[发明专利]一种基于全同态的用电加密数据异常检测方法与系统

说明书

本发明公开了一种基于全同态的用电加密数据异常检测方法与系统，该方法使用明文状态下的用电数据对异常检测模型进行训练，得到训练完成后的异常检测模型，再使用全同态生成算法生成的密匙对用户数据进行加密，然后对异常检测模型进行转化处理，使用经转化处理后的异常检测模型对加密后的用户数据进行检测，解密后即得到用电数据的异常检测结果。该系统包含第三方信任机构、云服务器、雾服务器以及用户端。本发明能够实现用电数据在密文状态下的异常检测，不仅有效避免了用电数据在检测模型过程中存在泄露和篡改的情况，而且立足于局部用电异常的检测，有效提升了用电数据异常检测的效率。

技术领域

本发明涉及用电数据异常检测技术领域，特别涉及一种基于全同态的用电加密数据异常检测方法与系统。

背景技术

由传统电网转向智能电网之后，智能电表等终端设备成为用电计量的关键设备之一，用户用电数据通过智能计量设备采集层层上传至数据控制中心，结合智能算法调整大电网的发电、配电过程和用户用电定价，由此可知，大片区用户的用电数据对大电网的运行效率、调配精准度、电价合理化都有着至关重要的影响。一旦由偷电漏电等非技术原因造成的用电数据异常未被及时检测，长期积累，严重损害电网的经济效益，一些报告指出全世界范围内由偷电漏电等非技术原因造成的经济损失每年大概为96亿美元。

目前主流的基于机器学习算法的用电异常检测方法，主要分为有监督与无监督的方法。针对于有监督检测方法，研究者会利用分类、聚类算法对历史数据进行打标签处理，之后，将已处理后的数据送往机器学习模型进行训练，从而得到用户用电异常检测模型，可想而知数据对于检测精准度的影响。

然而目前异常检测模型的训练忽略训练过程中存在数据泄露和篡改的可能性，当攻击者能获取一段时间用户用电数据能分析出该用户什么时候睡觉，什么时候苏醒，什么时候去上班，当该用户不在家时，潜入行窃。因此，保证模型训练过程中数据不被修改与窃取是非常有意义的。

发明内容

本发明旨在至少解决现有技术中存在的技术问题。为此，本发明提出一种基于全同态的用电加密数据异常检测方法与系统。

根据本发明的第一方面，提供一种基于全同态的用电加密数据异常检测方法，包括以下步骤：

构建异常检测模型，并对用户历史用电数据进行预处理，通过预处理后的所述用户历史用电数据训练和测试所述异常检测模型，获得训练完成后的所述异常检测模型；

通过全同态密钥生成算法，获得公钥和私钥；

通过所述公钥对所述用户实时用电数据进行加密；

对所述异常检测模型进行转化处理，并通过所述异常检测模型对加密后的所述用户实时用电数据进行检测；

通过所述私钥对检测后的所述用户实时用电数据解密，获得用户用电异常检测结果。

上述基于全同态的用电加密数据异常检测方法,至少具有如下技术效果：

通过使用明文状态下的用户历史用电数据对异常检测模型进行训练，得到训练完成后的异常检测模型，再通过全同态密钥生成算法获得公钥与私钥，利用公钥对用户实时用电数据进行加密，然后对异常检测模型进行转化处理，使用转化处理后的异常检测模型对用户实时用电数据进行检测，再利用私钥解密后即得到用户用电数据的异常检测结果。本发明提供的一种基于全同态的用电加密数据异常检测方法能够实现用电数据在加密状态下的异常检测，有效避免了用电数据在异常检测过程中存在泄露和篡改的情况。

根据本发明的第二方面，提供一种基于全同态的用电加密数据异常检测系统，包括：

第三方信任机构，用于通过全同态密钥生成算法生成公钥与私钥，并将所述公钥发给用户端以及将所述私钥发给云服务器；

用户端，用于将用户历史用电数据上传至云服务器，还用于通过所述公钥将用户实时用电数据加密，并将所述用户实时用电数据上传至雾服务器；