-
公开(公告)号：CN115883080A
公开(公告)日：2023-03-31
申请号：CN202211498861.8
申请日：2022-11-28
Applicant: 国网安徽省电力有限公司信息通信分公司
Inventor： 胡聪 , 蒋明 , 王双 , 张翠翠 , 孙佳丽 , 刘翠玲 , 张庭曾 , 王鹏 , 张昀晔 , 卢锐轩 , 朱新华 , 雷沁怡 , 徐超 , 孙琦 , 程伟 , 赵林燕 , 张良培
Abstract: 本发明公开了一种轻量级纵向联邦学习隐私保护数据对齐方法，其特点是该方法采用不经意键值存储和零共享方法，可在任意数量腐败方合谋的场景下支持纵向联邦学习中高效的隐私保护数据，具体包括：系统初始化、密钥与碎片分发、键值存储生成和计算交集结果等步骤。本发明与现有技术相比具有使用轻量级的对称加密操作，且可以在任意数量腐败方合谋的情况下高效地解决纵向联邦学习隐私保护数据对齐问题，同时并不泄露各个数据集中交集外的样本ID，根据腐败方数量划分参与方的机制确保了诚实方数据集的安全，可以达到抗任意数量敌手合谋的半诚实模型和恶意模型下的安全性，从而满足了纵向联邦学习中的高效性和隐私性需求。
-
公开(公告)号：CN110647086B
公开(公告)日：2020-11-06
申请号：CN201910983575.2
申请日：2019-10-16
Applicant: 国网安徽省电力有限公司信息通信分公司
Inventor： 李明 , 方圆 , 卓文合 , 张靖 , 唐轶轩 , 徐道磊 , 姚振 , 郭洋 , 马永 , 吴尚 , 俞骏豪 , 张亮 , 管建超 , 孙强 , 许畅 , 张永梅 , 郭骏 , 武秋阳 , 方锐 , 曹弯弯 , 吴跃 , 王双
IPC: G05B19/042
Abstract: 本发明涉及运维管理监控，具体涉及一种基于运行大数据分析的智能运维监控系统，包括控制器，控制器通过无线通信模块与用于采集运维监测数据的运维服务系统建立无线通信，控制器与用于存储运维监测数据的采集数据存储模块相连，控制器与用于存储运维服务系统工作阈值参数的阈值存储模块相连，控制器与用于检测运维服务系统是否存在异常状态的异常数据检测单元相连，控制器从采集数据存储模块中删除处于异常状态的运维服务系统的运维数据；本发明提供的技术方案能够有效克服现有技术所存在的不能对运维数据进行有效筛选、运维服务系统无法根据电网运行情况进行自主适应性调节的缺陷。
-
公开(公告)号：CN116738497A
公开(公告)日：2023-09-12
申请号：CN202310346859.7
申请日：2023-04-03
Applicant: 国网安徽省电力有限公司信息通信分公司
IPC: G06F21/64 , G06F21/60 , G06F21/62 , G06F16/2458 , G06N5/025
Abstract: 针对电力数据特征挖掘过程中可能存在的敏感信息泄露，为满足对电力敏感隐私数据的安全保护需求，本发明提出一种基于电力数据安全向量信息隐藏的数据关联规则挖掘方法。该方法中各数据持有方生成随机保密矢量以隐藏数据隐私，利用较多未知随机量无法从较少联立方程中逆推的原理保证安全性。搜寻多方数据库中的所有频繁项集，从而找到具有给定最小支持度和最小置信度的强关联规则。该方法可实现在不共享精确数据的条件下，获取准确的数据关系。对于需要保持多方隐私安全的分布式数据库，该方案既可用于搜索频繁项集，又能保持各方数据的隐私。
-
公开(公告)号：CN115865313A
公开(公告)日：2023-03-28
申请号：CN202211480939.3
申请日：2022-11-24
Applicant: 国网安徽省电力有限公司信息通信分公司
Inventor： 胡聪 , 蒋明 , 王双 , 张翠翠 , 孙佳丽 , 刘翠玲 , 张庭曾 , 王鹏 , 张昀晔 , 卢锐轩 , 朱新华 , 雷沁怡 , 徐超 , 孙琦 , 程伟 , 赵林燕 , 张良培
Abstract: 本发明公开了一种轻量级隐私保护纵向联邦学习模型参数聚合方法，其特点是该方法在联邦学习背景下采用任意单向陷门置换和不同的哈希摘要算法，实现多用户场景下的隐私保护参数聚合计算，具体包括：系统初始化、加密、数据聚合、解密四个阶段。本发明与现有技术相比具有较低的计算和通信开销，无需利用公钥同态加密，保证了聚合结果的安全性，保护了参与方敏感数据免受合谋攻击，较好的解决了计算密集型公钥同态加密给资源受限的本地用户带来了无法忍受的高复杂性问题，保证了聚合结果的安全性，满足了各种高效性和隐私性需求。
-
公开(公告)号：CN115687501A
公开(公告)日：2023-02-03
申请号：CN202211397646.9
申请日：2022-11-09
Applicant: 国网安徽省电力有限公司信息通信分公司
Inventor： 胡聪 , 蒋明 , 王双 , 张翠翠 , 孙佳丽 , 刘翠玲 , 张庭曾 , 王鹏 , 张昀晔 , 卢锐轩 , 朱新华 , 雷沁怡 , 徐超 , 孙琦 , 程伟 , 赵林燕 , 张良培
IPC: G06F16/26 , G06F21/62 , G06F16/2455
Abstract: 本发明涉及一种基于差分隐私计算保护下的电力数据关联规则挖掘方法，其特征在于，所述方法包括以下步骤：步骤1：使用向量A＝{ai}(i＝1…n)和B＝{bi}(i＝1…n)表示用户A和用户B的某一个属性对应的属性列；步骤2：使用瑞丽散度对属性列{A,B}的元素进行混淆，得到{A′,B′}；步骤3：搜索两个分布式数据库A和B的频繁项集；步骤4：用户A和B生成随机保密向量R和R′以隐藏数据隐私，并输出对应的强关联规则；本发明可实现在不共享精确数据的条件下，获取准确的数据关系。对于需要保持多方隐私安全的分布式数据库，该方案既可用于搜索频繁项集，又能保持各方数据的隐私。
-
Patent Agency Ranking
公开(公告)号：CN116796864A
公开(公告)日：2023-09-22
申请号：CN202310320264.4
申请日：2023-03-29
Applicant: 国网安徽省电力有限公司信息通信分公司
Abstract: 本发明提出一种基于数据相似度聚合的电力数据分布式联邦学习系统，包括基于本地模型聚合的分布式联邦学习模型和基于模型数据相似度的联邦学习聚合过程，其中分布式联邦学习模型包括区块链网络和本地服务器(区块链节点服务器节点和模型计算服务器节点)，旨在将模型参数聚合工作转到本地服务器中进行，解决了传统联邦学习对中心服务器的依赖和模型单一的问题，实现本地模型个性化；基于模型数据相似度的联邦学习聚合方法利用余弦相似度计算参与者模型参数之间的相关度，确定模型聚合过程中所占权重，实现相似应用场景模型之间更多的学习。该方案满足数据隐私保护需求，有效提高了电力企业在负荷预测和故障诊断等不同应用场景下的安全性和准确性。
-
公开(公告)号：CN110647086A
公开(公告)日：2020-01-03
申请号：CN201910983575.2
申请日：2019-10-16
Applicant: 国网安徽省电力有限公司信息通信分公司
Inventor： 李明 , 方圆 , 卓文合 , 张靖 , 唐轶轩 , 徐道磊 , 姚振 , 郭洋 , 马永 , 吴尚 , 俞骏豪 , 张亮 , 管建超 , 孙强 , 许畅 , 张永梅 , 郭骏 , 武秋阳 , 方锐 , 曹弯弯 , 吴跃 , 王双
IPC: G05B19/042
Abstract: 本发明涉及运维管理监控，具体涉及一种基于运行大数据分析的智能运维监控系统，包括控制器，控制器通过无线通信模块与用于采集运维监测数据的运维服务系统建立无线通信，控制器与用于存储运维监测数据的采集数据存储模块相连，控制器与用于存储运维服务系统工作阈值参数的阈值存储模块相连，控制器与用于检测运维服务系统是否存在异常状态的异常数据检测单元相连，控制器从采集数据存储模块中删除处于异常状态的运维服务系统的运维数据；本发明提供的技术方案能够有效克服现有技术所存在的不能对运维数据进行有效筛选、运维服务系统无法根据电网运行情况进行自主适应性调节的缺陷。
-
公开(公告)号：CN116389000A
公开(公告)日：2023-07-04
申请号：CN202310325004.6
申请日：2023-03-29
Applicant: 国网安徽省电力有限公司信息通信分公司
Abstract: 本发明提供一种基于准确率的联邦学习模型安全分享方法。该方法由本地模型更新并计算模型准确率、建立共识小组以及进行共识三个步骤构成。局部模型的更新和模型精度的计算步骤，从本地服务器i中使用本地数据训练得到本地模型Mi，并利用该模型和相关测试数据进行测试，得到识别准确率acci；在建立共识小组步骤中，将所有节点分为共识小组节点和候选节点。在进行共识步骤中，基于模型准确率，计算节点的投票权。共识小组中投票权最高的节点成为主节点，获得记账权。最后在吞吐量、时延、容错性、带宽等各方面的性能均优于传统PBFT共识算法，该方法可以优化共识过程，减少共识时间，提高系统性能。
-
公开(公告)号：CN116383876A
公开(公告)日：2023-07-04
申请号：CN202310319681.7
申请日：2023-03-29
Applicant: 国网安徽省电力有限公司信息通信分公司
Abstract: 本发明提供一种基于不经意随机访问的隐私安全计算方法，该方法由模型初始化、访问数据以及混洗写回三个步骤构成。在模型初始化步骤，完成对访问方、ORAM规则以及存储方的初始化操作；在访问数据步骤，访问方经过ORAM规则向存储方发出读写请求；在混洗写回步骤，存储方定期根据ORAM协议对数据进行乱序写回操作，以保证逻辑地址和物理地址的对应关系不会被存储方捕捉并通过计算推断出数据块内容。该方法可以有较高效率与较高并发性完成多用户的隐私安全计算。
-
公开(公告)号：CN116361855A
公开(公告)日：2023-06-30
申请号：CN202310319698.2
申请日：2023-03-29
Applicant: 国网安徽省电力有限公司信息通信分公司
Abstract: 本发明提供了一种去中心化的基于差分隐私的电力数据联邦学习隐私计算保护方法,该方法由模型初始化、模型训练和模型加噪以及个性化模型生成三个步骤构成。在模型初始化步骤,对各个参与者定义本地初始化模型；在模型训练和模型加噪步骤,利用本地数据集对各个参与者的模型进行训练,对训练好的模型添加满足差分隐私条件的基于高斯机制的噪声,并通过区块链交易将模型发给其余参与者；在个性化模型生成步骤,各个参与者将本地模型和其余参与者的模型通过参数相关度进行聚合,最后生成本地个性化模型。该方法表明,差分隐私能在有效防止攻击者逆向推断参与者信息,并能对去中心化的电力数据联邦学习模型实现有效的隐私保护。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.045 seconds)
