一种带有隐私安全防护的电力数据处理系统

    公开(公告)号:CN118739567A

    公开(公告)日:2024-10-01

    申请号:CN202410764481.7

    申请日:2024-06-14

    IPC分类号: H02J13/00 H04L9/40 H04W12/03

    摘要: 本发明涉及电数字处理领域的一种带有隐私安全防护的电力数据处理系统,在有不法分子试图通过配电站的控制终端下载电力数据时,数据传输的表现则为大量集中传输时,加密单元的连接会切换到加密终端所在的线路,并对电力数据进行加密,同时根据用电单元的用电安全需求进行分类,并将不同安全等级的用户数据进行掺杂传输,同时加密的方法也会进行改变,避免出现不法分子破解一个加密方法便获取大量的高安全等级用户数据的现象,增加高安全等级用户的用电安全,不易诱发安全事故,同时发电站模块在发现存在有机密的电力数据时,实际安全技术人员排查对应电力数据来源的配电站模块,并在排除危险源,重新更换加密单元。

    一种电网数字化应用的故障检测装置

    公开(公告)号:CN118111944A

    公开(公告)日:2024-05-31

    申请号:CN202410305442.0

    申请日:2024-03-18

    IPC分类号: G01N21/3563 G01N21/01

    摘要: 本发明提供一种电网数字化应用的故障检测装置,涉及电网故障检测领域。该电网数字化应用的故障检测装置,包括驱动机构、移动机构、检测机构、清洁机构及充电箱,所述移动机构包括安装环一及安装环二,所述安装环一的外部固定连接有延伸块一,所述安装环二的外部固定连接有延伸块二。通过电动伸缩杆启动,带动安装环二上移,之后驱动电机启动通过电动伸缩杆及连接板带动安装环二转动,直至转动至跨过间隔棒后与电缆对齐时,电动伸缩杆再次启动,推动安装环二下降卡接电缆,进而使得整个故障检测装置能够跨过电缆上间隔棒结构,对整条电缆进行检测,避免了检测装置受阻后需要人员手动调节,有效的提高了检测装置的使用灵活性。

    一种数据传输用安全监控系统

    公开(公告)号:CN115051840B

    公开(公告)日:2023-11-07

    申请号:CN202210610790.X

    申请日:2022-05-31

    IPC分类号: H04L9/40 H04L9/08

    摘要: 本发明公开了一种数据传输用安全监控系统,具体涉及数据传输技术领域,括通过无线网络依次连接的监控采集端、采集端处理模块、传输模块和主数据库,其中:监控采集端用于对电力设备终端的运行数据进行采集;采集端处理模块对监控采集端收集的终端数据进行处理后并上传;传输模块用于将采集端处理模块处理后的数据包上传至主数据库中;主数据库对上传后的数据进行下载和后端处理。本发明对进行传输的数据包进行了多次加密,且加密的密钥与整个数据传输过程中所涉及的内容相关联,整体关联性强,加密后的数据包在进行读取时需要进行密钥匹配,因此单个环节的内容出现泄露时不会影响整体数据的安全性,能够大幅度的降低数据泄漏的可能性。

    一种基于准确率的联邦学习模型安全分享方法

    公开(公告)号:CN116389000A

    公开(公告)日:2023-07-04

    申请号:CN202310325004.6

    申请日:2023-03-29

    摘要: 本发明提供一种基于准确率的联邦学习模型安全分享方法。该方法由本地模型更新并计算模型准确率、建立共识小组以及进行共识三个步骤构成。局部模型的更新和模型精度的计算步骤,从本地服务器i中使用本地数据训练得到本地模型Mi,并利用该模型和相关测试数据进行测试,得到识别准确率acci;在建立共识小组步骤中,将所有节点分为共识小组节点和候选节点。在进行共识步骤中,基于模型准确率,计算节点的投票权。共识小组中投票权最高的节点成为主节点,获得记账权。最后在吞吐量、时延、容错性、带宽等各方面的性能均优于传统PBFT共识算法,该方法可以优化共识过程,减少共识时间,提高系统性能。

    一种基于不经意随机访问的隐私安全计算方法

    公开(公告)号:CN116383876A

    公开(公告)日:2023-07-04

    申请号:CN202310319681.7

    申请日:2023-03-29

    IPC分类号: G06F21/62 G06F21/60 H04L9/40

    摘要: 本发明提供一种基于不经意随机访问的隐私安全计算方法,该方法由模型初始化、访问数据以及混洗写回三个步骤构成。在模型初始化步骤,完成对访问方、ORAM规则以及存储方的初始化操作;在访问数据步骤,访问方经过ORAM规则向存储方发出读写请求;在混洗写回步骤,存储方定期根据ORAM协议对数据进行乱序写回操作,以保证逻辑地址和物理地址的对应关系不会被存储方捕捉并通过计算推断出数据块内容。该方法可以有较高效率与较高并发性完成多用户的隐私安全计算。

    一种去中心化的基于差分隐私的电力数据联邦学习隐私计算保护方法

    公开(公告)号:CN116361855A

    公开(公告)日:2023-06-30

    申请号:CN202310319698.2

    申请日:2023-03-29

    IPC分类号: G06F21/62 G06N20/20

    摘要: 本发明提供了一种去中心化的基于差分隐私的电力数据联邦学习隐私计算保护方法,该方法由模型初始化、模型训练和模型加噪以及个性化模型生成三个步骤构成。在模型初始化步骤,对各个参与者定义本地初始化模型;在模型训练和模型加噪步骤,利用本地数据集对各个参与者的模型进行训练,对训练好的模型添加满足差分隐私条件的基于高斯机制的噪声,并通过区块链交易将模型发给其余参与者;在个性化模型生成步骤,各个参与者将本地模型和其余参与者的模型通过参数相关度进行聚合,最后生成本地个性化模型。该方法表明,差分隐私能在有效防止攻击者逆向推断参与者信息,并能对去中心化的电力数据联邦学习模型实现有效的隐私保护。