开云优惠体育网页版入口

专利名称：设备异构化的电力数据多方安全方差计算方法及相关装置

专利类型：发明专利

专利申请号：CN202411158688.6

专利申请（专利权）人：国网安徽省电力有限公司信息通信分公司,国网智能电网研究院有限公司
权利人地址：安徽省合肥市包河区黄山路9号

专利发明（设计）人：胡聪,于鹏飞,翟雨佳

专利摘要：本发明公开了一种设备异构化的电力数据多方安全方差计算方法及相关装置，属于信息安全技术领域，包括：基于用户承担的任务强度和隐私保护需求，以及本地差分隐私算法的选择范围，获取每个本地差分隐私算法的计算复杂度和估计误差以及两者的权重，进而获取本地差分隐私算法的评估值，然后获取本地差分隐私算法的评估值最小值；确定评估值最小值对应的本地差分隐私算法，作为变换算法，并基于变换算法对设备异构化的电力数据进行处理，得到数据元组；对选择相同变换算法的设备异构化的电力数据进行处理，得到设备异构化的电力数据多方安全方差。本发明能够最大程度保证在满足其隐私保护需求的同时降低计算开销。

主权利要求：
1.设备异构化的电力数据多方安全方差计算方法，其特征在于，包括：
步骤1：基于用户在本地可用的资源阈值，获取本地差分隐私算法的选择范围；
步骤2：基于用户承担的任务强度和隐私保护需求，以及本地差分隐私算法的选择范围，获取每个本地差分隐私算法的计算复杂度和估计误差以及两者的权重；
步骤3：基于本地差分隐私算法的计算复杂度和估计误差以及两者的权重，获取本地差分隐私算法的评估值，从本地差分隐私算法的评估值中获取本地差分隐私算法的评估值最小值；具体为：根据本地差分隐私算法 的计算复杂度 和估计误差 ，以及计算复杂度的权重 和估计误差的权重 ，通过公式 得到本地差分隐私算法的评估值，其中 表示第j个用户，所述计算复杂度的权重 和估计误差的权重 之间的关系满足： 始终成立；
步骤4：确定评估值最小值对应的本地差分隐私算法，作为变换算法，具体包括：当评估值达到最小值 时，最小值 对应的本地差分隐私算法为变换算法 ，当最小值 小于用户在本地可用的资源阈值，则本地差分隐私算
法 为变换算法 ，否则，本地差分隐私算法 为 算法；
并基于变换算法对设备异构化的电力数据进行处理，得到数据元组，将数据元组发送给数据聚合者；具体为：对设备异构化的电力数据的真实数据 和真实数据的平方 进行变换，通过本地差分隐私算法 变换真实数据 和真实数据的平方 分别为扰动数据 和，并将变换后的数据元组 发送给数据聚合者；
步骤5：重复步骤2到4，得到若干组数据元组，数据聚合者在接收到用户发送的若干组数据元组后，基于若干组数据元组得到选择相同变换算法的设备异构化的电力数据，对选择相同变换算法的设备异构化的电力数据进行处理，得到设备异构化的电力数据多方安全方差，具体为：对所有使用相同变换算法 进行变换的真实数据 和真实数据的平方 分别求均值，得到结果 、 ；
分别计算所有变换算法得到的 、 的均值，分别记为 、 ；
利用得到的 和 ，以及方差计算公式，计算设备异构化的电力数据多方安全方差为：。
2.设备异构化的电力数据多方安全方差计算系统，其特征在于，包括：
第一获取模块，所述第一获取模块基于用户在本地可用的资源阈值，获取本地差分隐私算法的选择范围；
第二获取模块，所述第二获取模块基于用户承担的任务强度和隐私保护需求，以及本地差分隐私算法的选择范围，获取每个本地差分隐私算法的计算复杂度和估计误差以及两者的权重；
评估值获取模块，所述评估值获取模块基于本地差分隐私算法的计算复杂度和估计误差以及两者的权重，获取本地差分隐私算法的评估值，从本地差分隐私算法的评估值中获取本地差分隐私算法的评估值最小值；具体为：根据本地差分隐私算法 的计算复杂度和估计误差 ，以及计算复杂度的权重 和估计误差的权重 ，通过公式 得到本地差分隐私算法的评估值 ，其中 表示第j个用户，所述计算复杂度的权重和估计误差的权重 之间的关系满足： 始终成立；
确定模块，所述确定模块确定评估值最小值对应的本地差分隐私算法，作为变换算法，具体包括：当评估值达到最小值 时，最小值 对应的本地差分隐私算法为变换算法 ，当最小值 小于用户在本地可用的资源阈值，
则本地差分隐私算法 为变换算法 ，否则，本地差分隐私算法 为 算法；
并基于变换算法对设备异构化的电力数据进行处理，得到数据元组，将数据元组发送给数据聚合者；具体为：对设备异构化的电力数据的真实数据 和真实数据的平方 进行变换，通过本地差分隐私算法 变换真实数据 和真实数据的平方 分别为扰动数据 和，并将变换后的数据元组 发送给数据聚合者；
循环处理模块，所述循环处理模块重复第二获取模块、评估值获取模块和确定模块的流程，得到若干组数据元组，数据聚合者在接收到用户发送的若干组数据元组后，基于若干组数据元组得到选择相同变换算法的设备异构化的电力数据，对选择相同变换算法的设备异构化的电力数据进行处理，得到设备异构化的电力数据多方安全方差，具体为：对所有使用相同变换算法 进行变换的真实数据 和真实数据的平方 分别求均值，得到结果 、 ；
分别计算所有变换算法得到的 、 的均值，分别记为 、 ；
利用得到的 和 ，以及方差计算公式，计算设备异构化的电力数据多方安全方差为：。
3.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1所述设备异构化的电力数据多方安全方差计算方法的步骤。
4.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1所述设备异构化的电力数据多方安全方差计算方法的步骤。 说明书 : 设备异构化的电力数据多方安全方差计算方法及相关装置技术领域[0001] 本发明属于信息安全技术领域，涉及一种设备异构化的电力数据多方安全方差计算方法及相关装置。背景技术[0002] 对于电力企业而言，其内部运营数据、客户数据、市场策略等相关信息，都是企业的核心竞争力，一旦泄露，可能会导致商业利益受损，甚至引发不正当竞争或损害企业形象。电力系统的稳定运行关乎基础设施安全，电力数据的完整性和安全性直接影响到关键基础设施的防护水平。一旦数据遭到破坏或被敌对势力获。赡芪＜罢龅缌ο低车目煽吭诵泻蜕缁嶂刃虻奈榷。电力企业在采集、使用、存储和传输电力数据过程中必须严格遵守相关规定，确保数据隐私得到有效保护。随着新型电力系统向数字化、智能化转型，这一问题的紧迫性和重要性日益凸显。[0003] 针对电力数据共享环节的隐私保护问题，通常有数据加密、匿名化与去标识化、本地差分隐私等技术手段。1.数据加密技术，通过对原始数据进行加密，即使数据被非法获取也无法直接解读内容，可以在数据传输过程和静态存储阶段保护数据的保密性。但如果加密算法被破解或者密钥管理不当，则加密保护失效，且加密和解密过程可能增加计算负担，对实时性要求高的系统可能存在性能瓶颈。2.匿名化与去标识化，通过删除、替换或混淆等方式去除可以直接关联到个人的信息，例如使用哈：、?匿名等方法，直观地降低了直接识别特定个体的风险。然而当存在关联数据集或攻击者掌握足够背景知识时，单纯依靠匿名化可能不足以抵抗重标识风险，同时去标识化操作可能会影响数据的使用价值和分析效果。3.本地差分隐私技术，通过本地添加噪声来保护个体数据，使得分析结果在统计意义上保持准确的同时，难以从结果逆推出任何单个个体的信息，能够在大数据分析场景下保证隐私且不影响数据分析的有效性，适合多方数据共享和分析场景。[0004] 在设备异构化的电力数据多方安全协同应用情境下，由于各参与方的设备各不相同，设备结构有所差异，导致各数据共享参与方所拥有的资源不平衡，其数据完整性、网络基础设施以及计算能力等要素可能存在显著差距。这意味着，现有的单一差分隐私保护计算方案难以兼顾各方的独特需求。为了有效克服这一挑战，有必要深入探索并研发更为前沿且适应性强的隐私计算技术，确保它们能够适用于多种场景和个性化需求。方差计算是衡量数据分布的重要指标，现有隐私保护的方差计算方案在所有参与方使用相同的隐私保护方法，导致资源浪费。发明内容[0005] 本发明的目的在于解决现有技术中由于数据共享参与方所拥有的资源不平衡，其数据完整性、网络基础设施以及计算能力等要素可能存在显著差距，现有隐私保护的方差计算方案中所有参与方使用相同的隐私保护方法，导致资源浪费的问题，提供一种设备异构化的电力数据多方安全方差计算方法及相关装置。[0006] 为达到上述目的，本发明采用以下技术方案予以实现：[0007] 设备异构化的电力数据多方安全方差计算方法，包括：[0008] 步骤1：基于用户在本地可用的资源阈值，获取本地差分隐私算法的选择范围；[0009] 步骤2：基于用户承担的任务强度和隐私保护需求，以及本地差分隐私算法的选择范围，获取每个本地差分隐私算法的计算复杂度和估计误差以及两者的权重；[0010] 步骤3：基于本地差分隐私算法的计算复杂度和估计误差以及两者的权重，获取本地差分隐私算法的评估值，从本地差分隐私算法的评估值中获取本地差分隐私算法的评估值最小值；[0011] 步骤4：确定评估值最小值对应的本地差分隐私算法，作为变换算法，并基于变换算法对设备异构化的电力数据进行处理，得到数据元组；[0012] 步骤5：重复步骤2到4，得到若干组数据元组，基于若干组数据元组得到选择相同变换算法的设备异构化的电力数据，对选择相同变换算法的设备异构化的电力数据进行处理，得到设备异构化的电力数据多方安全方差。[0013] 进一步地，所述步骤4在得到数据元组后，将数据元组发送给数据聚合者；所述步骤5中，数据聚合者在接收到用户发送的若干组数据元组后，基于若干组数据元组得到选择相同变换算法的设备异构化的电力数据。[0014] 进一步地，所述基于本地差分隐私算法的计算复杂度和估计误差以及两者的权重，获取本地差分隐私算法的评估值，具体为：根据本地差分隐私算法 的计算复杂度 和估计误差 ，以及计算复杂度的权重 和估计误差的权重 ，通过公式 得到本地差分隐私算法的评估值 ，其中 表示第j个用户。[0015] 进一步地，所述计算复杂度的权重 和估计误差的权重 之间的关系满足：始终成立。[0016] 进一步地，所述确定评估值最小值对应的本地差分隐私算法，作为变换算法，具体包括：当评估值达到最小值 时，最小值 对应的本地差分隐私算法为变换算法 ，当最小值 小于用户在本地可用的资源阈值，则本地差分隐私算法 为变换算法 ，否则，本地差分隐私算法 为 算法。[0017] 进一步地，所述基于变换算法对设备异构化的电力数据进行处理，得到数据元组，具体为：对设备异构化的电力数据的真实数据 和真实数据的平方 进行变换，通过本地差分隐私算法 变换真实数据 和真实数据的平方 分别为扰动数据 和 ，并将变换后的数据元组 发送给数据聚合者。[0018] 进一步地，所述对选择相同变换算法的设备异构化的电力数据进行处理，得到设备异构化的电力数据多方安全方差，具体为：[0019] 对所有使用相同变换算法 进行变换的真实数据 和真实数据的平方 分别求均值，得到结果 、 ；[0020] 分别计算所有变换算法得到的 、 的均值，分别记为 、 ；[0021] 利用得到的 和 ，以及方差计算公式，计算设备异构化的电力数据多方安全方差为：[0022] 。[0023] 设备异构化的电力数据多方安全方差计算系统，包括：[0024] 第一获取模块，所述第一获取模块基于用户在本地可用的资源阈值，获取本地差分隐私算法的选择范围；[0025] 第二获取模块，所述第二获取模块基于用户承担的任务强度和隐私保护需求，以及本地差分隐私算法的选择范围，获取每个本地差分隐私算法的计算复杂度和估计误差以及两者的权重；[0026] 评估值获取模块，所述评估值获取模块基于本地差分隐私算法的计算复杂度和估计误差以及两者的权重，获取本地差分隐私算法的评估值，从本地差分隐私算法的评估值中获取本地差分隐私算法的评估值最小值；[0027] 确定模块，所述确定模块确定评估值最小值对应的本地差分隐私算法，作为变换算法，并基于变换算法对设备异构化的电力数据进行处理，得到数据元组；[0028] 循环处理模块，所述循环处理模块重复第二获取模块、评估值获取模块和确定模块的流程，得到若干组数据元组，基于若干组数据元组得到选择相同变换算法的设备异构化的电力数据，对选择相同变换算法的设备异构化的电力数据进行处理，得到设备异构化的电力数据多方安全方差。[0029] 一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述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设备异构化的电力数据多方安全方差计算方法的步骤。[0030] 一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现所述设备异构化的电力数据多方安全方差计算方法的步骤。[0031] 与现有技术相比，本发明具有以下有益效果：[0032] 本发明在多个参与方的设备异构化条件下实现隐私保护的电力数据方差计算，在不泄露用户信息的同时高效统计用户用电数据。根据用户本地拥有的资源和对结果准确度的需求，选择合理高效的数据变换算法，确保本地资源能够支持算法的正常运行；使用本地差分隐私技术对数据进行扰动，实现低的计算开销，节省本地资源；用户选用计算所得最小评估值对应的算法作为其数据变换算法，能够最大程度保证在满足其隐私保护需求的同时降低计算开销。用户不使用统一的变换算法，使得每个用户具有个性化的隐私保护。附图说明[0033] 为了更清楚的说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。[0034] 图1为本发明的设备异构化的电力数据多方安全方差计算方法的流程示意图；[0035] 图2为本发明的设备异构化的电力数据多方安全方差计算系统的结构示意图；[0036] 图3为本发明的设备异构化的电力数据多方安全方差计算方法的整体流程图；[0037] 图4为本发明的用户端的流程示意图；[0038] 图5为本发明的数据聚合方的流程示意图。具体实施方式[0039] 为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。[0040] 因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。[0041] 应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。[0042] 在本发明实施例的描述中，需要说明的是，若出现术语“上”、“下”、“水平”、“内”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。[0043] 此外，若出现术语“水平”，并不表示要求部件绝对水平，而是可以稍微倾斜。如“水平”仅仅是指其方向相对“竖直”而言更加水平，并不是表示该结构一定要完全水平，而是可以稍微倾斜。[0044] 在本发明实施例的描述中，还需要说明的是，除非另有明确的规定和限定，若出现术语“设置”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。[0045] 下面结合附图对本发明做进一步详细描述：[0046] 参见图1，本发明公布了一种设备异构化的电力数据多方安全方差计算方法，包括：[0047] S101：基于用户在本地可用的资源阈值，获取本地差分隐私算法的选择范围；[0048] S102：基于用户承担的任务强度和隐私保护需求，以及本地差分隐私算法的选择范围，获取每个本地差分隐私算法的计算复杂度和估计误差以及两者的权重；[0049] S103：基于本地差分隐私算法的计算复杂度和估计误差以及两者的权重，获取本地差分隐私算法的评估值，进而获取本地差分隐私算法的评估值最小值；[0050] 根据本地差分隐私算法 的计算复杂度 和估计误差 ，以及计算复杂度的权重和估计误差的权重 ，通过公式 得到本地差分隐私算法的评估值。[0051] 计算复杂度的权重 和估计误差的权重 的关系具体为： 始终成立。[0052] S104：确定评估值最小值对应的本地差分隐私算法，作为变换算法，并基于变换算法对电力数据进行处理，得到数据元组；[0053] 所述S104在得到数据元组后，将数据元组发送给数据聚合者；[0054] 在基于变换算法对设备异构化的电力数据进行处理，得到数据元组之前，还包括：当评估值达到最小值 时，最小值 对应的本地差分隐私算法为变换算法 ，当最小值 小于用户在本地可用的资源阈值，则本地差分隐私算法 为变换算法 ，否则，本地差分隐私算法 是 算法（模型预测控制算法）。[0055] 基于变换算法对设备异构化的电力数据进行处理，得到数据元组，具体为：对设备异构化的电力数据的真实数据 和真实数据的平方 进行变换，通过本地差分隐私算法变换真实数据 和真实数据的平方 分别为扰动数据 和 ，并将变换后的数据元组发送给数据聚合者。[0056] S105：重复S102到S104，得到若干组数据元组，对选择相同变换算法的设备异构化的电力数据进行处理，得到设备异构化的电力数据多方安全方差。[0057] 所述S105中数据聚合者在接收到用户发送的若干组数据元组后，基于若干组数据元组得到选择相同变换算法的设备异构化的电力数据。[0058] 对所有使用相同变换算法 进行变换的真实数据 和真实数据的平方 分别求均值，得到结果 、 ；[0059] 分别计算所有变换算法得到的 、 的均值，分别记为 、 ；[0060] 利用得到的 和 ，以及方差计算公式，计算设备异构化的电力数据多方安全方差为：[0061] 。[0062] 参见图2，本发明公布了一种设备异构化的电力数据多方安全方差计算系统，包括：[0063] 第一获取模块，所述第一获取模块基于用户在本地可用的资源阈值，获取本地差分隐私算法的选择范围；[0064] 第二获取模块，所述第二获取模块基于用户承担的任务强度和隐私保护需求，以及本地差分隐私算法的选择范围，获取每个本地差分隐私算法的计算复杂度和估计误差以及两者的权重；[0065] 评估值获取模块，所述评估值获取模块基于本地差分隐私算法的计算复杂度和估计误差以及两者的权重，获取本地差分隐私算法的评估值，从本地差分隐私算法的评估值中获取本地差分隐私算法的评估值最小值；[0066] 确定模块，所述确定模块确定评估值最小值对应的本地差分隐私算法，作为变换算法，并基于变换算法对设备异构化的电力数据进行处理，得到数据元组；[0067] 循环处理模块，所述循环处理模块重复第二获取模块、评估值获取模块和确定模块的流程，得到若干组数据元组，基于若干组数据元组得到选择相同变换算法的设备异构化的电力数据，对选择相同变换算法的设备异构化的电力数据进行处理，得到设备异构化的电力数据多方安全方差。[0068] 实施例：[0069] 参见图3，本发明所述的设备异构化的电力数据多方安全方差计算方法的实施步骤如下：[0070] S1、用户 设置其在本地可用的资源阈值 ，选定可使用的本地差分隐私算法，根据可承担的任务强度和隐私保护需求确定本地差分隐私算法的计算复杂度的权重 和估计误差的权重 ，统计每个候选的本地差分隐私算法 的计算复杂度 和估计误差 。[0071] S2、用户 利用本地差分隐私算法 的计算复杂度 、估计误差 及其对两者的权重 在本地计算对每个本地差分隐私算法的评估值 ，找出评估值最小值，使用此时的变换算法 作为数据变换使用的变换算法 ，用变换算法分别对真实数据 和真实数据的平方 进行数据变换得到扰动数据 和 ，最后将变换后的数据组元 发送给数据聚合者。[0072] S3、数据聚合者根据用户发送的数据元组进行计算，根据用户使用的本地差分隐私算法不同对扰动数据进行分组，分别计算每组中真实数据、真实数据的平方的均值、 ，再根据每组的结果计算总体数据、总体数据平方的均值，最后获得最终方差 。[0073] 在步骤S1中，每个用户参数的设置和本地差分隐私算法的确定如下过程：[0074] S11、综合考虑自身硬件条件、可分配给方差计算的本地资源等基。扛鲇没Ц銎淇捎玫谋镜刈试淬兄 。[0075] S12、用户 结合其能够接受的计算开销和对结果准确性的需求，给出对本地差分隐私算法计算复杂度和估计误差的权重。如果用户对结果准确度的要求更高，那么设置估计误差的权重 为更大的值，与此相反，如果用户能承担的计算开销较。，对低计算复杂度的要求更高，那么设置计算复杂度的权重 为更大的值。并且确保估计误差的权重及计算复杂度的权重的和为1，也就是说， 是始终成立的。[0076] S13、给定 个候选的本地差分隐私算法 ，同时得到每个本地差分隐私算法的计算复杂度 和估计误差 ，并将这些信息公开。[0077] 在步骤S2中，用户端对本地差分隐私算法的选择和对数据的扰动包括如下过程：[0078] S21、用户 计算对每个本地差分隐私算法的评估值。根据其对计算复杂度和估计误差的权重 、 ，结合本地差分隐私算法 的计算复杂度 和估计误差 ，使用公式得到本地差分隐私算法的评估值 。[0079] S22、选择数据变换使用的算法。首先找到使评估值达到最小值 的算法 ，然后比较其与本地可用资源阈值的大。舸酥敌∮诒镜乜捎米试淬兄，那么本地差分隐私算法 就是 ，否则本地差分隐私算法 是 算法。[0080] S23、对真实数据和真实数据的平方进行变换。使用本地差分隐私算法 变换真实数据 为扰动数据 ，变换真实数据的平方 为扰动数据 。并将变换后的数据元组发送给数据聚合者。[0081] 在步骤S3中，数据聚合者收到数据元组后的方差计算过程如下：[0082] S31、对选择相同变换算法的数据分别求均值。对所有使用相同变换算法 进行变换的真实数据和真实数据的平方分别求均值，得到结果 、 。[0083] S32、计算总体数据、总体数据平方的均值。分别计算所有变换算法得到的 、的均值，分别记为 、 。[0084] S33、计算方差。利用得到的 和 ，以及方差计算公式，计算设备异构化的电力数据多方安全方差为 。[0085] 参见图4，设备异构化的电力数据多方安全方差计算方法中，用户端具体流程步骤如下：[0086] 步骤一：由用户 对本地差分隐私算法计算复杂度和估计误差的权重，计算 对每个本地差分隐私算法的评估值，结合本地可用资源阈值，确定数据变换使用的算法：。[0087] 步骤二：使用变换算法 对真实数据 进行变换： ，表示扰动变换操作。[0088] 步骤三：计算真实数据的平方 ，使用变换算法 对真实数据的平方 进行变换： 。[0089] 步骤四：将 发送给数据聚合者。[0090] 参见图5，设备异构化的电力数据多方安全方差计算方法中，数据聚合者具体流程步骤如下：[0091] 步骤一：从用户端获得 个用户的变换数据和所使用的本地差分隐私算法：。[0092] 步骤二：：每个本地差分隐私算法计算真实数据 、真实数据的平方 的均值估计： ， ，，其中 表示聚合操作。[0093] 步骤三：计算总体数据、总体数据平方的均值：[0094] ， 。[0095] 步骤四：计算设备异构化的电力数据多方安全方差： 。[0096] 下面是本发明的实验结果。首先给定100000名用户，每个用户的本地可用资源的阈值 分 别为 ，用 户的计 算 复杂 度和 估计 误 差权 重分 别可 设 为。候选的本地差分隐私算法有以下几种， ：Laplace机制（拉普拉斯机制）、 ：SR机制（随机舍入机制）、 ：PM机制（分段机制），其计算复杂度（使用1、2、3分别表示计算复杂度低、中、高）和估计误差分别为： ， ； ，； ， ，其中， 表示Laplace机制的计算复杂度， 表示Laplace机制的估计误差， 表示SR机制的计算复杂度， 表示SR机制的估计误差， 表示PM机制的计算复杂度， 表示PM机制的估计误差，表示隐私预算。表1分别给出了隐私预算 取1、3、5时本地差分隐私算法的计算复杂度和估计误差。[0097] 表1隐私预算 时本地差分隐私算法的计算复杂度和估计误差[0098][0099] 用户数据的分布服从均值为1，方差为4的正态分布，在 取不同值时，计算的方差结果如表2所示。[0100] 表2隐私预算 时的方差结果[0101][0102] 通过分析表1中展示的各项数据，可以清晰地看出不同类型的本地差分隐私算法在计算复杂度和估计误差性能之间存在的显著差异。具体来说，那些能够在保护用户隐私方面表现出较小估计误差的机制，往往伴随着较高的计算复杂度，这意味着它们在处理数据时可能会消耗更多的计算资源和时间。相反，计算复杂度较低的本地差分隐私算法虽然在执行效率上有优势，但可能在保护数据细节和准确性上付出代价，导致其提供的隐私保护效果表现为更大的估计误差可能性。在实际应用场景中，不同的参与者可能拥有各异的资源条件，比如有限的计算能力和存储空间，这就要求在选择实施数据变换的隐私保护算法时必须权衡这些因素。在确保满足必要的隐私保护标准的同时，也要适应参与方的具体资源限制，选择既能有效保护隐私又能兼顾可行性和实用性的算法方案。进一步探讨，表1中的数据揭示了一个普遍规律，即随着隐私预算（参数）的逐渐增加，不同的本地差分隐私算法所产生的误差往往会呈现下降趋势。这是因为隐私预算反映了为了达到隐私保护目的而引入的噪声量，预算越高，添加到原始数据中的随机性成分相对越。虼硕允菡媸堤匦缘呐で蚕嘤跣。[0103] 此外，表2中的实验数据进一步证实了上述结论。当隐私预算被放宽时，使用本地差分隐私算法计算得到的方差结果更加接近于未加隐私保护措施下的真实方差值，这直观地反映了随着隐私预算的增长，本地差分隐私算法的估计误差逐步减少的现象。综上所述，合理调整和选择本地差分隐私算法及其相应的隐私预算，是在实现数据隐私保护和保持数据分析质量之间取得平衡的关键步骤。综上所述，针对各方资源不平衡的情况，本发明所提出策略能够保护用电数据的安全，同时高效计算方差。[0104] 电力负荷的波动直接影响电网的稳定运行和电力资源的分配。通过对方差的计算，可以分析历史负荷数据的波动性，预测未来负荷的变化趋势和不确定性，从而为电力调度提供依据，确保供电的可靠性和经济性，其中，“预测未来负荷的变化趋势和不确定性”主要是根据方差的大小来预测未来负荷变化的稳定性，如果方差。敲锤汉傻谋浠俏榷ǖ，如果方差大，那么负荷的变化可能是剧烈的，以此来进行电力负荷分配。[0105] 本发明一实施例提供的终端设备。该实施例的终端设备包括：处理器、存储器以及存储在所述存储器中并可在所述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上述各个方法实施例中的步骤。或者，所述处理器执行所述计算机程序时实现上述各装置实施例中各模块/单元的功能。[0106] 所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。[0107] 所述终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器、存储器。[0108] 所述处理器可以是中央处理单元(CentralProcessingUnit，CPU)，还可以是其他通用处理器、数字信号处理器(DigitalSignalProcessor，DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、现成可编程门阵列(Field?ProgrammableGateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。[0109] 所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述终端设备的各种功能。[0110] 所述终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read?OnlyMemory）、随机存取存储器（RAM，RandomAccessMemory）、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。[0111] 以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

专利地区：安徽

专利申请日期：2024-08-22

专利公开日期：2024-11-29

专利公告号：CN118690417B