公开(公告)号：CN119919158A

公开(公告)日：2025-05-02

申请号：CN202510397520.9

申请日：2025-04-01

Applicant: 南京邮电大学

Inventor： 邓松 ,  田鹏 ,  岳东 ,  付雄

IPC: G06Q30/018 ,  G06F21/62 ,  G06Q50/06 ,  G06N3/098 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及窃电检测技术领域，具体涉及一种基于隐私增强的智能电网联邦学习窃电检测方法，包括：步骤S1：采集用户能耗数据构建本地训练数据集；步骤S2：将本地训练数据集分批次输入训练模型提取时序特征和空间特征；步骤S3：确定输出结果，更新训练模型的权重和偏置；步骤S4：将训练完成后的权重和偏置输入隐私保护器确定加密向量，经数据中心得到聚合向量；步骤S5：通过聚合向量得到解密向量，确定窃电检测模型，判断是否达到最大迭代次数，若否，重复执行步骤S2~S4；若是，执行下一步骤；步骤S6：若预测结果大于筛选阈值，说明对应分析的用户为窃电用户，并将窃电用户的信息传输至数据中心。

公开(公告)号：CN119359656A

公开(公告)日：2025-01-24

申请号：CN202411394108.3

申请日：2024-10-08

Applicant: 南京邮电大学

Inventor： 邓松 ,  邓君洋 ,  岳东 ,  田鹏

IPC: G06T7/00 ,  G01N21/88 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/096 ,  G06N3/098 ,  G06F21/62 ,  G06F21/60 ,  G06N3/09

Abstract: 本申请实施例提供一种基于联邦学习的输电线路防振锤缺陷检测系统和方法，涉及目标检测技术领域，检测系统包括通过本客户端基于改进的YOLOv10模型并预先构建的学生模型和教师模型，利用指数移动平均EMA实现模型的更新；在联邦学习FL框架下，引入全同态加密FHE技术，在各个客户端本地模型训练完毕后，将各客户端的模型参数利用全同态加密技术进行加密并上传至服务器端；本申请实施例在各个客户端独立进行模型的训练，在不共享数据的情况下，利用分布在不同地点的数据资源，实现了对输电线路防振锤缺陷的准确检测，并依据联邦学习理论方法，引入全同态加密算法对模型训练过程中传输的模型参数进行加密处理，有效地保护了数据的隐私安全。