公开(公告)号：CN115775010A

公开(公告)日：2023-03-10

申请号：CN202211470177.9

申请日：2022-11-23

Applicant: 国网江苏省电力有限公司信息通信分公司

Inventor： 王翀 ,  高莉莎 ,  刘梅招 ,  许梦晗 ,  孙凯 ,  戴然

IPC: G06N3/044 ,  G06F21/60 ,  G06Q50/06 ,  G06N3/084

Abstract: 本发明公开了基于横向联邦学习的电力数据共享方法，首先构建C/S通信模式的横向联邦学习框架，并进行如下分布式训练：横向联邦学习框架下，服务器将模型参数发送给各客户端；各客户端构建BP神经网络并采用本地数据集进行本地训练，本地训练完成后的参数采用同态加密技术进行处理后上传；服务器对多个客户端上传的参数进行聚合评估，结果作为全局参数返回到各个客户端进行本地模型的更新，直至达到训练需求或模型收敛为止；其次根据测试数据对分布式训练完成的模型进行验证测试与评估，实现数据的精准预测。本发明在共享时不影响数据的使用，同时保护各参与方的隐私信息，能解决电力数据的数据融合及共享安全问题。

公开(公告)号：CN115775010B

公开(公告)日：2024-03-19

申请号：CN202211470177.9

申请日：2022-11-23

Applicant: 国网江苏省电力有限公司信息通信分公司

Inventor： 王翀 ,  高莉莎 ,  刘梅招 ,  许梦晗 ,  孙凯 ,  戴然

IPC: G06N3/044 ,  G06F21/60 ,  G06Q50/06 ,  G06N3/084

Abstract: 本发明公开了基于横向联邦学习的电力数据共享方法，首先构建C/S通信模式的横向联邦学习框架，并进行如下分布式训练：横向联邦学习框架下，服务器将模型参数发送给各客户端；各客户端构建BP神经网络并采用本地数据集进行本地训练，本地训练完成后的参数采用同态加密技术进行处理后上传；服务器对多个客户端上传的参数进行聚合评估，结果作为全局参数返回到各个客户端进行本地模型的更新，直至达到训练需求或模型收敛为止；其次根据测试数据对分布式训练完成的模型进行验证测试与评估，实现数据的精准预测。本发明在共享时不影响数据的使用，同时保护各参与方的隐私信息，能解决电力数据的数据融合及共享安全问题。