面向电力数据匿名化保护的生成对抗网络.pdfVIP

第23卷第2期电力信息与通信技术Vol.23No.2

2025年2月ElectricPowerInformationandCommunicationTechnologyFeb.2025

中图分类号：TP39文献标志码：A文章编号：2095-641X(2025)02-051-08DOI：10.16543/j.2095-641x.electric.power.ict.2025.02.07

著录格式：杨仪馨，沈文，郭骞，等．面向电力数据匿名化保护的生成对抗网络[J]．电力信息与通信技术，2025，23(2)：51-58．

面向电力数据匿名化保护的生成对抗网络

1,2331,21,21,2

杨仪馨，沈文，郭骞，陈烨，单秋红，宋宇波

（1．东南大学网络空间安全学院，江苏省南京市211189；

2．网络通信与安全紫金山实验室，江苏省南京市211111；

3．中国电力科学研究院有限公司南京分院，江苏省南京市210036）

GenerativeAdversarialNetworkforPowerDataAnonymizationProtection

1,2331,21,21,2

YANGYixin,SHENWen,GUOQian,CHENYe,SHANQiuhong,SONGYubo

(1.SchoolofCyberScienceandEngineering,SoutheastUniversity,Nanjing211189,JiangsuProvince,China;

2.NetworkCommunicationandSecurityPurpleMountainLaboratory,Nanjing211111,JiangsuProvince,China;

3.NanjingBranchofChinaElectricPowerResearchInstituteCo.,Ltd.,Nanjing210036,JiangsuProvince,China)

摘要：针对在当前电力数据使用环境中，数据的开放性增加、流转频繁且交互对象复杂，导致数据泄露风险在整

个数据生命周期中普遍存在的问题，文章提出一种面向电力数据匿名化保护的生成对抗网络。所提方法首先对原

始JSON文件进行解析，利用不同的特征编码器进行编码，以有效处理不同类型的变量；其次，通过损失反馈以

及Was+GP等机制改进生成对抗网络生成匿名化数据，并通过添加随机噪声来保护数据生成过程中的隐私；相较

于现有方法，所提方法能够针对混合数据类型的原始数据生成实用性高且与原始数据相似性强的匿名化数据，实

现与原始数据的解耦。实验证明，所提方法合成的数据在机器学习效用和统计相似性方面与原始数据相比有显著

降低的差异，从而可以替代原始数据进行挖掘分析和数据共享，有效实现对原始数据的隐私保护。

关键词：生成对抗网络；数据匿名化；隐私保护；损失反馈；特征编码；电力数据保护

ABSTRACT:Aimingattheproblemthatinthecurrentenvironmentofpowerdatausage,theincreasedopenness,

freque