| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 课题研究目的 | 第12-13页 |
| 1.3 国内外研究现状 | 第13-16页 |
| 1.3.1 盗电检测的国内外研究现状 | 第13-15页 |
| 1.3.2 数据聚合的隐私保护的国内外研究现状 | 第15-16页 |
| 1.4 主要研究内容和创新点 | 第16页 |
| 1.5 论文组织结构 | 第16-18页 |
| 第二章 相关技术简介 | 第18-25页 |
| 2.1 递归滤波的状态估计算法 | 第18页 |
| 2.2 NTRU算法 | 第18-20页 |
| 2.2.1 NTRU加密算法 | 第18-19页 |
| 2.2.2 NTRU签名算法 | 第19-20页 |
| 2.3 卷积神经网络 | 第20-23页 |
| 2.3.1 CNN的结构 | 第20-22页 |
| 2.3.2 激活函数 | 第22-23页 |
| 2.3.3 损失函数和优化器 | 第23页 |
| 2.4 Paillier 同态算法 | 第23-25页 |
| 2.4.1 Paillier 算法 | 第23-24页 |
| 2.4.2 同态的性质 | 第24-25页 |
| 第三章 系统的统一化 | 第25-29页 |
| 3.1 系统模型 | 第25-26页 |
| 3.2 盗电的攻击模型 | 第26-27页 |
| 3.3 设计目标 | 第27-28页 |
| 3.4 安全要求 | 第28-29页 |
| 第四章 基于状态估计的带隐私保护的盗电检测的方案 | 第29-37页 |
| 4.1 基于状态估计的带隐私保护的盗电检测 | 第29-32页 |
| 4.1.1 基于NTRU的隐私保护 | 第29-31页 |
| 4.1.2 基于状态估计的盗电检测 | 第31-32页 |
| 4.2 基于状态估计的盗电检测方案的安全分析 | 第32-34页 |
| 4.3 基于状态估计的盗电检测方案的性能评估 | 第34-36页 |
| 4.3.1 基于NTRU的隐私保护 | 第34-35页 |
| 4.3.2 基于状态估计的盗电检测 | 第35-36页 |
| 4.4 本章小结 | 第36-37页 |
| 第五章 基于卷积神经网络的带隐私保护的盗电检测的方案 | 第37-50页 |
| 5.1 基于卷积神经网络的带隐私保护的盗电检测 | 第37-43页 |
| 5.1.1 方案的可行性分析 | 第37-38页 |
| 5.1.2 用电信息的隐私保护 | 第38-40页 |
| 5.1.3 基于组合CNN的盗电检测 | 第40-43页 |
| 5.2 隐私保护的安全分析 | 第43页 |
| 5.3 盗电检测的实验结果分析 | 第43-49页 |
| 5.3.1 实验数据的处理 | 第43-44页 |
| 5.3.2 不同模型的对比 | 第44-45页 |
| 5.3.3 性能的比较 | 第45-46页 |
| 5.3.4 参数研究 | 第46-48页 |
| 5.3.5 与现存方案的比较 | 第48-49页 |
| 5.4 小结 | 第49-50页 |
| 第六章 总结和展望 | 第50-51页 |
| 6.1 总结 | 第50页 |
| 6.2 展望 | 第50-51页 |
| 参考文献 | 第51-56页 |
| 致谢 | 第56-57页 |
| 攻读硕士学位期间取得的研究成果 | 第57页 |