一种基于联邦学习的电表用电数据的隐私保护方法

    公开(公告)号:CN115795501A

    公开(公告)日:2023-03-14

    申请号:CN202211417350.9

    申请日:2022-11-11

    Abstract: 本发明属于数据隐私保护技术领域,尤其为一种基于联邦学习的电表用电数据的隐私保护方法,在联邦场景下建立一个用电量预测模型,由数据拥有方提供数据,由加密服务方提供加解密服务,由服务器方计算得到用电量预测模型的参数,计算用电量预测模型的参数过程中,由数据拥有方在本地将数据直接预处理并进行同态加密和聚合,服务器方只得到一组加密且聚合的中间量,不能由此推断出关于本地电表用电数据的任何敏感信息;由服务器方添加第一扰动数据,加密服务方对第三中间量数据添加第二扰动数据,使得加密服务方和服务器方均不能得到用电量预测模型的真实参数,数据拥有方的电表用电数据以及电量预测模型的参数都得到很好的保护。

Patent Agency Ranking