCN2020101889-appb-000056
其中，m ij∈[0,MAX]为用户电能消费数据，MAX是消费数据的最大值，且MAX小于p 2。
S22.智能电表SM ij获取当前时间戳t ij，计算电表数据签名
Figure PCTCN2020101889-appb-000057
S23.智能电表SM ij将电表数据
Figure PCTCN2020101889-appb-000058
发送给对应的雾结点FN i。
S3.雾级聚合：雾节点接收到预设周期内对应的用户区域中智能电表发送的所有电表数据后，对电表数据中的电表数据签名进行验证，若验证通过，则雾节点对电表数据进行聚合得到雾级聚合密文，并对聚合值进行签名得到雾级密文签名，雾节点将雾级聚合密文和雾级密文签名作为聚合数据发送给云服务器进行存储。
所述步骤S3包括：
S31.雾结点FN i(雾节点服务器)接收到预设周期内对应的用户区域中所有智能电表SM ij,
Figure PCTCN2020101889-appb-000059
发送的电表数据
Figure PCTCN2020101889-appb-000060
后，通过如下的方程验证所有智能电表SM ij发送的电表数据签名σ ij：
Figure PCTCN2020101889-appb-000061
S32.若步骤S31中的验证通过，则雾结点FN i产生第一中间状态聚合值
Figure PCTCN2020101889-appb-000062
和第二中间状态聚合值
Figure PCTCN2020101889-appb-000063
S33.雾结点FN i计算雾级聚合密文，所述雾级聚合密文包括第一雾级聚合密文
Figure PCTCN2020101889-appb-000064
和第二雾级聚合密文
Figure PCTCN2020101889-appb-000065
S34.雾结点FN i对雾级聚合密文进行签名得到雾级密文签名σ i＝(y i+h 1(CT i||SCT i))H 1(ID CS)，其中ID CS为云服务器(CS)的唯一身份标识符。
S35.雾结点FN i将聚合数据{CT i,SCT i,σ i}发送给云服务器进行存储。
S4.数据分析请求和响应：控制中心向云服务器发送一个挑战信息，所述挑战信息包括进行数据分析的用户区域列表和一个随机匹配系数序列，云服务器使用其存储的用户区域列表中各用户区域的聚合数据和随机匹配系数序列生成对应的可验证的加密聚合数据的响应信 息，并发送给控制中心。
所述步骤S4包括：
S41.控制中心生成挑战信息{L,chal}，并将其发送给云服务器，其中，L为用户区域列表，
Figure PCTCN2020101889-appb-000066
chal为长度为θ的随机匹配系数序列,
Figure PCTCN2020101889-appb-000067
S42.云服务器计算云级聚合密文，所述云级聚合密文包括第一聚合密文分量
Figure PCTCN2020101889-appb-000068
第二聚合密文分量
Figure PCTCN2020101889-appb-000069
和第三聚合密文分量
Figure PCTCN2020101889-appb-000070
S43.云服务器基于随机数λ、随机数μ和云级聚合密文计算得到随机数
Figure PCTCN2020101889-appb-000071
和随机数
Figure PCTCN2020101889-appb-000072
并对用户区域列表L中的用户区域的雾级聚合密文的签名
Figure PCTCN2020101889-appb-000073
产生对应的聚合签名
Figure PCTCN2020101889-appb-000074
S44.云服务器计算组合哈希函数值
Figure PCTCN2020101889-appb-000075
和组合公钥
Figure PCTCN2020101889-appb-000076
S45.云服务器将响应信息Agg＝{σ,h,Y,CT,PCT,SCT}发送给控制中心。
S5.验证和解密：控制中心对云服务器返回的响应信息进行验证以确定加密聚合数据的完整性，若验证通过，则控制中心对加密聚合数据进行解密，得到所有挑战的用户电能消费数据的平均值和方差。
在一些实施例中，步骤S5中使用抗密钥泄露的同态解密算法对响应信息进行解密。
所述步骤S5包括：
S51.控制中心基于随机数λ、随机数μ和云级聚合密文计算得到随机数
Figure PCTCN2020101889-appb-000077
和随机数
Figure PCTCN2020101889-appb-000078
并计算随机匹配系数聚合值
Figure PCTCN2020101889-appb-000079
并通过如下的方程验证签名的有效性：
Figure PCTCN2020101889-appb-000080
S52.若步骤S61中的签名验证通过，则使用抗密钥泄露的同态解密算法计算真数
Figure PCTCN2020101889-appb-000081
在底为
Figure PCTCN2020101889-appb-000082
下的离散对数，并将结果除以
Figure PCTCN2020101889-appb-000083
得到用户区域列表中各用户区域中所有用户的电能消费数据的和M，即
Figure PCTCN2020101889-appb-000084
S53.控制中心利用私钥p 1分别计算离散对数
Figure PCTCN2020101889-appb-000085
和
Figure PCTCN2020101889-appb-000086
其中
Figure PCTCN2020101889-appb-000087
是一个双线性对，然后计算挑战的各个用户区域的智能电表原始数据的平方和
Figure PCTCN2020101889-appb-000088
S54.控制中心计算平均值：
Figure PCTCN2020101889-appb-000089
S55.控制中心计算方差：
Figure PCTCN2020101889-appb-000090
本实施例中每一个用户区域由一个雾节点负责，雾节点充当数据聚合网关和数据中继器的角色，来自本用户区域的智能电表发送的用户电能消费数据由雾节点进行第一次聚合得到雾级聚合密文，并对雾级聚合密文进行签名，然后将雾级聚合密文和签名信息发送到云服务器上进行存储。云服务器将不同用户区域的聚合密文数据和签名信息存储在数据库中，并向智能电网系统的控制中心提供数据查询、统计、分析服务。
本实施例的正确性证明如下:
令
Figure PCTCN2020101889-appb-000091
Figure PCTCN2020101889-appb-000092
加密聚合数据完整性验证方程的正确性证明如下：
Figure PCTCN2020101889-appb-000093
控制中心计算挑战的各个用户区域的统计和M的正确性证明如下：
Figure PCTCN2020101889-appb-000094
所以
Figure PCTCN2020101889-appb-000095
控制中心计算挑战的各个用户区域的智能电表原始数据的平方和M 2的正确性证明如下：
Figure PCTCN2020101889-appb-000096
Figure PCTCN2020101889-appb-000097
所以
Figure PCTCN2020101889-appb-000098
以上所述仅是本发明的优选实施方式，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。

Claims (9)

  1. 智能电网中抗密钥泄露的加密数据聚合的统计分析方法，其特征在于，包括：
    S1.系统初始化：可信中心生成该方法中涉及的安全参数，并分配各通信实体的公私钥，所述通信实体包括智能电表、雾节点、云服务器和控制中心；然后可信中心发布安全参数中的公开参数，并通过安全信道将各私钥发送给相应的通信实体；
    S2.数据上报：智能电表对采集的用户电能消费数据进行加密得到电表数据密文，将电表数据密文进行签名得到电表数据签名，并将电表数据密文和电表数据签名作为电表数据发送给对应的雾节点进行聚合；
    S3.雾级聚合：雾节点接收到预设周期内对应的用户区域中智能电表发送的所有电表数据后，对电表数据中的电表数据签名进行验证，若验证通过，则雾节点对电表数据进行聚合得到雾级聚合密文，并对聚合值进行签名得到雾级密文签名，雾节点将雾级聚合密文和雾级密文签名作为聚合数据发送给云服务器进行存储；
    S4.数据分析请求和响应：控制中心向云服务器发送一个挑战信息，所述挑战信息包括进行数据分析的用户区域列表和一个随机匹配系数序列，云服务器使用其存储的用户区域列表中各用户区域的聚合数据和随机匹配系数序列生成对应的可验证的加密聚合数据的响应信息，并发送给控制中心；
    S5.验证和解密：控制中心对云服务器返回的响应信息进行验证以确定加密聚合数据的完整性，若验证通过，则控制中心对加密聚合数据进行解密，得到所有挑战的用户电能消费数据的平均值和方差。
  2. 根据权利要求1所述的智能电网中抗密钥泄露的加密数据聚合的统计分析方法，其特征在于，步骤S1中的安全参数包括抗密钥泄露的同态加密算法的安全参数和线性同态数字签名算法的安全参数。
  3. 根据权利要求1所述的智能电网中抗密钥泄露的加密数据聚合的统计分析方法，其特征在于，步骤S2中智能电表结合随机盲化技术，使用抗密钥泄露的同态加密算法对用户电能消费数据进行加密，步骤S5中使用抗密钥泄露的同态解密算法对响应信息进行解密。
  4. 根据权利要求1所述的智能电网中抗密钥泄露的加密数据聚合的统计分析方法，其特征在于，步骤S3中雾节点对电表数据签名进行验证采用批量验证的方法。
  5. 根据权利要求1所述的智能电网中抗密钥泄露的加密数据聚合的统计分析方法，其特征在于，步骤S1包括：
    S11.给定一个安全参数k，可信中心生成抗密钥泄露的同态加密算法的参数(n,g,G,G T,e)，其中e:G×G→G T是一个双线性映射，G和G T均为具有合数阶n的群， n＝p 1p 2，p 1和p 2均为具有k比特长的大素数，g是群G的一个生成元；可信中心计算控制中心的公钥
    Figure PCTCN2020101889-appb-100001
    S12.可信中心设置一个有限域F p上的椭圆曲线E，并确定一个基于椭圆曲线E的双线性映射
    Figure PCTCN2020101889-appb-100002
    其中，p是一个大素数，G 1是一个q阶加法循环群，G 2是一个q阶乘法循环群；可信中心选取加法循环群G 1的生成元P，设置智能电网系统中雾节点的个数为N，每个用户区域中智能电表的个数为
    Figure PCTCN2020101889-appb-100003
    可信中心设置两个抗碰撞的安全的哈希函数
    Figure PCTCN2020101889-appb-100004
    其中，{0,1} *是任意长度比特串，
    Figure PCTCN2020101889-appb-100005
    是与q互素的剩余类乘法循环群；
    S13.可信中心随机选取五个常量α,β,γ,δ,ζ，且α∈Z n,β∈Z n,γ∈Z n,δ∈Z n,ζ∈Z n，α·β+γ·δ+ζ＝n；可信中心计算公开参数f＝g α和公开参数ε＝g γ，同时为每个雾节点FN i选取一个签名私钥y i∈Z q，并计算该签名私钥y i∈Z q对应的签名验证公钥Y i＝y iP；
    S14.对于每个具有唯一身份标识
    Figure PCTCN2020101889-appb-100006
    的智能电表SM ij，可信中心为其随机选取一个签名私钥y ij∈Z q，Z q是模q剩余类环，智能电表SM ij为第i个雾结点FN i下属的第j个智能电表；可信中心计算智能电表SM ij对应的签名验证公钥Y ij＝y ijP；可信中心为每个用户区域中的智能电表SM ij选取随机数π ij和随机数s ij，其中，π ij∈Z n,s ij∈Z n，
    Figure PCTCN2020101889-appb-100007
    可信中心计算秘密参数
    Figure PCTCN2020101889-appb-100008
    和秘密参数
    Figure PCTCN2020101889-appb-100009
    S15.可信中心通过安全信道将私钥p 1发送给控制中心，将私钥y ij、秘密参数π ij和秘密参数s ij发送给智能电表SM ij，将秘密参数π i、秘密参数s i和私钥y i发送给雾结点FN i。
  6. 根据权利要求5所述的智能电网中抗密钥泄露的加密数据聚合的统计分析方法，其特征在于，步骤S2包括：
    S21.对于每个具有唯一身份标识
    Figure PCTCN2020101889-appb-100010
    的智能电表SM ij，智能电表SM ij选择一个随机数r ij∈Z n，计算电表数据密文
    Figure PCTCN2020101889-appb-100011
    其中，m ij∈[0,MAX]为用户电能消费数据，MAX是消费数据的最大值，且MAX小于p 2；
    S22.智能电表SM ij获取当前时间戳t ij，计算电表数据签名
    Figure PCTCN2020101889-appb-100012
    S23.智能电表SM ij将电表数据
    Figure PCTCN2020101889-appb-100013
    发送给对应的雾结点FN i。
  7. 根据权利要求6所述的智能电网中抗密钥泄露的加密数据聚合的统计分析方法，其特征在于，步骤S3包括：
    S31.雾结点FN i接收到预设周期内对应的用户区域中所有智能电表
    Figure PCTCN2020101889-appb-100014
    发送的电表数据
    Figure PCTCN2020101889-appb-100015
    后，通过如下的方程验证所有智能电表SM ij发送的电表数据签名σ ij：
    Figure PCTCN2020101889-appb-100016
    S32.若步骤S31中的验证通过，则雾结点FN i产生第一中间状态聚合值
    Figure PCTCN2020101889-appb-100017
    和第二中间状态聚合值
    Figure PCTCN2020101889-appb-100018
    S33.雾结点FN i计算雾级聚合密文，所述雾级聚合密文包括第一雾级聚合密文
    Figure PCTCN2020101889-appb-100019
    和第二雾级聚合密文
    Figure PCTCN2020101889-appb-100020
    S34.雾结点FN i对雾级聚合密文进行签名得到雾级密文签名σ i＝(y i+h 1(CT i||SCT i))H 1(ID CS)，其中ID CS为云服务器的唯一身份标识符；
    S35.雾结点FN i将聚合数据{CT i,SCT i,σ i}发送给云服务器进行存储。
  8. 根据权利要求7所述的智能电网中抗密钥泄露的加密数据聚合的统计分析方法，其特征在于，步骤S4包括：
    S41.控制中心生成挑战信息{L,chal}，并将其发送给云服务器，其中，L为用户区域列表，
    Figure PCTCN2020101889-appb-100021
    chal为长度为θ的随机匹配系数序列,
    Figure PCTCN2020101889-appb-100022
    S42.云服务器计算云级聚合密文，所述云级聚合密文包括第一聚合密文分量
    Figure PCTCN2020101889-appb-100023
    第二聚合密文分量
    Figure PCTCN2020101889-appb-100024
    和第三聚合密文分量
    Figure PCTCN2020101889-appb-100025
    S43.云服务器基于随机数λ、随机数μ和云级聚合密文计算得到随机数
    Figure PCTCN2020101889-appb-100026
    和随机数
    Figure PCTCN2020101889-appb-100027
    并对用户区域列表L中的用户区域的雾级聚合密文的签名
    Figure PCTCN2020101889-appb-100028
    产生对应的聚合签名
    Figure PCTCN2020101889-appb-100029
    S44.云服务器计算组合哈希函数值
    Figure PCTCN2020101889-appb-100030
    和组合公钥
    Figure PCTCN2020101889-appb-100031
    S45.云服务器将响应信息Agg＝{σ,h,Y,CT,PCT,SCT}发送给控制中心。
  9. 根据权利要求8所述的智能电网中抗密钥泄露的加密数据聚合的统计分析方法，其特征在于，步骤S5包括：
    S51.控制中心基于随机数λ、随机数μ和云级聚合密文计算得到随机数
    Figure PCTCN2020101889-appb-100032
    和随机数
    Figure PCTCN2020101889-appb-100033
    并计算随机匹配系数聚合值
    Figure PCTCN2020101889-appb-100034
    并通过如下的方程验证签名的有效性：
    Figure PCTCN2020101889-appb-100035
    S52.若步骤S51中的签名验证通过，则使用抗密钥泄露的同态解密算法计算真数
    Figure PCTCN2020101889-appb-100036
    在底为
    Figure PCTCN2020101889-appb-100037
    下的离散对数，并将结果除以
    Figure PCTCN2020101889-appb-100038
    得到用户区域列表中各用户区域中所有用户的电能消费数据的和M，即
    Figure PCTCN2020101889-appb-100039
    S53.控制中心利用私钥p 1分别计算离散对数
    Figure PCTCN2020101889-appb-100040
    和
    Figure PCTCN2020101889-appb-100041
    其中
    Figure PCTCN2020101889-appb-100042
    是一个双线性对，然后计算挑战的各个用户区域的智能电表原始数据的平方和
    Figure PCTCN2020101889-appb-100043
    S54.控制中心计算平均值：
    Figure PCTCN2020101889-appb-100044
    S55.控制中心计算方差：
    Figure PCTCN2020101889-appb-100045
PCT/CN2020/101889 2020-05-13 2020-07-14 智能电网中抗密钥泄露的加密数据聚合的统计分析方法 WO2021227241A1 (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US17/431,133 US11979506B2 (en) 2020-05-13 2020-07-14 Method for statistical analysis of aggregate encrypted data with key-leakage resilience for smart grids

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202010399781.1 2020-05-13
CN202010399781.1A CN111294366B (zh) 2020-05-13 2020-05-13 智能电网中抗密钥泄露的加密数据聚合的统计分析方法

Publications (1)

Publication Number Publication Date
WO2021227241A1 true WO2021227241A1 (zh) 2021-11-18

Family

ID=71024934

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2020/101889 WO2021227241A1 (zh) 2020-05-13 2020-07-14 智能电网中抗密钥泄露的加密数据聚合的统计分析方法

Country Status (3)

Country Link
US (1) US11979506B2 (zh)
CN (1) CN111294366B (zh)
WO (1) WO2021227241A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116599776A (zh) * 2023-07-18 2023-08-15 深圳友讯达科技股份有限公司 基于物联网的智能电表管理方法、装置、设备及存储介质
CN116827686A (zh) * 2023-08-28 2023-09-29 晨越建设项目管理集团股份有限公司 一种基于云-边协同的智慧社区系统数据异常检测方法
CN116956358A (zh) * 2023-06-26 2023-10-27 广东技术师范大学 基于网格加密的智能电网签名与验证方法

Families Citing this family (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111294366B (zh) * 2020-05-13 2020-07-28 西南石油大学 智能电网中抗密钥泄露的加密数据聚合的统计分析方法
CN111800400B (zh) * 2020-06-28 2022-11-08 长沙理工大学 一种基于雾的多维度多角度用电数据的聚合系统
CN114124396B (zh) * 2020-09-01 2023-12-01 中国电信股份有限公司 信息传输方法、系统和存储介质
CN114257385A (zh) * 2020-09-10 2022-03-29 西交利物浦大学 一种安全通信方法、装置、电子设备和存储介质
CN111930688B (zh) * 2020-09-23 2021-01-08 西南石油大学 云服务器中多关键词查询的密态数据可搜索方法及装置
CN112202544B (zh) * 2020-10-12 2022-06-21 南京邮电大学 一种基于Paillier同态加密算法的智能电网数据安全聚合方法
CN112468445A (zh) * 2020-10-29 2021-03-09 广西电网有限责任公司 一种面向电力物联网的ami轻量级数据隐私保护方法
CN112507366B (zh) * 2020-12-18 2024-03-26 北京国电通网络技术有限公司 一种智能电网中多维数据高效数据聚合的方法和系统
CN112702341B (zh) * 2020-12-23 2022-05-27 国网山东省电力公司信息通信公司 一种基于隐私保护的用户用电数据共享方法及系统
CN112637227A (zh) * 2020-12-29 2021-04-09 浙江工商大学 面向智能电网的多维多子集抗差分攻击的数据聚合方法
CN112800459A (zh) * 2021-01-26 2021-05-14 浙江工商大学 基于区块链的智能电网多维多子集隐私保护数据聚合方法
CN112989416A (zh) * 2021-03-25 2021-06-18 湘潭大学 一种面向智能电网的匿名多维数据聚合隐私保护方法
CN113472524B (zh) * 2021-06-09 2022-05-17 湖北工业大学 一种抗恶意传输数据攻击的数据聚合签名系统及方法
CN114024667A (zh) * 2021-10-12 2022-02-08 杭州趣链科技有限公司 基于双线性ElGamal密码体制并抵抗差分攻击的数据聚合方法
CN114024684A (zh) * 2021-10-12 2022-02-08 杭州趣链科技有限公司 一种基于双线性ElGamal密码体制的多维数据聚合方法
CN113691380B (zh) * 2021-10-26 2022-01-18 西南石油大学 一种智能电网中多维隐私数据聚合方法
CN113783683B (zh) * 2021-11-12 2022-03-08 晨越建设项目管理集团股份有限公司 基于传感器网络的云平台隐私保护可验证数据聚合方法
CN114362997B (zh) * 2021-12-02 2024-03-19 国网浙江省电力有限公司金华供电公司 变电站智能设备的数据传输方法、装置、智能设备及介质
CN114221809B (zh) * 2021-12-14 2024-01-26 北方工业大学 一种抗异常数据且保隐私的数据聚合系统及方法
CN114615024B (zh) * 2022-02-22 2023-04-18 北京理工大学 一种无需可信机构且保护隐私的数据聚合系统及方法
CN114826645B (zh) * 2022-03-03 2024-04-16 深圳市迪讯飞科技有限公司 一种多路数据实时聚合的方法以及终端
CN115065505B (zh) * 2022-05-24 2023-10-13 西安电子科技大学 一种隐私保护方法以及相关装置
CN114866222B (zh) * 2022-06-16 2024-03-15 山东大学 一种支持隐私保护的密文数据统计分析系统及方法
CN115085940A (zh) * 2022-07-25 2022-09-20 中国长江三峡集团有限公司 一种智能电网的隐私数据聚合方法和系统
CN115033908B (zh) * 2022-08-11 2022-10-21 西南石油大学 基于云存储的油气勘探细粒度密态数据的检索方法
CN115766263B (zh) * 2022-11-25 2024-05-03 深圳泓川科技有限公司 基于云雾计算的多维电力数据隐私保护聚合方法及系统
CN116701494B (zh) * 2023-08-07 2023-10-10 国网四川省电力公司电力科学研究院 一种保护隐私的密文云数据统计分析系统及方法
CN117692143B (zh) * 2024-02-02 2024-04-12 泉州市凯润通信科技有限公司 一种通信密钥管理方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110138538A (zh) * 2019-05-09 2019-08-16 南京邮电大学 基于雾计算的智能电网安全与隐私保护数据聚合方法
US20190317818A1 (en) * 2018-04-17 2019-10-17 Cognizant Technology Solutions India Pvt. Ltd. System and method for efficiently and securely managing a network using fog computing
CN110430050A (zh) * 2019-07-31 2019-11-08 湖南匡安网络技术有限公司 一种基于隐私保护的智能电网数据采集方法
CN111127862A (zh) * 2019-12-31 2020-05-08 镇江新连邦科技有限公司 一种水务集中抄表系统及其运行方法
CN111294366A (zh) * 2020-05-13 2020-06-16 西南石油大学 智能电网中抗密钥泄露的加密数据聚合的统计分析方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5500666B2 (ja) * 2011-01-31 2014-05-21 エヌイーシー ヨーロッパ リミテッド スマートグリッドおよびスマートグリッドの動作方法
US20120310860A1 (en) * 2011-06-06 2012-12-06 Alcatel-Lucent Cloud-Based Demand Response
JP2014209677A (ja) * 2013-04-16 2014-11-06 株式会社東芝 データ管理装置、電力使用量計算システム、データ管理方法、及びデータ管理プログラム
JP2017527192A (ja) * 2014-09-30 2017-09-14 株式会社東芝 １つまたは複数の計量デバイスから２つ以上の第３者へデータを配布する準同形ベースの方法
CN105791321A (zh) * 2016-05-03 2016-07-20 西南石油大学 一种具有抗密钥泄露特性的云存储数据公共审计方法
US11176624B2 (en) * 2016-08-29 2021-11-16 International Business Machines Corporation Privacy-preserving smart metering
US11409892B2 (en) * 2018-08-30 2022-08-09 International Business Machines Corporation Enhancing security during access and retrieval of data with multi-cloud storage
CN110536259B (zh) * 2019-08-27 2022-11-25 南京邮电大学 一种基于雾计算的轻量级隐私保护数据多级聚合方法
CN110839028B (zh) * 2019-11-14 2022-04-05 南京邮电大学 一种雾协助工业物联网的隐私保护方法
CN111082920A (zh) * 2019-12-27 2020-04-28 西南石油大学 面向智能电网的非交互式可验证的多类型加密数据聚合方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190317818A1 (en) * 2018-04-17 2019-10-17 Cognizant Technology Solutions India Pvt. Ltd. System and method for efficiently and securely managing a network using fog computing
CN110138538A (zh) * 2019-05-09 2019-08-16 南京邮电大学 基于雾计算的智能电网安全与隐私保护数据聚合方法
CN110430050A (zh) * 2019-07-31 2019-11-08 湖南匡安网络技术有限公司 一种基于隐私保护的智能电网数据采集方法
CN111127862A (zh) * 2019-12-31 2020-05-08 镇江新连邦科技有限公司 一种水务集中抄表系统及其运行方法
CN111294366A (zh) * 2020-05-13 2020-06-16 西南石油大学 智能电网中抗密钥泄露的加密数据聚合的统计分析方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116956358A (zh) * 2023-06-26 2023-10-27 广东技术师范大学 基于网格加密的智能电网签名与验证方法
CN116956358B (zh) * 2023-06-26 2024-03-22 广东技术师范大学 基于网格加密的智能电网签名与验证方法
CN116599776A (zh) * 2023-07-18 2023-08-15 深圳友讯达科技股份有限公司 基于物联网的智能电表管理方法、装置、设备及存储介质
CN116599776B (zh) * 2023-07-18 2023-10-03 深圳友讯达科技股份有限公司 基于物联网的智能电表管理方法、装置、设备及存储介质
CN116827686A (zh) * 2023-08-28 2023-09-29 晨越建设项目管理集团股份有限公司 一种基于云-边协同的智慧社区系统数据异常检测方法
CN116827686B (zh) * 2023-08-28 2023-11-17 晨越建设项目管理集团股份有限公司 一种基于云-边协同的智慧社区系统数据异常检测方法

Also Published As

Publication number Publication date
US11979506B2 (en) 2024-05-07
US20220329438A1 (en) 2022-10-13
CN111294366B (zh) 2020-07-28
CN111294366A (zh) 2020-06-16

Similar Documents

Publication Publication Date Title
WO2021227241A1 (zh) 智能电网中抗密钥泄露的加密数据聚合的统计分析方法
CN110138538B (zh) 基于雾计算的智能电网安全与隐私保护数据聚合方法
CN110536259B (zh) 一种基于雾计算的轻量级隐私保护数据多级聚合方法
Lyu et al. PPFA: Privacy preserving fog-enabled aggregation in smart grid
CN111131148B (zh) 一种面向智能电网的可保护隐私数据聚合方法及系统
CN110120868B (zh) 一种基于区块链技术的智能电网安全数据聚合方法及系统
CN111385306B (zh) 一种智能电网中基于防篡改设备的匿名认证方法及系统
CN110308691B (zh) 一种泛在电力物联网的多维数据聚合与访问控制方法
CN113691380B (zh) 一种智能电网中多维隐私数据聚合方法
CN105812128A (zh) 一种智能电网抗恶意数据挖掘攻击的数据聚合系统及方法
CN113783683B (zh) 基于传感器网络的云平台隐私保护可验证数据聚合方法
CN115766263B (zh) 基于云雾计算的多维电力数据隐私保护聚合方法及系统
Su et al. LCEDA: Lightweight and communication-efficient data aggregation scheme for smart grid
CN111769937A (zh) 面向智能电网高级测量体系的两方认证密钥协商协议
Sui et al. BAP: A batch and auditable privacy preservation scheme for demand response in smart grids
Zhan et al. Efficient function queryable and privacy preserving data aggregation scheme in smart grid
Bao et al. BBNP: a blockchain-based novel paradigm for fair and secure smart grid communications
Li et al. A fine-grained privacy protection data aggregation scheme for outsourcing smart grid
Wen et al. A data aggregation scheme with fine-grained access control for the smart grid
Sherifl et al. Efficient privacy-preserving aggregation scheme for data sets
CN110311792B (zh) 一种智能电网中电量数据与隐私保护方法
Zhang et al. Antiquantum privacy protection scheme in advanced metering infrastructure of smart grid based on consortium blockchain and rlwe
CN114185993A (zh) 一种基于区块链的可审计数据共享方法
Wang et al. Privacy Protection Data Aggregation Scheme with Batch Verification and Fault Tolerance in Smart Grid Communication
Pradhan et al. Smart grid data security using practical CP-ABE with obfuscated policy and outsourcing decryption

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20936070

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20936070

Country of ref document: EP

Kind code of ref document: A1