[发明专利]基于安全分享的联邦学习场景下的能源数据融合计算方法

说明书

本发明提供基于安全分享的联邦学习场景下的能源数据融合计算方法，包括：对多元能源数据进行数据预处理，得到预处理后的能源数据；在客户端与中心参数服务器之间基于反向补偿机制选取安全通信通道，确定在安全通信通道中使用的联邦学习参数；在中心参数服务器处生成初始模型，将生成的初始模型向每个客户端分发，每个客户端在接收到初始模型后结合预处理后的能源数据进行安全联邦训练利用联邦学习技术在能源隐私数据不出数据源的情况下进行多元融合计算，同时利用安全分享的安全技术对联邦学习过程传递的梯度信息进行安全保障，实现对能源数据安全、高效、的多元融合计算分析。

技术领域

本发明涉及能源产业的融合计算和信息安全领域，尤其涉及基于安全分享的联邦学习场景下的能源数据融合计算方法。

背景技术

随着大数据时代的到来，海量的用户数据成为数据建模分析的宝贵财富。但是，由于行业竞争、隐私安全、整合代价高昂、行政手续复杂等问题，即使是同一个公司的不同部门，实现数据整合也往往面临重重阻力。因此，在现实情况下，不同行业、不同部门的数据大多以数据孤岛的形式存在。

在这样的背景下，多元数据融合技术以其能够通过综合不同数据源的多方信息，吸收各领域的数据特点，获取比单一数据更好、更丰富的知识的优势成为诸多数据分析领域的重要技术手段之一。由于能源数据范围广泛，不同的能源数据（电力、煤炭、天然气等）之间既相互关联又有所区别。因此，近年来，多元数据融合技术在能源数据分析领域获得了广泛的研究和应用。然而，目前已有的多元数据融合技术多以融合数据为主，这不可避免地涉及数据的共享和泄露。同时，不同能源部门的数据涉及用户的隐私和部门的机密而难以得到共享。

发明内容

针对能源数据多元化、多模态、隐私性等特点、考虑现有能源数据融合计算的局限和不足，本发明提供一种基于联邦学习的跨部门多元能源数据融合计算的方法，利用联邦学习技术在能源隐私数据不出数据源的情况下进行多元融合计算，同时利用安全分享的安全技术对联邦学习过程传递的梯度信息进行安全保障，实现对能源数据安全、高效、的多元融合计算分析。

本发明提供了如下技术方案：

基于安全分享的联邦学习场景下的能源数据融合计算方法，包括：

S1，对能源数据进行数据预处理，得到预处理后的能源数据；

S2，在客户端与中心参数服务器之间基于反向补偿机制选取安全通信信道，确定在安全通信信道中使用的联邦学习参数；

S3，在中心参数服务器处生成初始模型，将生成的初始模型向每个客户端分发，每个客户端在接收到初始模型后结合预处理后的能源数据进行安全联邦训练，将获取到的能源数据代入训练后的模型完成能源数据融合计算；

所述S2，包括：

S21，在中心参数服务器处的存储有预设的安全参数值；

S22，根据预设的安全等级评定函数，计算等待与中心参数服务器进行通信的每个客户端处的安全环境值；

S23，基于每个客户端的安全环境值与安全参数值计算每个客户端的安全等级指数，根据得到的安全等级指数进行反向补偿，结合预设的安全通信等级选取适用于每个客户端的安全通信信道。

可选的，所述S1包括：

S11，使用PSI算法对多元能源数据进行交集计算；

S12，对计算后的能源数据进行数据清洗和数据对齐。

可选的，所述S12，包括：

S121，确定包含数据校验位的数据格式，获取每类数据格式中允许存储的最大数据长度；

S122，根据最大数据长度对能源数据进行数据清洗，得到数据清洗后的能源数据；

S123，结合能源数据来源编号以及时间戳计算对应每个能源数据的验证码，将清洗后的能源数据按奇偶位依次进行填充，其中奇数位用于存储能源数据的数值，偶数位用于存储对应奇数位数值的验证码。