用户侧电压和电流的录波数据包含大量的负荷和用电信息，伴随着非侵入式用电负荷识别方法的兴起，这些隐私信息可能以监听的形式被非法获取。而由于采集终端资源受限且数据量庞大，同时现有加密算法资源需求高、密钥管理复杂，难以有效部署，给用户隐私安全留下了巨大隐患。该文立足于用户侧用电信息实时安全监测的需求，提出一种基于压缩感知框架的数据压缩同步加密算法。算法基于压缩感知架构，通过三元Logistic-Tent混沌系统建立联合随机模型，生成混沌测量矩阵实现对电压电流录波数据的边压缩边加密，有效解决了由于高频采样造成的数据重载问题，同时保证了用电信息的机密性，实现隐私保护。并且在压缩采样端和重构端部署的联合随机模型可实现同步运算，避免了密钥的传输，有效降低了智能终端的密钥管理成本、通信成本和密钥泄露可能性。另一方面，构造基于伯努利矩阵的动态S盒作为联合随机模型的核心，保证了联合随机模型关键参数的不可观测，提升了算法的抗差分分析安全性。最后，采用PLAID用电公开数据集，测试了所提算法的安全性、可行性、密钥敏感性、加密效率和抗非侵入式分析性能。实验结果表明，算法具有高数据压缩比，有效减少用电信息传输数据量，加密效率较RSA算法提升了82%，并能够抵抗非法负荷辨识，破解成功率仅为3.6%，有效提升了用电信息的机密性。