一种电力信息加密方法技术

本发明专利技术公开了一种电力信息加密方法，包括：以机器学习的方式建立深度学习模型，深度学习模型包括表征模型，表征模型包括编码网络和像素卷积网络，将电力系统数据的非敏感输入信息输入编码网络以得到表征信息，进而得到表征的经验分布；将表征信息输入像素卷积网络以得到预测分布，根据表征模型的损失函数进行训练以减少经验分布与预测分布的差异，以优化表征模型，将优化后的表征模型输出的表征信息作为加密信息进行传输；通过预测电力需求任务测试以所得表征为输入，通过回归模型的输出评估以表征的可用性。本发明专利技术提供的电力信息加密方法利用深度学习对电力系统信息传输中潜在敏感信息进行加密以及剔除，实现数据传输时的安全性。全性。全性。

【技术实现步骤摘要】
一种电力信息加密方法


[0001]本专利技术涉及信息安全
，尤其涉及一种电力信息加密方法。

技术介绍

[0002]随着计算机技术的发展，越来越多的产业进行了信息化改革。采用信息化管理可以提升业务的效率，方便用户办理和使用。现如今信息化技术应用在生活的方方面面，因此确保系统中的信息安全是至关重要的。信息安全需要防卫网络病毒和黑客侵犯，确保网络信息安全，营造安全良好的网络环境。电力企业在进行产业信息化后，面临一些需要解决的信息安全问题。首先是数据泄露风险高，特别是在大数据应用中存在着自身漏洞，被黑客利用可能就导致数据的泄露。电力行业的数据流转周期包括“发、输、变、调、配、用”，每个环节都需要抵御来自外部的网络攻击以及病毒、木马的威胁。此外，企业内部的各个子系统也存在着的数据安全隐患，比如各分支机构关键岗位的工作人员存在疏忽大意泄露日常工作的数据的可能。这些数据包括配网设备信息数据、营销信息数据、客户数据信息等，它们一旦遭到泄露，将对企业和社会造成严重的后果。
[0003]目前采取的信息安全手段包括加密技术、审计技术、警示技术、筛选技术和虚构技术。其中，加密技术指对重要的信息进行加密处理，降低信息泄露后数据的可用性。但是，电力信息数据体量大，同时实时新增大量数据，因此使用传统的加密方法进行加密，需要耗费大量的时间，无法及时处理；另一方面，传输过程的电力数据中有一部分涉及敏感信息，需要加密，另一部分无须加密处理。随着现在人工智能学习的深入，通过非敏感信息的学习来推断出敏感信息的可能性越来越高，因而现在的加密技术亟需升级换代。
[0004]以上
技术介绍
内容的公开仅用于辅助理解本专利技术的专利技术构思及技术方案，其并不必然属于本专利申请的现有技术，也不必然会给出技术教导；在没有明确的证据表明上述内容在本专利申请的申请日之前已经公开的情况下，上述
技术介绍
不应当用于评价本申请的新颖性和创造性。

技术实现思路

[0005]为了克服现有技术存在的不足，本专利技术提供一种电力信息加密方法，具体技术方案如下：
[0006]一方面，提供了一种电力信息加密方法，包括以下步骤：
[0007]以机器学习的方式对电力系统数据进行建立深度学习模型，所述深度学习模型包括表征模型，所述表征模型包括编码网络和像素卷积网络，将电力系统数据分为非敏感输入信息和敏感输入信息，将所述非敏感输入信息输入编码网络以得到表征信息，进而得到表征的经验分布；所述像素卷积网络使用前面的表征维度来预测后面的表征维度，将所述表征信息输入所述像素卷积网络以得到预测分布，根据所述表征模型的损失函数进行训练以减少所述经验分布与所述预测分布的差异，进而优化所述表征模型，将优化后的表征模型输出的表征信息作为加密信息进行传输。
[0008]进一步地，所述编码网络定义两层神经网络，采用Relu激活函数作为层间激活函数，采用Tanh激活函数作为尾层激活函数，通过所述编码网络进行表征的公式如下：
[0009]z＝Tanh(W2×
Relu(W1×
x))
[0010]式中，z为表征信息，x为非敏感输入信息，W1为第一层网络的权重，W2为第一层网络的权重；
[0011]所述像素卷积网络用前k
‑
1项表征维度预测第k项表征维度信息，其公式如下：
[0012][0013]式中，z
i
表示第i个维度的特征，m表示表征的特征数量。
[0014]进一步地，所述表征模型的损失函数如下：
[0015][0016]式中，β是控制压缩率的参数,m表示表征的特征数量，P表示经验分布，G表示预测分布。
[0017]进一步地，给出所述深度学习模型输入数据(x，s，y)以及输出数据z的定义，x为非敏感输入信息，s为敏感输入信息，x和s根据下游业务的任务需求进行区分，y为电量需求实际值，z为通过所述深度学习模型给出的电力数据压缩表征；所述深度学习模型还包括回归模型，将优化后的表征模型输出的表征信息输入所述回归模型，以得到电量需求预测值，对所述电量需求预测值进行考察以判断是否满足预测的准确性和与敏感信息s的独立性要求，若不满足预设要求，则需调整所述表征模型中的参数β，进一步优化表征模型，直至满足预设要求，将进一步优化后的表征模型输出的表征信息作为加密信息进行传输。
[0018]进一步地，所述考察包括预测准确率考察和差异性指标考察，其中，所述预测准确率考察利用以下公式进行，
[0019][0020]式中，y
i
是区域i的电力需求实际值，是深度学习模型给出的电力需求预测值；
[0021]所述差异性指标考察利用以下公式进行，
[0022][0023]根据电量需求将用户划分为高需求用户和低需求用户，划分的阈值由实际需求而定；TP
s＝i
是在i类数据上的预测为高需求用户实际也为高需求用户的数量；FP
s＝i
是在i类数据上的预测为高需求用户实际为低需求用户的数量；N
s＝i
是在i类数据上的用户的数量；TP
s＝j
是在j类数据上的预测为高需求用户实际也为高需求用户的数量；FP
s＝j
是在j类数据上的预测为高需求用户实际为低需求用户的数量；N
s＝j
是在j类数据上的用户的数量。
[0024]进一步地，若所述预测准确率满足要求而所述差异性指标不满足要求，则需调高β数值再次进行学习优化，若所述差异性指标满足要求而所述预测准确率不满足要求，则需调低β再次进行学习优化。
[0025]进一步地，所述回归模型对应的回归网络记作f，其对应的损失函数如下：
[0026][0027]其中，是回归阈值。
[0028]进一步地，所述电力系统数据为上游向下游输出的数据，所述非敏感输入数据包括地域信息、地区权重、地区用电总量、地区厂矿企业数量、地区规模以上厂矿企业数量、地区经济情况、地区地理属性(山区、沿海、内地)、居民人口数量信息，所述敏感输入数据包括用于下游任务的训练数据中夹带的显式敏感特征，例如，地区电力设备数量、地区输电线类型(一般、高压、超高压、特高压)和长度、特殊保供线路长度、地区用电总负荷、地区用电量增长情况、用电类型占比(工业、一般工商业、居民生活、稻田排灌及脱粒、农业生产)信息。
[0029]又一方面，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述电力信息加密方法。
[0030]再一方面，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现任一项所述的电力信息加密方法。
[0031]与现有技术相比，本专利技术具有下列优点：利用深度学习中信息压缩的方法对电力系统中的敏感信息进行加密以及剔除，实现数据传输时的可靠性，防止信息泄露后暴露电力企业和电力用户的敏感信息。
附图说明
[0032]图1是本专利技术实施例提供本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电力信息加密方法，其特征在于，包括以下步骤：以机器学习的方式对电力系统数据进行建立深度学习模型，所述深度学习模型包括表征模型，所述表征模型包括编码网络和像素卷积网络，将电力系统数据的非敏感输入信息输入编码网络以得到表征信息，进而得到表征的经验分布；所述像素卷积网络使用前面的表征维度来预测后面的表征维度，将所述表征信息输入所述像素卷积网络以得到预测分布，根据所述表征模型的损失函数进行训练以减少所述经验分布与所述预测分布的差异，进而优化所述表征模型，将优化后的表征模型输出的表征信息作为加密信息进行传输。2.根据权利要求1所述的电力信息加密方法，其特征在于，所述编码网络定义两层神经网络，采用Relu激活函数作为层间激活函数，采用Tanh激活函数作为尾层激活函数，通过所述编码网络进行表征的公式如下：z＝Tanh(W2×
Relu(W1×
x))式中，z为表征信息，x为非敏感输入信息，W1为第一层网络的权重，W2为第一层网络的权重；所述像素卷积网络用前k
‑
1项表征维度预测第k项表征维度信息，其公式如下：式中，z
i
表示第i个维度的特征，m表示表征的特征数量。3.根据权利要求2所述的电力信息加密方法，其特征在于，所述表征模型的损失函数如下：式中，β是控制压缩率的参数,m表示表征的特征数量，P表示经验分布，G表示预测分布。4.根据权利要求3所述的电力信息加密方法，其特征在于，给出所述深度学习模型输入数据(x，s，y)以及输出数据z的定义，x为非敏感输入信息，s为敏感输入信息，x和s根据下游业务的任务需求进行区分，y为电量需求实际值，z为通过所述深度学习模型给出的电力数据压缩表征；所述深度学习模型还包括回归模型，所述回归模型用于地区的电量预测，将深度学习的模型输出表征作为回归模型的输入，以得到地区的电力需求预测值，对所述电量需求预测值进行考察以判断是否满足预测的准确性和与敏感信息s的独立性要求，若不满足预设要求，则需调整所述表征模型中的参数β，进一步优化表征模型，直至满足预设要求，将进一步优化后的表征模型输出的表征信息作为加密信息进行传输。5....

【专利技术属性】
技术研发人员：杨钰，顾杨青，兴胜利，王劼，
申请(专利权)人：国网江苏省电力有限公司苏州供电分公司，
类型：发明
国别省市：