基于w事件级本地差分隐私的电力数据聚合系统及方法

    公开(公告)号:CN118096441B

    公开(公告)日:2024-09-06

    申请号:CN202410519315.0

    申请日:2024-04-28

    IPC分类号: G06Q50/06 G06F21/62

    摘要: 本发明属于信息安全技术领域,具体涉及一种基于w事件级本地差分隐私的电力数据聚合系统及方法,包括:用户端,用于利用预先计算得到的预设的w个时刻内各时刻的用电量数据扰动所需的隐私预算和松弛因子,对各用户在各时刻的原始用电量数据进行扰动,得到最终的扰动数据,并将最终的扰动数据发送至数据聚合端;数据聚合端,用于基于最终的扰动数据,确定在预设的w个时刻内各时刻的所有用户的总用电量,并利用在预设的w个时刻内各时刻的所有用户的总用电量拟合得到用户电力消耗总量拟合曲线。本申请结合隐私参数分段机制实现基于差分隐私的电力数据聚合,在不泄露用户信息的同时有效拟合用户在一段时间内的总用电量,保证了真实数据的安全性。

    基于行为序列的数据交互异常检测特征抽取方法及装置

    公开(公告)号:CN116070106A

    公开(公告)日:2023-05-05

    申请号:CN202310333558.0

    申请日:2023-03-31

    摘要: 本发明实施例涉及一种基于行为序列的数据交互异常检测特征抽取方法及装置,包括:从行为序列数据中构造样本,得到数据交互样本集合;将所述数据交互样本集合输入至基于编码器‑解码器结构的模型中进行训练,其中,所述模型的解码器存在多步状态,每步状态的目标函数拟合当前及后续所有状态的真实值,拟合每步状态目标函数中的当前及后续状态时,通过预设分布为当前及后续状态赋予不同权重,模型的目标函数为每步状态目标函数累加;将所述模型中编码器的各状态输出的隐藏向量按预设方法融合,得到行为序列的特征。由此,改进模型目标函数,拟合每一步状态时,考虑当前及后续状态,模型信息损失小,特征质量高,适用于高精度要求的异常检测场景。