基于深度学习的智能电网大数据去隐私化及数据加密方法

• 作者: 王林信 罗世刚 李树林 李建锦 李俊业 蔺丽华
• 来源期刊: 电子设计工程
• 学科: 工学
• 关键词: 深度学习 智能电网 电网大数据 去隐私化处理 数据加密
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 通信与网络
• 页码范围: 175-178,183
• 页数: 5页
• 分类号: TM91
• 语种: 中文
• DOI: 10.14022/j.issn1674-6236.2021.03.037

摘要

针对传统智能电网大数据去隐私化及数据加密方法存在的去隐私化程度低,数据加密安全性差等问题,提出基于深度学习的智能电网大数据去隐私化及数据加密方法.根据数据提取准则,完整获取所需初始研究数据;依据深度学习参数对数据密文进行解密,获取去隐私化程度数据,并训练解密密钥,完成智能电网大数据去隐私化处理;根据数据类聚中心,构建数据加密模型,挖掘数据特征,并对其进行清洗,选取样本规约数据,查找其特征目标参数,完成智能电网大数据的加密.实验结果表明,采用所提方法对智能电网中的大数据去隐私化能力较强,且数据加密安全性最高可达98％,具有一定实际意义.