数据处理方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种数据处理方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取预设机器学习模型和原始电力数据；预设机器学习模型是根据电力数据样本集训练所得到的；对预设机器学习模型和原始电力数据进行加密处理，生成加密后的机器学习模型和加密后的电力数据；将加密后的电力数据输入至加密后的机器学习模型中进行处理，得到处理结果。采用本方法能够提高电力数据的安全性。果。采用本方法能够提高电力数据的安全性。果。采用本方法能够提高电力数据的安全性。

【技术实现步骤摘要】
数据处理方法、装置、计算机设备和存储介质


[0001]本申请涉及智能电网
，特别是涉及一种数据处理方法、装置、计算机设备、存储介质和计算机程序产品。

技术介绍

[0002]随着智能电网的发展，通过对高级计量架构(Advanced Metering Infrastructure，AMI)下采集到的电力数据进行处理和分析，从而根据处理结果能够更好地了解电网的运行状态。而在对采集到的电力数据进行处理和分析时，通常需要通过外部系统实现，那么就需要将采集到的电力数据发送至外部系统。
[0003]然而，将采集到的电力数据发送至外部系统后，就可以通过从外部系统查看该电力数据，从而获得用户的隐私信息。若出现信息泄露的情况，则会给用户带来较大的安全隐患。因而，传统的对电力数据进行处理的方式存在安全性低的问题。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够提高电力数据安全性的数据处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
[0005]第一方面，本申请提供了一种数据处理方法。所述方法包括：
[0006]获取预设机器学习模型和原始电力数据；预设机器学习模型是根据电力数据样本集训练所得到的；对预设机器学习模型和原始电力数据进行加密处理，生成加密后的机器学习模型和加密后的电力数据；将加密后的电力数据输入至加密后的机器学习模型中进行处理，得到处理结果。
[0007]在其中一个实施例中，对预设机器学习模型和原始电力数据进行加密处理，生成加密后的机器学习模型和加密后的电力数据，包括：
[0008]基于安全多方计算协议对预设机器学习模型和原始电力数据进行加密处理，生成加密后的机器学习模型和加密后的电力数据。
[0009]在其中一个实施例中，基于安全多方计算协议对预设机器学习模型和原始电力数据进行加密处理，生成加密后的机器学习模型和加密后的电力数据，包括：
[0010]将预设机器学习模型和原始电力数据输入至预设的混淆电路中进行加密处理，生成加密后的机器学习模型和加密后的电力数据。
[0011]在其中一个实施例中，将预设机器学习模型和原始电力数据输入至预设的混淆电路中进行加密处理，生成加密后的机器学习模型和加密后的电力数据，包括：
[0012]获取预设机器学习模型对应的第一真值表和原始电力数据对应的第二真值表；对第一真值表进行字符串替换，生成与第一真值表对应的第一字符表；对第二真值表进行字符串替换，生成与第二真值表对应的第二字符表；对第一字符表进行加密打乱处理，生成加密后的机器学习模型；对第二字符表进行加密打乱处理，生成加密后的电力数据。
[0013]在其中一个实施例中，上述方法还包括：
[0014]获取电力数据样本集，电力数据样本集包括电力数据训练集及电力数据测试集；针对电力数据训练集中的各训练数据，将训练数据输入至初始机器学习模型中进行训练，生成预测数据；根据预测数据及电力数据测试集，计算预设损失函数的值；基于预设损失函数的值对初始机器学习模型的参数进行调整，生成预设机器学习模型。
[0015]在其中一个实施例中，预设的机器学习模型为标准全精度神经网络模型、贝叶斯神经网络模型、二值化卷积神经网络模型中的任意一种。
[0016]在其中一个实施例中，上述方法还包括：
[0017]将预设机器学习模型部署在高级计量体系系统、云端服务器和第三方服务器中的至少一个上。
[0018]第二方面，本申请还提供了一种数据处理装置。装置包括：
[0019]第一获取模块，用于获取预设机器学习模型和原始电力数据；预设机器学习模型是根据电力数据样本集训练所得到的；
[0020]加密模块，用于对预设机器学习模型和原始电力数据进行加密处理，生成加密后的机器学习模型和加密后的电力数据；
[0021]处理模块，用于将加密后的电力数据输入至加密后的机器学习模型中进行处理，得到处理结果。
[0022]第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述第一方面任一实施例中的方法步骤。
[0023]第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面任一实施例中的方法步骤。
[0024]第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述第一方面任一实施例中的方法步骤。
[0025]上述数据处理方法、装置、计算机设备、存储介质和计算机程序产品，通过获取预设机器学习模型和原始电力数据；对预设机器学习模型和原始电力数据进行加密处理，生成加密后的机器学习模型和加密后的电力数据；将加密后的电力数据输入至加密后的机器学习模型中进行处理，得到处理结果。在本申请实施例提供的技术方案中，由于分别对训练好的机器学习模型和电力数据都进行了加密，避免了将用电数据发送到外部系统进行处理分析的时候出现泄密的情况，提高了用电数据的安全性；并且，对训练好的机器学习模型进行了加密，使得在将加密后的电力数据输入至加密后的机器学习模型中进行处理时，对处理的中间结果值也进了保护，进一步地提高了用电数据的安全性。
附图说明
[0026]图1为一个实施例中计算机设备的内部结构图；
[0027]图2为一个实施例中数据处理方法的流程示意图；
[0028]图3为一个实施例中采用混淆电路进行加密的流程示意图；
[0029]图4为另一个实施例中生成预设机器学习模型的流程示意图；
[0030]图5为一个实施例中数据处理的整体架构图；
[0031]图6为一个实施例中数据处理装置的结构框图。
具体实施方式
[0032]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
[0033]本申请提供的数据处理方法可以应用于计算机设备中，计算机设备可以是服务器，也可以是终端，其中，服务器可以为一台服务器也可以为由多台服务器组成的服务器集群，本申请实施例对此不作具体限定，终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。
[0034]以计算机设备是服务器为例，图1示出了一种服务器的框图，如图1所示，该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储数据处理数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据处理方法，其特征在于，所述方法包括：获取预设机器学习模型和原始电力数据；所述预设机器学习模型是根据电力数据样本集训练所得到的；对所述预设机器学习模型和所述原始电力数据进行加密处理，生成加密后的机器学习模型和加密后的电力数据；将所述加密后的电力数据输入至所述加密后的机器学习模型中进行处理，得到处理结果。2.根据权利要求1所述的方法，其特征在于，所述对所述预设机器学习模型和所述原始电力数据进行加密处理，生成加密后的机器学习模型和加密后的电力数据，包括：基于安全多方计算协议对所述预设机器学习模型和所述原始电力数据进行加密处理，生成所述加密后的机器学习模型和所述加密后的电力数据。3.根据权利要求2所述的方法，其特征在于，所述基于安全多方计算协议对所述预设机器学习模型和所述原始电力数据进行加密处理，生成所述加密后的机器学习模型和所述加密后的电力数据，包括：将所述预设机器学习模型和所述原始电力数据输入至预设的混淆电路中进行加密处理，生成所述加密后的机器学习模型和所述加密后的电力数据。4.根据权利要求3所述的方法，其特征在于，所述将所述预设机器学习模型和所述原始电力数据输入至预设的混淆电路中进行加密处理，生成所述加密后的机器学习模型和所述加密后的电力数据，包括：获取所述预设机器学习模型对应的第一真值表和所述原始电力数据对应的第二真值表；对所述第一真值表进行字符串替换，生成与所述第一真值表对应的第一字符表；对所述第二真值表进行字符串替换，生成与所述第二真值表对应的第二字符表；对所述第一字符表进行加密打乱处理，生成所述加密后的机器学习模型；对所述第二字符...

【专利技术属性】
技术研发人员：刘涛，陈晓伟，马越，孙文龙，伍少成，
申请(专利权)人：深圳供电局有限公司，
类型：发明
国别省市：