基于CP-ABE的对等网络中联邦学习数据共享系统及模型构建方法

    公开(公告)号:CN116614273B

    公开(公告)日:2024-03-19

    申请号:CN202310585446.4

    申请日:2023-05-23

    摘要: 本发明提出一种基于CP‑ABE的对等网络中联邦学习数据共享模型及其构建方法,该模型包括参与方、访问控制模块和联邦学习模块;该方法包括:1)创建访问控制树,基于属性加密技术,采用结合随机多项式的门限访问策略筛选参与方;2)参与方使用私钥和解密公式解密密文,取得含有初始训练任务及训练参数的明文,参与方加入循环队列,构建对等网络;3)在对等网络结构下,组建参与方组成的循环队列,确定联邦学习中训练参数的传递方向,构建联邦学习训练架构;4)启动联合训练,在对等网络中采用参数传递运算评测方式进行模型及参数更新,使模型达到收敛标准;5)设置最佳模型参数,预测测试数据,观测预测精度及评估指标,评估共享模型的性能。

    一种用于网络流量监测的数据处理系统及方法

    公开(公告)号:CN114785706A

    公开(公告)日:2022-07-22

    申请号:CN202210021862.7

    申请日:2022-01-10

    IPC分类号: H04L43/04 H04L43/12

    摘要: 本发明公开了一种用于网络流量监测的数据处理系统及方法,所述系统包括数据采集层、数据处理层与数据输出和展示层,数据采集层用于采集网络流量监测数据;数据处理层主要包括离线计算和实时计算两大模块;数据输出和展示层用于对数据计算后的成果进行展示和分析处理。本发明采用多级层次划分数据处理架构,使网络流量监测系统具备高效的数据组织形式与体系;通过对实时性要求高的业务数据进行处理与计算,可以帮助用户及时发现与解决问题;网络流量数据采用了内网安全隔离存储的方式,增强了数据的安全性,避免了敏感数据泄露风险。

    一种面向低碳节能增值服务的用电客户细化分类方法

    公开(公告)号:CN114266589A

    公开(公告)日:2022-04-01

    申请号:CN202111311601.0

    申请日:2021-11-08

    摘要: 一种面向低碳节能增值服务的用电客户细化分类方法,属于数据分析领域,目的在于提高企业节能服务体系对社会上优质节能项目的挖掘能力与客户甄别能力,首先分析了影响用电客户分类的因素,随后进行维度划分,即综合考虑用电区域,行业类别,用电时间等维度,对用户进行细分。指标集建立完成后,对用电客户的细化分类模型的研究。这里采用K‑means聚类算法对用电客户进行了分类建模。参照客户细化分类流程图从多个维度对目标数据进行聚类处理建立指标集,再用K‑means聚类算法根据指标对用户进行聚类分析,从而完成细化分类任务,同时形成客户细化分类体系。本发明可使售电企业更好应对未来售电放开的市场竞争环境,追求利益最大化。

    一种基于电力数据中台安全规则的自动化检测方法及装置

    公开(公告)号:CN112329020A

    公开(公告)日:2021-02-05

    申请号:CN202011221311.2

    申请日:2020-11-05

    IPC分类号: G06F21/57

    摘要: 本发明公开了一种基于电力数据中台安全规则的自动化检测方法及装置,建立自动化调度的应用架构,通过命令机器人对编码进行中台规范的源码规范检查,对源码进行安全性的扫描,检测源码的各种安全漏洞、内存漏洞;通过实体操作机器人对源码进行安全性的扫描,检测源码的各种安全漏洞、内存漏洞;流程调度平台在源码经过源码检查机器人扫描过后,对源码进行打包,并把系统推送到安全验证环境进行部署;通过命令机器人对部署的应用进行中台安全运行的规则进行检测和扫描,并输出报告和分析结果。本发明解决了数据中台安全性的自动化问题,解决数据中台检测投入人力多、成本高、周期长的问题。

    基于横向联邦学习的电力数据共享方法

    公开(公告)号:CN115775010A

    公开(公告)日:2023-03-10

    申请号:CN202211470177.9

    申请日:2022-11-23

    摘要: 本发明公开了基于横向联邦学习的电力数据共享方法,首先构建C/S通信模式的横向联邦学习框架,并进行如下分布式训练:横向联邦学习框架下,服务器将模型参数发送给各客户端;各客户端构建BP神经网络并采用本地数据集进行本地训练,本地训练完成后的参数采用同态加密技术进行处理后上传;服务器对多个客户端上传的参数进行聚合评估,结果作为全局参数返回到各个客户端进行本地模型的更新,直至达到训练需求或模型收敛为止;其次根据测试数据对分布式训练完成的模型进行验证测试与评估,实现数据的精准预测。本发明在共享时不影响数据的使用,同时保护各参与方的隐私信息,能解决电力数据的数据融合及共享安全问题。