-
题名基于函数秘密共享的隐私保护短期电力负荷预测方法
- 1
-
-
作者
刘苏漫
李轩
关志涛
-
机构
华北电力大学控制与计算机工程学院
-
出处
《智慧电力》
北大核心
2025年第2期73-80,86,共9页
-
基金
国家自然科学基金资助项目(62372173)。
-
文摘
为了应对短期电力负荷预测过程中存在的隐私泄露风险,确保用户数据在预测过程中的安全性,提出了一种基于函数秘密共享的隐私保护短期电力负荷预测方法。首先,采用轻量级的加法秘密共享和函数秘密共享技术,构造了针对神经网络线性层与非线性层函数的安全基础协议。然后,通过兼容卷积神经网络(CNN)、长短期记忆网络(LSTM)等多种神经网络模型,在保护数据隐私的前提下,实现安全高效的短期电力负荷预测。最后,在多种神经网络模型上进行了实验验证。实验结果表明该方法在保证负荷预测准确性的同时,显著降低在线计算和通信开销,为电力负荷预测领域提供了可靠的隐私保护解决方案。
-
关键词
电力负荷预测
加法秘密共享
函数秘密共享
隐私保护
神经网络
-
Keywords
power load forecasting
additive secret sharing
function secret sharing
privacy protection
neural network
-
分类号
TM715
[电气工程—电力系统及自动化]
-
-
题名基于同态加密的神经网络模型训练方法
被引量：3
- 2
-
-
作者
赵敏
田有亮
熊金波
毕仁万
谢洪涛
-
机构
贵州大学公共大数据国家重点实验室
贵州大学计算机科学与技术学院
贵州大学密码学与数据安全研究所
福建师范大学计算机与网络空间安全学院
中国科学技术大学信息科学与技术学院
-
出处
《计算机科学》
CSCD
北大核心
2023年第5期372-381,共10页
-
基金
国家重点研发计划(2021YFB3101100)
国家自然科学基金(62272123,62272102)
+2 种基金
贵州省高层次创新型人才项目(黔科合平台人才[2020]6008)
贵阳市科技计划项目(筑科合[2021]1-5,筑科合[2022]2-4)
贵州省科技计划项目(黔科合平台人才[2020]5017,黔科合支撑[2022]一般065)。
-
文摘
针对云环境下数据隐私泄露与基于同态加密的隐私保护神经网络中精度不足的问题,文中提出了一种双服务器协作的隐私保护神经网络训练(PPNT)方案,在云服务器协同训练过程中实现了对数据传输、计算过程及模型参数的隐私保护。首先,为避免使用多项式近似方法实现指数和比较等非线性函数,并提高非线性函数的计算精度,基于Paillier半同态加密方案和加法秘密共享技术设计了一系列基础安全计算协议;其次,在已设计的安全计算协议基础上,构造了神经网络中的全连接层、激活层、Softmax层及反向传播相应的安全计算协议,以实现PPNT方案;最后,通过理论与安全性分析,证明了PPNT方案的正确性及安全性。性能实验结果显示,与PPMLaaS方案相比,PPNT方案的模型精度提高了1.7%,且在安全计算过程中支持客户端离线。
-
关键词
Paillier半同态加密
加法秘密共享
安全计算协议
隐私保护
模型训练
-
Keywords
Paillier partially homomorphic encryption
Additive secret sharing
Secure computing protocol
Privacy-preserving
Model training
-
分类号
TP309.2
[自动化与计算机技术—计算机系统结构]
-
