隐私

电力信息物理系统综合安全评估 面向云计算服务的信息伪装保护机制

2020年4月10日，中共中央国务院发布《关于构建更加完善的要素市场化配置体制机制的意见》，首次在中央顶层文件中将数据列为新型生产要素。近年来，数据要素的重要程度提升，数据市场进一步完善。与此同时，AI大模型迭代和算力升级则深度激发了数据价值，然而，数据流通与安全合规之间的不对称却呈现加剧的趋势。为寻求发展和合规的平衡，全球范围内的隐私科技和数据合规产业也迎来了迅猛发展。在此背景下，安永与赛博研究院联合发布第三期年度《全球数据合规与隐私科技发展报告》。本报告全面梳理了国内外数据安全与算法应用的合规体系，对隐私科技的概念、内涵和外延进行更新，并通过对近百家头部企业的问卷调研，覆盖金融、科技、媒体与通信、消费品、生命科学、制造业等行业，客观了解企业数据合规的现状与隐私科技的需求，最后为国内外企业数据合规实践提供参考案例与创新思路，供业内参考。

本白皮书以促进数据要素价值高效和可持续释放为目标，针对数据流通过程中面临的困难挑战，围绕解决数据流通基础设施建设的关键性难题，分析数据可信流通的基础原则，提出了可信数据流通网络（简称可信数网，TrustedDatacirculationNetwork，TDN）的概念。通过分析业界实践和深入研讨，凝聚各方共识，对TDN的总体功能、网络结构、建设思路、关键技术、应用场景、规范保障等内容展开全面分析和研究论证，并予以详细阐述。本报告亮点如下：一是首次提出可信数据流通网络（TDN）的概念。TDN是以数据可信流通为基础原则，以“全国互联、数据可信、流通安全、全程可溯、贡献可量”的核心能力为目标，而构建的数据流通基础设施。TDN基于分层次的网状结构，通过建立顶级节点、枢纽节点和子节点，以实现数据、算力、网络等跨区域、跨行业的互联互通和价值共享。二是明晰TDN的可信数据流通关键技术范畴。从保障数据隐私安全、流通过程可控可信、跨节点跨平台跨技术互联互通等角度归纳、分析实现数据可信流通的关键技术方法。主要包括隐私保护、使用控制、信任保障、互联互通等四大类技术，在TDN的互联基础层、资源接入层、计算控制层、流通服务层等环节发挥着不可替代的关键作用。三是全面梳理TDN应用场景和标准体系。首先分析可信枢纽节点的建立对公共数据授权运营、企业数据流通、数据交易这三种典型的数据流通场景的作用及应用效果，进而提出在数据流通的各个环节、相关的技术要求、行业应用要求以及节点落地建设等方面需要统一的标准规范。由此TDN的建设思路不再是独立松散的模块组合，而是形成了一套体系化的可实操可落地的解决方案。四是展望TDN的未来发展方向并提出建议。为实现数据要素价值的全面释放，政产学研各界将切实的从技术创新、试点示范、服务生态、标准规范等方面加快推进可信数据流通网络的落地，奋力实现打通数字基础设施大动脉、畅通数据资源大循环和建立全国统一大市场的目标。

深入分析电力数据应用过程面临的风险，探索面向流动共享的数据安全保护技术，构建以数据为核心的安全合规防护能力，助力电力数据安全。他表示近年来，国家持续加强数据安全及个人隐私监管。如何确保数据合法合规使用、防范企业重要数据及个人隐私泄露，是能源互联网建设和企业数字化转型面临的重大挑战。

国网智研院围绕新型电力系统“源网荷储”协同互动以及企业数字化转型下数据流动共享保护需求，梳理了“对内数据融通应用、对外数据开放共享”两大典型应用场景，坚持自主创新，突破了敏感数据智能识别及分类分级、场景化动态脱敏及高隐蔽数字水印、电碳数据融合隐私计算等多项关键技术，并通过“可信数安”权威认证，打造了电力数据安全专用装置（对内安全管控）、电力隐私计算平台（对外安全共享）等核心技术成果并在多家电力公司示范应用，大幅提升了数据流动共享过程安全保障能力，有力支撑电力数据“管得住、放得开”。

为解决工业互联网标识解析体系公共递归解析节点信息透明、缺乏隐私数据保护和身份权限管理等问题,提出了一种面向标识公共递归解析节点的数据安全加固策略。通过设计加密机制及细粒度权限查验机制,实现了标识解析二级节点的编码注册和解析服务的安全加固,提高了标识解析数据共享的安全性,验证了该方案的有效性。

虚拟电厂通过先进的通信、计量、控制等技术聚合不同的灵活性资源，实现资源综合协调优化控制，是提高电网安全水平、降低用户用能成本、促进新能源消纳的重要措施。而基于云服务的计算框架将虚拟电厂优化调度的求解转移至云端服务器完成，在降低本地计算压力和计算资源投资成本的同时也带来了新的隐私安全问题。为了应对云计算过程中云端服务器与园区之间信息交互存在的隐私泄漏风险，文章研究并提出了面向云服务的虚拟电厂优化调度过程中基线计算环节的信息伪装机制，利用基于线性映射的信息伪装算法将原优化问题的参数及变量信息进行伪装，在有效保证云端模型求解正确性的同时，可靠地保护园区数据隐私。通过对算例优化结果以及信息伪装特性的分析验证了所提模型和方法的有效性。

现有的工业互联网数据在互联互通过程中存在难以安全共享的问题,工业互联网发展模式急需创新。首先细化了分布式认知工业互联网的技术架构,其次探讨了工业互联网领域在数据共享与利用方面的困境,并提出了隐私计算在具体工业应用场景下的解决方案,最后根据实际需求给出了隐私计算在分布式认知工业互联网中的发展建议。

当前，随着以“算力新基建、数据新要素、AI大模型”为特征的算力经济时代来临，以chatGPT为代表的AIGC应用掀起人工智能新一轮浪潮，全球人工智能发展逐步从“探索期”向“成长期”过渡在技术和产业上进入重要转型阶段。在此背景下人工智能发展和数据、算法安全问题深度交织融合影响用户隐私、公民权益、商业秘密、国家安全等各个方面，AIGC的创新应用和数据安全治理工作也进入全新的阶段。本报告重点聚焦并梳理了人工智能应用中较为独特或更突出的安全问题，全面分析了当前全球人工智能数据安全和算法治理的主要现状和最新动态，基于全球相关治理实践和我国实际情况，构建了AIGC数据安全和算法治理框架。

毫米波感知技术具备全天时全天候工作、毫米级测量精度和变化感知能力、非接触式无隐私侵犯等典型特点，已在智能制造、智慧家居、智慧养老等领域广泛应用。本报告在介绍毫米波感知基本原理和典型场景应用案例基础上，针对电网建设与运维领域的行业痛点，探讨介绍了先进毫米波感知技术的潜在应用方向，包括输电线路毫米波成像巡检、巡检无人机毫米波避障、铁塔深基坑作业人员生命体征毫米波感知、毫米波电网要地入侵监测、5G毫米波通信感知一体化、毫米波坝体/边坡形变监测、风机叶片毫米波探伤等方向，详细分析了先进毫米波感知技术在这些应用方向的能力和优势。