[发明专利]电网数据加密模型训练方法、系统、存储介质及设备

权利要求书

1.一种电网数据加密模型训练方法，其特征在于，所述方法包括：

获取用于模型训练的加密密钥及电网明文数据；

将所述加密密钥及电网明文数据输入到量子卷积神经网络当中进行训练，所述加密密钥用于和所述电网明文数据进行加密运算；

计算所述量子卷积神经网络的目标损失；

判断所述目标损失是否小于预设值；

若是，则输出所述量子卷积神经网络的训练结果，得到电网数据加密模型；

其中，获取用于模型训练的加密密钥的步骤包括：

采用量子混沌映射生成所述加密密钥；

其中，采用量子混沌映射生成所述加密密钥的步骤包括：

获取经过所述量子混沌映射迭代运算得到的两个混沌序列；

分别将两个所述混沌序列转化为对应的整型数据序列；

将两个所述整型数据序列中的预设位置的序列一一对应的合成对应的所述加密密钥；

其中，所述预设位置为所述整型数据序列的后半部分，混沌序列转换为整型数据序列的公式为：

其中，代表整型数据序列，l_i代表混沌序列；

其中，所述计算所述量子卷积神经网络的目标损失的步骤包括：

分别计算出所述量子卷积神经网络的通讯方损失和窃听者损失，所述损失代表解密输出数据相对于原明文数据的误差量子位数；

根据所述通讯方损失和所述窃听者损失，计算出所述量子卷积神经网络的目标损失；

其中，所述目标损失的计算公式为：

其中，通讯方Alice、通讯方Bob和窃听者Eve采用相同的电路模型进行训练，通讯方Alice和通讯方Bob知晓加密密钥，窃听者Eve不知晓加密密钥，ω_A，ω_B和ω_E分别表示通讯方Alice、通讯方Bob和窃听者Eve的超参数，EL（ω_A,ω_B,ω_E）代表所述目标损失，EL_B（ω_A,ω_B）代表通讯方平均损失，EL_E（ω_A,ω_E）代表窃听者平均损失，|A_n〉代表第n个电网明文数据，|B_n〉代表通讯方Bob解密得到的第n个电网数据，|E_n〉代表窃听者Eve解密得到的第n个电网数据，d（|A_n〉，|B_n〉）代表计算|A_n〉和|B_n〉之间的距离，d（|A_n〉，|E_n〉）代表计算|A_n〉和|E_n〉之间的距离，j表示电网明文数据的总数。