[发明专利]一种基于联邦学习的电力数据安全高效共用方法

权利要求书

1.一种基于联邦学习的电力数据安全高效共用方法，其特征在于：包括以下步骤，

S100～在各电力公司中部署数据采集设备，并选择一个电力公司作为共同信任的协调方；

S200～将各电力结点获取到的交互数据存储在各电力公司的本地数据库中，并通过筛查其中的无用数据、空数据与误报数据，并将数据格式与标准数据格式比对，清除无效数据，达到清洗其中的脏数据；

S300～协调方将初始化的模型参数w发送至各个电力结点；

S400～各电力结点通过初始模型参数w对其存储数据进行模型训练，得到各自的平均梯度，与相应的本地模型参数，并求得各工作结点的凸损失函数的值，表示第t个结点点参与训练的数据的总数量；表示第t个电力结点数据集中的第i个特征向量，同理表示第t个电力结点数据集中的第i个特征向量所对应的标签；

S500～各电力结点将求得的凸损失函数的值与模型参数w进行同态加密和致盲操作，并将其传至协调方；

S600～协调方放置汇总得到新的模型参数w，并根据新的模型参数w并计算协方差矩阵与；

S700～协调方根据计算结果，判断当前新的模型参数w是否收敛，若是则将新的模型参数w作为标准模型参数，若未收敛，则将新的模型参数w再传至各电力结点，重复步骤S400到步骤S700中迭代过程，直至模型参数w收敛。

2.根据权利要求1所述的基于联邦学习的电力数据安全高效共用方法，其特征在于：所述的电力结点包括控制中心、数据存储中心与特定的数据采集器。

3.根据权利要求1所述的基于联邦学习的电力数据安全高效共用方法，其特征在于：所述的步骤S400中，采用联邦模型进行训练，所采用的公式如下所示：

其中W代表参与训练的所有电力结点的所有模型参数的集合，即，代表第t个电力结点在本轮联邦学习过程中的所有的模型参数；是协方差矩阵用于描述不同电力结点之间的关联；m表示参与训练的电力结点的数量；N表示参与训练数据的总数量；表示第t个结点点参与训练的数据的总数量；表示第t个电力结点数据集中的第i个特征向量，同理表示第t个电力结点数据集中的第i个特征向量所对应的标签；为正则化参数，且；是第t个电力结点使用机器学习模型训练数据后得到的凸损失函数，用于衡量各电力结点数据之间的关联性。

4.根据权利要求1所述的基于联邦学习的电力数据安全高效共用方法，其特征在于：所述的步骤S500的具体过程为：

S501～在电力结点内对模型参数使用Paillier同态加密对模型参数w进行加密；

S502～添加各结点的致盲因子，对密文进行致盲操作，得到。

5.根据权利要求4所述的基于联邦学习的电力数据安全高效共用方法，其特征在于：所述的步骤S700中，当判断当前新的模型参数w不收敛时，再重复步骤S500时，协调方第m次收敛迭代表述为下式：

，其保护机制可以表示为，其中为第m轮收敛迭代中的致盲因子，为第m轮收敛迭代中第n个节点执行同态加密后的本地模型参数，为参与聚合过程的节点数量，为新一轮的联邦学习全局模型。

6.根据权利要求1所述的基于联邦学习的电力数据安全高效共用方法，其特征在于：所述的步骤S600中，计算协方差矩阵与的过程为：根据式求得更新后的协方差矩阵，式中W代表参与训练的所有电力结点的所有模型参数的集合，并在此基础上，使用块对偶坐标下降，得原函数 的对偶问题 并进行求解。