【技术实现步骤摘要】
本专利技术涉及敏感数据隐私保护领域，具体涉及一种基于生成对抗网络的电力敏感数据保护方法及系统。
技术介绍
1、随着物联网、大数据等新兴技术在智能电网行业的深入应用，以新能源为主体的新型电力系统应运而生。然而近年来全球数据安全事件频繁发生，虽然电力公司围绕数据对外服务，强化了数据分析、测试、运维等场景下的安全防护，但对于日益复杂的数据交互接口尚未进行有效管控，数据交互安全隐患巨大。
2、当前，电力公司将数据资产、业务访问集中到数据对外服务，数据对外服务需要对接大量的数据源，确保数据的未经篡改的真实性成为一大挑战。现有数据对外服务防护技术对敏感数据保护能力不足，缺少对电网各类敏感数据防追溯有效手段，容易造成敏感数据的泄露。因此，急需一种敏感数据保护方法，实现匿名化生成数据的防追溯性，对敏感数据进行保护。
3、对抗生成网络generative adversarial network，gan)是无监督学习的一种方法，通过让两个神经网络相互博弈的方式进行学习。该方法由ian j.goodfellow等人于2014年提出。生...
【技术保护点】
1.一种基于生成对抗网络的电力敏感数据保护方法，其特征在于，包括：
2.根据权利要求1所述方法，其特征在于，所述CDP-WGAN模型的训练，包括：
3.根据权利要求2所述方法，其特征在于，所述基于预先获取的公开数据集对生成对抗网络进行不加噪的预训练，确定生成器和判别器的初始权重和偏置值参数，包括：
4.根据权利要求2所述方法，其特征在于，所述基于所述敏感数据集中的电力数据计算梯度裁剪阈值并裁剪梯度和添加噪声，包括：
5.根据权利要求4所述方法，其特征在于，所述基于所述电力数据是否存在极值数据确定梯度裁剪阈值并进行梯度裁剪
【技术特征摘要】
1.一种基于生成对抗网络的电力敏感数据保护方法，其特征在于，包括：
2.根据权利要求1所述方法，其特征在于，所述cdp-wgan模型的训练，包括：
3.根据权利要求2所述方法，其特征在于，所述基于预先获取的公开数据集对生成对抗网络进行不加噪的预训练，确定生成器和判别器的初始权重和偏置值参数，包括：
4.根据权利要求2所述方法，其特征在于，所述基于所述敏感数据集中的电力数据计算梯度裁剪阈值并裁剪梯度和添加噪声，包括：
5.根据权利要求4所述方法，其特征在于，所述基于所述电力数据是否存在极值数据确定梯度裁剪阈值并进行梯度裁剪，包括：
6.根据权利要求5所述方法，其特征在于，所述当所述电力数据存在极值数据时，基于高斯范数的剪裁阈值选取策略选取梯度裁剪阈值，包括：
7.根据权利要求4所述方法，其特征在于，所述噪声大小按下式计算：
8.根据权利要求1所述方法，其特征在于，...
【专利技术属性】
技术研发人员：朱洪斌，刘圣龙，夏雨潇，彭潇，江伊雯，姜嘉伟，李云昭，赵涛，吕艳丽，周鑫，王迪，张舸，
申请(专利权)人：国家电网有限公司大数据中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。