这次组会主要介绍《基于深度强化学习的用户侧用电行为隐私保护研究》思路进展，从科研背景、科研问题、科研目的、研究内容等几个方面展开。

科研背景：

数据的开放共享提供大量的数据资源，能够加速智能产业链的发展，为人们的日常生活带来便利，给企业带来了巨大的经济效益。但在数据得到广泛应用的同时，恶意的推理预测造成了用户的安全隐患。

数据中包含了用户、政府以及企业的敏感信息，若这些数据遭受到攻击，容易造成用户隐私泄露。2020年，《中共中央关于制定国民经济和社会发展第十四个五年规划和二O三五年远景目标的建议》指出:“扩大基础公共信息数据有序开放，建设国家数据统一共享开放平台。保障国家数据安全，加强个人信息保护”。因此，针对大数据挖掘分析的安全管控是推动社会发展和落实国家战略的重要力量。

智能电网采集的用户的细粒度数据，通过数据挖掘算法揭示时序数据中隐含的潜在信息，从而帮助智能系统展开精准的决策。然而，随着智能电网提供多种增值服务给人们的生活带来便利的同时，也引发了一些隐私安全问题。

例如，智能电网采集的用户的细粒度数据，经过智能算法的分析，可以对家庭、公司内部进程进行分析，提取出用户的生活习惯、用电行为模式等敏感信息，从而造成商业机密或用户隐私的泄露。

科研问题：

针对上述矛盾，需要解决以下两个问题:
第一，在数据采集阶段，如何保障智能电网数据安全。
第二，面向数据挖掘时，如何防止恶意推理攻击引发的敏感信息泄露问题。
旨在保证智能电网有效收集用户数据的同时，防止用户隐私信息不被泄露。

科研目的：

提出基于深度强化学习的用户侧用电行为数据隐私保护方法，保证智能电网有效收集用户数据的同时，防止用户隐私信息泄露。

研究内容：

相关工作：