-
公开(公告)号：CN117650887B
公开(公告)日：2025-03-21
申请号：CN202311458175.2
申请日：2023-11-02
Applicant: 国网浙江省电力有限公司电力科学研究院 , 北京邮电大学
Abstract: 本发明公开了基于可信计算沙盒的隐私处理方法及平台，属于多方共享数据处理技术领域。本发明的基于可信计算沙盒的隐私处理方法，根据数据共享方发布的计算任务请求，在可信计算沙盒中创建机密容器；机密容器生成一对容器公私钥，并将容器公钥传至区块链上；可信计算沙盒通过用户公钥进行验签，并用容器私钥解密数据与计算模型，进行分布式数据计算，得到分布式计算结果，进而获得本次计算请求任务的结果；任务结束后，区块链销毁执行本次任务的机密容器，机密容器同步清除本次任务的隐私数据与计算模型，实现数据多方共享过程的隐私处理，方案科学、合理、详尽，切实可行，利于推广使用。
-
公开(公告)号：CN114169412B
公开(公告)日：2024-09-06
申请号：CN202111397160.0
申请日：2021-11-23
Applicant: 北京邮电大学 , 国网浙江省电力有限公司电力科学研究院
IPC: G06F18/214 , G06N3/098
Abstract: 本发明提供一种面向大规模产业链隐私计算的联邦学习模型训练方法。所述方法包括：由联邦学习中心服务器节点以非独立同分布为目标划分产业链业务训练数据集，并分发至多个联邦学习工人节点；联邦学习工人节点基于目标利润函数迭代训练本地模型；聚合服务器节点在聚合每个联邦学习工人节点发送的更新后的本地模型权重后，根据各个本地模型权重分布和整体本地模型权重分布，计算每个联邦学习工人节点对应的地动距离，并剔除超过预设距离阈值的联邦学习工人节点；由剩余的联邦学习工人节点继续进行模型训练。本发明在联邦学习模型训练过程中将分布差异过大的数据分布剔除，减少异质性数据带来的精度损失，提高了传统算法在产业链中的应用可靠性。
-
公开(公告)号：CN117650887A
公开(公告)日：2024-03-05
申请号：CN202311458175.2
申请日：2023-11-02
Applicant: 国网浙江省电力有限公司电力科学研究院 , 北京邮电大学
Abstract: 本发明公开了基于可信计算沙盒的隐私处理方法及平台，属于多方共享数据处理技术领域。本发明的基于可信计算沙盒的隐私处理方法，根据数据共享方发布的计算任务请求，在可信计算沙盒中创建机密容器；机密容器生成一对容器公私钥，并将容器公钥传至区块链上；可信计算沙盒通过用户公钥进行验签，并用容器私钥解密数据与计算模型，进行分布式数据计算，得到分布式计算结果，进而获得本次计算请求任务的结果；任务结束后，区块链销毁执行本次任务的机密容器，机密容器同步清除本次任务的隐私数据与计算模型，实现数据多方共享过程的隐私处理，方案科学、合理、详尽，切实可行，利于推广使用。
-
公开(公告)号：CN115438770A
公开(公告)日：2022-12-06
申请号：CN202210924931.5
申请日：2022-08-02
Applicant: 北京邮电大学 , 国网浙江省电力有限公司电力科学研究院
Abstract: 本发明提供了一种基于自监督学习的纵向联邦学习方法、装置和存储介质，所述方法包括每一个参与方利用该参与方的所述非重叠数据集对所述表示层进行训练，并通过训练后的所述表示层对该参与方的所述重叠数据集中的重叠数据进行编码，将得到的编码数据发送至服务器，以使服务器利用融合后的来自于所有参与方的编码数据完成对所述推理层的训练。本发明实现了非重叠数据的利用，释放了数据潜力，减少了数据资源的浪费；并将编码数据发送至服务器中，从而将梯度回传截断在服务器内部，减少了参与方通过梯度反推标签的可能，同时通过减少参与方与服务器之间频繁的梯度传输，也减少了因梯度回传导致的梯度泄露或被篡改的风险。
-
公开(公告)号：CN114499895B
公开(公告)日：2022-07-29
申请号：CN202210353338.X
申请日：2022-04-06
Applicant: 国网浙江省电力有限公司电力科学研究院 , 北京邮电大学
Abstract: 本发明公开了一种融合可信计算与区块链的数据可信处理方法及系统，属于能源数据处理技术领域。本发明的一种融合可信计算与区块链的数据可信处理方法及系统，主要用于解决当前区块链应用过程中能源数据上链前的能源数据信任问题以及业务计算的环境可信问题。针对上链能源数据可信问题，从物联网采集端或者是物联网能源数据采集平台两方面出发，采用可信计算技术与区块链技术融合的方法，通过可信计算嵌入物联网采集设备、预言机、链上链下能源数据可信校验模型，实现对能源数据收集、传输、存储过程的可信，结合可信计算的安全监控，确保能源数据采集可信。针对业务计算环境问题，本发明提出了一种结合可信计算和状态通道的计算架构，实现能源数据在隐私保护的情况下开展业务计算。
-
Patent Agency Ranking
公开(公告)号：CN113379485B
公开(公告)日：2023-05-19
申请号：CN202110608927.3
申请日：2021-06-01
Applicant: 国网浙江省电力有限公司电力科学研究院 , 浙江大学 , 北京邮电大学 , 国网辽宁省电力有限公司电力科学研究院
IPC: G06Q30/0601 , G06Q30/08 , G06Q40/04 , G06Q50/06 , G06F21/60
Abstract: 本发明公开了基于哈希算法与二次报价的需求响应竞价交易方法及系统，属于电力系统技术领域。现有的需求响应竞价交易业务存在数据可信不高、隐私保护不好、交易效率低等问题，本发明的基于哈希算法与二次报价的需求响应竞价交易方法，通过不可逆向求解的哈希算法加密电力用户需求响应投标信息，并采用重复报价的方式，即第一次报价采用密封报价，投标截止后进行第二次报价且电力用户提供不加密的真实报价，借助区块链不可篡改的特性进行两次报价的一致性检验，防止电力用户投标信息泄露和恶意竞标情况的发生，进而能够有效保障竞价交易的可信；进一步，本发明能够与现行需求响应交易机制有效结合，特别适用于需求响应竞价交易。
-
公开(公告)号：CN115733608A
公开(公告)日：2023-03-03
申请号：CN202211367799.9
申请日：2022-11-03
Applicant: 国网浙江省电力有限公司电力科学研究院 , 北京邮电大学 , 北京创安恒宇科技有限公司
Abstract: 本发明公开了一种基于可信隐私计算的竞价交易方法以及系统和装置，属于竞价交易技术领域。本发明的一种基于可信隐私计算的竞价交易方法，通过构建隐私计算平台、竞价用户客户端以及区块链，设置一种区块链与可信计算的融合计算框架，并通过非对称加密确保各方数据交互过程的保密性，并由可信计算构建可信执行环境完成竞价过程的隐私计算，融合区块链共识机制将各方身份凭证、数据交互行为、可信验证实现存证与校验，不光能确保竞价数据处理、传输的可信，也能确保计算环境的可信，进而可以实现可信的安全多方计算过程，使得本发明能够适用于多方用户参与竞价的场合，有效避免了报价隐私数据泄露，促进了竞价公平。
-
公开(公告)号：CN115695474A
公开(公告)日：2023-02-03
申请号：CN202211258283.0
申请日：2022-10-13
Applicant: 北京邮电大学 , 国网浙江省电力有限公司电力科学研究院
IPC: H04L67/12 , H04L67/1097 , H04L67/10
Abstract: 本发明提供一种物联网资源共享方法、装置、系统、电子设备及存储介质。所述方法包括：将资源请求类终端的任务集合发布在区块链中，任务集合中包括任务描述和终端奖励给资源提供类节点的总资源值；根据任务描述和终端奖励给资源提供类节点的总资源值计算任务为每个资源提供节点带来的效益；对每个卸载策略下各个资源提供节点的效益进行求和，将效益总和最大值对应的资源提供节点作为当前任务卸载终端，可以得到物联网终端的任务卸载策略。本发明在保证普通物联网节点任务执行效率的同时实现资源节点的收益最大化，充分调用社会资源，提高物联网性能。
-
公开(公告)号：CN113256114B
公开(公告)日：2022-05-31
申请号：CN202110573811.0
申请日：2021-05-25
Applicant: 国网宁夏电力有限公司电力科学研究院 , 北京邮电大学 , 国网山西省电力公司信息通信分公司 , 国网浙江省电力有限公司电力科学研究院
Inventor： 闫振华 , 李永亮 , 夏绪卫 , 郭少勇 , 丁茂生 , 高博 , 黄建平 , 张爽 , 吴旻荣 , 马万里 , 陈洁蔚 , 马瑞 , 罗海荣 , 张庆平 , 李秀广 , 朱东歌 , 李晓龙 , 王峰 , 刘佳 , 马军伟
Abstract: 本发明提供基于分布式发电消纳的日前与时前两阶段的需求响应方法，属于电力系统技术领域。包括：云计算节点向边缘节点发起日前需求响应；边缘节点根据日前负荷响应总量下发与聚合商的历史响应能力相匹配的响应任务给聚合商；边缘节点接收聚合商上传的日前负荷响应决策信息；边缘节点根据日前负荷响应决策信息进行一阶段日前电力负荷预测更新；边缘节点根据聚合商当日上报的时前用电开销数据进行二阶段时前电力需求预测更新；边缘节点根据聚合商当日上报的时前分布式电源发电功率分析分布式电源的当前消纳情况；当不满足分布式电源的消纳需求时，聚合商发起实时需求响应；当满足消纳需求时，云计算节点根据时前用电开销数据修正分时电价。
-
公开(公告)号：CN114169412A
公开(公告)日：2022-03-11
申请号：CN202111397160.0
申请日：2021-11-23
Applicant: 北京邮电大学 , 国网浙江省电力有限公司电力科学研究院
Abstract: 本发明提供一种面向大规模产业链隐私计算的联邦学习模型训练方法。所述方法包括：由联邦学习中心服务器节点以非独立同分布为目标划分产业链业务训练数据集，并分发至多个联邦学习工人节点；联邦学习工人节点基于目标利润函数迭代训练本地模型；聚合服务器节点在聚合每个联邦学习工人节点发送的更新后的本地模型权重后，根据各个本地模型权重分布和整体本地模型权重分布，计算每个联邦学习工人节点对应的地动距离，并剔除超过预设距离阈值的联邦学习工人节点；由剩余的联邦学习工人节点继续进行模型训练。本发明在联邦学习模型训练过程中将分布差异过大的数据分布剔除，减少异质性数据带来的精度损失，提高了传统算法在产业链中的应用可靠性。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.091 seconds)
