[发明专利]一种保护隐私的电网用户用能分析方法、系统及存储介质

说明书

本发明公开了一种保护隐私的电网用户用能分析方法、系统及存储介质，属于智能电网技术领域，方法包括：获取用能分析服务器与各电网用户之间的共享密钥；根据预构建的Lenet‑5网络模型，通过所述用能服务器，使用所述共享密钥，向各所述电网用户发送用能分析请求；响应于所述用能分析请求，根据私密性点乘算法，通过各所述电网用户，使用所述共享密钥，向所述用能服务器发送用能分析应答；响应于所述用能分析应答，根据所述Lenet‑5网络模型，通过所述用能分析服务器，输出用能分析结果。该方法在解决用能数据隐私问题的同时，解决数据完整性保护问题。

技术领域

本发明涉及一种保护隐私的电网用户用能分析方法、系统及存储介质，属于智能电网技术领域。

背景技术

随着工业和民用电力需求的增长，节电设备和技术迎来旺盛的市场需求。节电技术的核心在于使用现代信息技术进行能效管理和需求侧管理，从而实现节能减排和供需平衡，其关键在于对用电终端能源使用情况进行分析和挖掘，并针对终端用电情况制定节能方案，这要求电网对终端负荷数据进行实时采集和分析，即用能分析和负荷监测。

用能分析服务器上有一个机器学习模型，用于接收多个电网用户的用能数据，并根据用能数据训练模型，最终得到能对用能数据进行分析的推理模型。用能数据隐私问题是设计用能分析系统的关键。

现有的解决用能数据隐私问题的方案主要包括：同态加密、差分隐私和多方计算等算法。在同态加密方案中，用户对自己的私密数据加密，用能分析服务器直接对密文进行操作，得出结果后，再交由用户解密得出计算结果。然而，这种方案虽然能保护用户数据隐私，但是用户也能得到服务器的计算结果，导致服务器结果泄露；同时，同态加密方案高昂的计算开销也阻碍了其实际部署使用。在差分隐私技术中，用户对自己的数据添加噪声，以避免恶意攻击者获取自己的真实用能信息。然而，差分隐私技术会降低机器学习模型的识别准确率。在传统的多方计算技术中，参与计算的多方使用不经意传输协议来交互隐私数据，并使用混淆电路替代计算过程，从而实现在不泄露各自隐私数据的情况下完成计算过程。然而，多方计算需要用到大量模幂运算，计算复杂度过高，难以实际部署。与此同时，还有一些基于秘密共享的多方计算方案，然而这类也存在计算开销大等问题。除此之外，现有方案都只关注了用能数据的隐私问题，没有考虑数据完整性保护问题。

发明内容

本发明的目的在于提供一种保护隐私的电网用户用能分析方法、系统及存储介质，解决用能数据隐私问题的同时，解决数据完整性保护问题。

为达到上述目的，本发明提供如下技术方案：

第一方面，本发明提供一种保护隐私的电网用户用能分析方法，包括：

获取用能分析服务器与各电网用户之间的共享密钥；

根据预构建的Lenet-5网络模型，通过所述用能服务器，使用所述共享密钥，向各所述电网用户发送用能分析请求；

响应于所述用能分析请求，根据私密性点乘算法，通过各所述电网用户，使用所述共享密钥，向所述用能服务器发送用能分析应答；

响应于所述用能分析应答，根据所述Lenet-5网络模型，通过所述用能分析服务器，输出用能分析结果。

结合第一方面，进一步的，获取用能分析服务器与各电网用户之间的共享密钥包括：

通过密钥分发服务器，对密钥参数进行初始化设置，以使用能分析服务器和各电网用户均持有公钥参数，并分别持有其各自的私钥；

根据所述公钥参数和用能分析服务器的私钥，由用能分析服务器生成其与各电网用户的共享密钥；

根据所述公钥参数和各电网用户的私钥，由各电网用户生成其与用能分析服务器的共享密钥；

其中，由用能分析服务器生成的与各电网用户的共享密钥和由各电网用户生成的与用能分析服务器的共享密钥相同。