一种基于联邦学习的充电桩用户画像方法

    公开(公告)号:CN114970693B

    公开(公告)日:2024-05-07

    申请号:CN202210515800.1

    申请日:2022-05-11

    IPC分类号: G06F18/23 G06N20/00 G06Q50/06

    摘要: 本发明涉及一种基于联邦学习的充电桩用户画像方法,包括:将电力公司计算节点记为Guest,将气象局计算节点记为Host;将Guest中的充电桩负荷样本集XA和Host中的气象数据样本集XB中具有相同日期的样本对齐;在Guest中通过预训练的第一联邦学习聚类模型计算XA的第一样本分布信息,在Host中通过预训练的第二联邦学习聚类模型计算XB的第二样本分布信息,并将第二样本分布信息发送至Guest;在Guest中根据第一样本分布信息和第二样本分布信息生成第一整体样本分布信息,并获取充电桩用户用电数据画像,本发明通过DB指标和Dunn指标对联邦学习聚类模型进行评估,提高了联邦学习聚类模型的可靠性。与现有技术相比,本发明具有保护用户隐私、准确度高、效率高、可靠性高等优点。

    一种基于联邦学习的充电桩用户画像方法

    公开(公告)号:CN114970693A

    公开(公告)日:2022-08-30

    申请号:CN202210515800.1

    申请日:2022-05-11

    IPC分类号: G06K9/62 G06N20/00 G06Q50/06

    摘要: 本发明涉及一种基于联邦学习的充电桩用户画像方法,包括:将电力公司计算节点记为Guest,将气象局计算节点记为Host;将Guest中的充电桩负荷样本集XA和Host中的气象数据样本集XB中具有相同日期的样本对齐;在Guest中通过预训练的第一联邦学习聚类模型计算XA的第一样本分布信息,在Host中通过预训练的第二联邦学习聚类模型计算XB的第二样本分布信息,并将第二样本分布信息发送至Guest;在Guest中根据第一样本分布信息和第二样本分布信息生成第一整体样本分布信息,并获取充电桩用户用电数据画像,本发明通过DB指标和Dunn指标对联邦学习聚类模型进行评估,提高了联邦学习聚类模型的可靠性。与现有技术相比,本发明具有保护用户隐私、准确度高、效率高、可靠性高等优点。

    一种基于K-Means模型的充电桩用户画像方法

    公开(公告)号:CN114821143A

    公开(公告)日:2022-07-29

    申请号:CN202210514388.1

    申请日:2022-05-11

    摘要: 本发明涉及一种基于K‑Means模型的充电桩用户画像方法,包括:将电力公司计算节点记为Guest,气象局计算节点记为Host;采集充电桩负荷数据集,并进行预处理;将充电桩用户用电数据和气象数据分别输入Guest和Host,在Guest中根据充电桩用户用电数据通过训练好的第一K‑Means模型获取第一数据分布信息,在Host中根据气象数据通过训练好的第二K‑Means模型获取第二数据分布信息,并发送至Guest,在Guest中根据第一数据分布信息和第二数据分布信息计算整体数据分布信息,根据该信息获取充电桩用户用电数据画像。与现有技术相比,本发明具有安全性高、准确性高、效率高等优点。

    一种计算引擎与平台解耦的方法及系统

    公开(公告)号:CN114444136B

    公开(公告)日:2024-08-30

    申请号:CN202210119038.5

    申请日:2022-02-08

    IPC分类号: G06F21/71 G06F9/54

    摘要: 本申请提供一种计算引擎与平台解耦的方法及系统,采用driver‑master‑worker的结构来设计计算引擎,当计算引擎触发一个交互时(比如多节点间事件交互、临时数据存储、结果上报、状态上报、告警通知等),这时对应的触发交互的节点(worker或者master)会将该交互信息上报,使得功能模块能够根据交互信息对应的业务代码,处理对应交互行为,即可实现计算引擎主动触发交互的解耦,解耦之后,计算引擎被集成时,由平台厂家进行适配,计算引擎不需要做适配。因此,本申请实施例的方法在互联互通的使用场景中,计算引擎可以通过通用的集成方法被集成。

    基于联邦学习的数据审计系统、方法、计算机设备及介质

    公开(公告)号:CN116596094A

    公开(公告)日:2023-08-15

    申请号:CN202310627903.1

    申请日:2023-05-30

    IPC分类号: G06N20/00 H04L67/1097

    摘要: 本发明公开了一种基于联邦学习的数据审计系统、方法、设备及介质,该系统包括:密钥管理模块、模型买家节点、计算节点、聚合节点和代理节点集群;其中,密钥管理模块生成的密钥包括分片公钥、分片私钥、联合私钥、联合公钥;模型买家节点用于发布待训练模型参数与提供测试集;每个计算节点进行本地模型训练,得到本地梯度,并使用注册后代理节点分发的分片公钥进行梯度加密,得到本地梯度密文;聚合节点用于对本地梯度密文进行解密并同态聚合,得到聚合梯度,并对聚合梯度进行加密,得到聚合梯度密文;代理节点集群用于对本地梯度密文与聚合梯度密文解密,并通过得到的解密明文进行测试,确定参数审计结果。提高数据审计的安全性和效率。

    一种联邦学习方法、装置、电子设备及存储介质

    公开(公告)号:CN114996772A

    公开(公告)日:2022-09-02

    申请号:CN202210693204.2

    申请日:2022-06-17

    IPC分类号: G06F21/71 G06F21/60 G06N20/00

    摘要: 本申请提供一种联邦学习方法、装置、电子设备及存储介质,用于改善目前联邦学习过程的安全性较低的问题。该方法包括:接收无标签方设备发送的密态梯度随机值,无标签方设备上存储有样本数据,密态梯度随机值是对样本数据对应的损失值进行同态加密并加随机数获得的;对密态梯度随机值进行同态解密,获得梯度随机值;在梯度随机值中添加噪声值,获得加噪梯度随机值;向无标签方设备发送加噪梯度随机值,以使无标签方设备根据加噪梯度随机值对本地模型进行联邦学习。

    基于哈希算法和会话控制实现数据融合及数据隐私保护的方法

    公开(公告)号:CN110263575A

    公开(公告)日:2019-09-20

    申请号:CN201910540892.7

    申请日:2019-06-21

    摘要: 本发明涉及一种基于哈希算法和会话控制实现数据融合及数据隐私保护的方法,包括需求模块向映射数据提供模块发送哈希计算后的查询请求;映射数据提供模块查询是否存在数据;需求模块向画像数据提供模块查询提供方数据;画像数据提供模块查询前n位哈希值列表求;映射数据提供模块向画像数据提供模块返回命中信息;画像数据提供模块查询数据。采用了本发明的基于哈希算法和会话控制实现数据融合及数据隐私保护的方法,避免了因为低敏感信息的查询导致高敏感信息的泄漏,也避免了因数据扩散而引起的数据贬值。本专利实现方案使三方均除了用户画像信息外,均不会泄漏用户隐私信息,保障了个人用户以及企业用户的数据隐私和数据安全。

    多维度数据价值探查的方法、装置及系统

    公开(公告)号:CN117632996A

    公开(公告)日:2024-03-01

    申请号:CN202311516283.0

    申请日:2023-11-14

    摘要: 本申请公开了一种多维度数据价值探查的方法、装置及系统,本申请方法包括数据枢纽方接收数据需方发送的多维度数据价值探查请求,返回包括探查方式评价维度的第一选择页面,数据需方进行第一次选择;数据枢纽方根据数据需方的第一次选择结果返回包括探查方式维度的第二选择页面,数据需方进行第二次选择;数据枢纽方根据数据需方的第二次选择结果中包含的探查方式对数据源进行数据探查得到数据探查结果,并将数据探查结果返回给数据需方,以便数据需求根据数据探查结果判断是否发起数据安全交易。本申请解决现有的方法中存在的数据价值判断安全风险大、难度大、准确性差的问题。

    一种树模型构建方法、装置、电子设备及存储介质

    公开(公告)号:CN115146292A

    公开(公告)日:2022-10-04

    申请号:CN202210684346.2

    申请日:2022-06-16

    IPC分类号: G06F21/60

    摘要: 本申请提供了一种树模型构建方法、装置、电子设备及存储介质,用于改善目前联邦学习树模型的构建过程的安全性较低的问题。该树模型构建方法可以应用于联邦学习的第一参与方设备,该方法包括:获取样本数据和样本标签;根据样本数据和样本标签计算初始梯度值;若在树模型中已构建的子树数量小于预设阈值,则对初始梯度值进行加噪处理,获得加噪梯度值,并根据加噪梯度值构建树模型;若在树模型中已构建的子树数量大于或等于预设阈值,则对初始梯度值进行同态加密,获得加密梯度值,并根据加密梯度值构建树模型。