[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

说明书

本发明提供一种电网数据加密模型训练方法、系统、存储介质及设备，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；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。本发明通过量子卷积神经网络来训练电网数据加密模型，并以损失最小为训练目标，使得训练得到的加密模型能够快速、可靠的对电网数据进行加密处理，满足电网大数据的安全维护需求。

技术领域

本发明涉及电网数据安全维护技术领域，特别涉及一种电网数据加密模型训练方法、系统、存储介质及设备。

背景技术

由于快速的经济增长推动了对大规模电力的需求，从而产生了大量的用电数据。另外，所有信息，例如电网线的名称，数量和属性以及电力设备的图像都需要记录在数据库中。因此，电网数据的类型多种多样，但数据量也很大，这对电网数据的安全维护提出了极大的挑战。

发明内容

基于此，本发明的目的是提供一种电网数据加密模型训练方法、系统、存储介质及设备，以满足电网数据的安全维护需求。

根据本发明实施例的一种电网数据加密模型训练方法，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；

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。

另外，根据本发明上述实施例的一种电网数据加密模型训练方法，还可以具有如下附加的技术特征：

进一步地，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。

进一步地，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；

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。

进一步地，所述目标损失的计算公式为：