一种基于联邦学习的5G智能电网入侵检测方法技术

本发明专利技术涉及一种基于联邦学习的5G智能电网入侵检测方法。包括：步骤S1、家用电器通过家域网（HANs）将电力数据和流量信息传输至智能电表；步骤S2、智能电表根据收集到的数据在本地训练一个基于Transformer的入侵检测模型；步骤S3、智能电表接入5G基站以上传训练好的入侵检测模型；步骤S4、各个基站在部署在其附近的边缘服务器处聚合收到的入侵检测模型，得到簇模型；步骤S5、基站将簇模型上传至云端服务器进行全局聚合，得到的全局模型之后，将下发给智能电表以开始新一轮的训练；步骤S6、通过多次执行步骤S2

【技术实现步骤摘要】
一种基于联邦学习的5G智能电网入侵检测方法


[0001]本专利技术涉及智能电网领域，特别是一种基于联邦学习的5G智能电网入侵检测方法。

技术介绍

[0002]随着科技的不断发展，人们的日常生活对电力能源和相应服务的需求正在急速的增长。然而，传统的电力网络由于结构简单，已无法应对日益增长的服务需求和电力供给的问题。因此，有关学者提出了智能电网来应对这些问题。在智能电网中，能源和信息可以在客户和电力公司之间流动，以提供各种服务。作为智能电网中的核心组件，高级量测体系(Advanced Metering Infrastructure,AMI)主要由智能电表，双向通信链路和数据中心(云端服务器)组成。因为有双向通信网络的存在，AMI不仅可以记录电压电流等电力自身的数据，还可以提供更多的服务，例如远程控制家用电器等，真正的实现了用电智能化。但是，随着服务和用电量持续增加，需要传输的数据量也不断增加。因此，通信网络的传输速度和稳定性对AMI系统的服务质量和功能是至关重要的。
[0003]第五代无线通信技术(5G)能够提供大带宽、高传输速度、低通信时延的通信网络，并且其网络切片提高了频谱效率，可以在共享的物理基础架构的情况下提供差异化的服务质量(QoS)保证。因此，5G技术可以满足AMI系统对可靠，快速和高度连接的通信的要求，这使得5G通信技术适合作为AMI系统的通信基础，并且智能电网与5G的结合也将成为未来必然的发展方向。
[0004]此外，随着智能电网的不断普及，通过攻击智能电表企图篡改电力消费数据的情况不断发生，并且入侵AMI系统可能会窃取信息、操控能源价格或造成电力系统的中断。因此，保证智能电网和AMI系统的安全性是极其重要的。但是，现有的入侵检测大多都是在云端服务器执行的，当入侵发生在智能电表附近时，入侵情况可能不能被及时检测。并且服务器通常要收集大量的用户信息来训练一个高效的入侵检测模型。然而，在收集用户数据时很容易造成用户数据的隐私泄露，对用户造成不良的影响。
[0005]为了解决上述的隐私问题，在2016年McMahan等人提出了联邦学习。在联邦学习中，设备端和云端服务器端仅互相传输神经网络的模型参数。因此，云端服务器不会直接获取到设备的本地的私有数据，从而保证了数据隐私的安全性。而且联邦学习对于接入设备的数量没有限制，所以可以很容易的覆盖大规模的设备。

技术实现思路

[0006]本专利技术的目的在于提供一种基于联邦学习的5G智能电网入侵检测方法，使得参与联邦学习的智能电表可以仅通过与云端服务器交换模型参数来合作地训练一个高效的入侵检测模型，在合作训练的过程中不仅可以有效的保护用户的数据隐私，而且各个智能电表还可以使用最终得到的入侵检测模型直接在本地执行入侵检测，以降低入侵检测的时延。此外，在上传智能电表模型时，本专利技术先在基站处聚合一次模型，以达到减少核心网中
的网络流量的目的。
[0007]为实现上述目的，本专利技术的技术方案是：一种基于联邦学习的5G智能电网入侵检测方法，提供一系统，包括若干智能电表、5G基站、边缘服务器和云端服务器，包括如下步骤：
[0008]步骤S1、智能电表通过家域网HANs收集家用电器的用电数据和流量信息；
[0009]步骤S2、智能电表利用收集到的数据在本地训练一个基于Transformer的入侵检测模型；
[0010]步骤S3、智能电表接入5G基站，上传步骤S2中训练好的入侵检测模型；
[0011]步骤S4、5G基站接收到在其覆盖范围内参与联邦学习的智能电表上传的入侵检测模型后，通过部署在5G基站附近的边缘服务器处聚合收到的入侵检测模型，得到簇模型；
[0012]步骤S5、5G基站将聚合得到的簇模型通过5G核心网传输至云端服务器进行全局聚合；云端服务器得到全局模型后，将全局模型下发至智能电表开始新一轮训练；
[0013]步骤S6、通过多次迭代步骤S2
‑
S5，各个智能电表最终将得到一个高效的入侵检测模型，并且使用高效的入侵检测模型直接在本地执行入侵检测。
[0014]在本专利技术一实施例中，所述步骤S1具体为：
[0015]家用电器通过家域网HANs将用电数据和流量信息传输至智能电表，其中，家域网使用包括WI
‑
FI或Zigbee的短距离通信技术。
[0016]在本专利技术一实施例中，所述步骤S2具体为：
[0017]智能电表将根据本地的数据训练一个基于Transformer的入侵检测模型，在训练过程中使用梯度更新方法，即：
[0018][0019]其中表示第t次迭代时，智能电表i的基于Transformer的入侵检测模型，D
i
是智能电表i的本地数据集，μ为学习率，表示在第t次迭代时，设备i本地的损失函数，因此，表示该损失函数的梯度。
[0020]在本专利技术一实施例中，所述的基于Transformer的入侵检测模型，具体为：
[0021]基于Transformer的入侵检测模型包括两个Transformer层和两个特征提取层，其中，Transformer层由多头注意力层和前馈网络组成，特征提取层包含卷积层和池化层；假设(x,y)是原始数据集中的一个样本，其中y为当前样本的标签，x为当前样本的输入特征；输入特征x是由类别特征x
cate
和数值特征x
num
组成的x＝{x
num
,x
cate
}；在训练或预测过程中，类别特征x
cate
先经过嵌入层(Embedding layer)将每个类别特征转化为相同长度的嵌入向量(Embeddings)，然后输入Transformer层来提取类别特征之间的相关性；数值特征x
num
先经过层标准化Layer Normalization对所有神经元节点进行规范化，然后输入特征提取层来提取特征；之后，Transformer层和特征提取层的输出经过融合层(Concatenation layer)和多层感知机输出结果。
[0022]在本专利技术一实施例中，所述步骤S4具体为：
[0023]当基站B
j
收到其覆盖范围内所有参与联邦学习的智能电表的入侵检测模型后，在其附近的边缘服务器上聚合收到的入侵检测模型，聚合的方法具体为：
[0024][0025]其中表示智能电表i上传的基于Transformer的入侵检测模型，D
i
是智能电表i的本地数据集，是基站B
j
得到的簇模型，C
j
表示所有接入基站B
j
的智能电表设备集合，表示接入基站B
j
的所有智能电表的本地数据量之和；从上式可以看出，簇模型是根据所有接入智能电表的本地模型加权求得的，权重取决于智能电表本地的数据量。
[0026]在本专利技术一实施例中，所述步骤S5具体为：
[0027]基站将得到的簇模型通过5本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于联邦学习的5G智能电网入侵检测方法，提供一系统，包括若干智能电表、5G基站、边缘服务器和云端服务器，其特征在于，包括如下步骤：步骤S1、智能电表通过家域网HANs收集家用电器的用电数据和流量信息；步骤S2、智能电表利用收集到的数据在本地训练一个基于Transformer的入侵检测模型；步骤S3、智能电表接入5G基站，上传步骤S2中训练好的入侵检测模型；步骤S4、5G基站接收到在其覆盖范围内参与联邦学习的智能电表上传的入侵检测模型后，通过部署在5G基站附近的边缘服务器处聚合收到的入侵检测模型，得到簇模型；步骤S5、5G基站将聚合得到的簇模型通过5G核心网传输至云端服务器进行全局聚合；云端服务器得到全局模型后，将全局模型下发至智能电表开始新一轮训练；步骤S6、通过多次迭代步骤S2
‑
S5，各个智能电表最终将得到一个高效的入侵检测模型，并且使用高效的入侵检测模型直接在本地执行入侵检测。2.根据权利要求1所述的一种基于联邦学习的5G智能电网入侵检测方法，其特征在于，所述步骤S1具体为：家用电器通过家域网HANs将用电数据和流量信息传输至智能电表，其中，家域网使用包括WI
‑
FI或Zigbee的短距离通信技术。3.根据权利要求1所述的一种基于联邦学习的5G智能电网入侵检测方法，其特征在于，所述步骤S2具体为：智能电表将根据本地的数据训练一个基于Transformer的入侵检测模型，在训练过程中使用梯度更新方法来更新模型，即：其中表示第t次迭代时，智能电表i的基于Transformer的入侵检测模型，D
i
是智能电表i的本地数据集，μ为学习率，表示在第t次迭代时，设备i本地的损失函数，因此，表示该损失函数的梯度。4.根据权利要求1所述的一种基于联邦学习的5G智能电网入侵检测方法，其特征在于，所述的基于Transformer的入侵检测模型，具体为：基于Transformer的入侵检测模型包括两个Transformer层和两个特征提取层，其中，Transformer层由多头注意力层和前馈网络组成，特征提取层包含卷积层和池化层；假设(x,y)是原始数据集中的一个样本，其中y为当前样本的标签，x为当前样本的输入特征；输入特征x是由类别特征x

【专利技术属性】
技术研发人员：孙鑫，林文彬，陈锦山，祁琦，邓超平，林国栋，陈世春，余斯航，李兆祥，刘龙辉，
申请(专利权)人：国网福建省电力有限公司，
类型：发明
国别省市：