[发明专利]一种注意力机制的深度信念网络DBN检测方法有效

专利信息
申请号: 202110703207.5 申请日: 2021-06-24
公开(公告)号: CN113392919B 公开(公告)日: 2023-04-28
发明(设计)人: 夏卓群;陈亚玲;尹波;文琴 申请(专利权)人: 长沙理工大学
主分类号: G06F18/214 分类号: G06F18/214;G06F21/62;G06N3/084
代理公司: 广州嘉权专利商标事务所有限公司 44205 代理人: 赵琴娜
地址: 410114 湖南省*** 国省代码: 湖南;43
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 注意力 机制 深度 信念 网络 dbn 检测 方法
【说明书】:

发明公开了一种注意力机制的深度信念网络DBN检测方法,包括:多个智能电表,用于收集电力数据;多个集中器,每一个集中器与管辖的多个智能电表通信连接,用于获取来自对应智能电表的电力数据,并使用带注意力机制的DBN训练模型对电力数据进行训练得到训练参数;数据中心,与所有集中器通信连接,用于获取来自每一个集中器的训练参数,对训练参数进行联邦平均聚合,根据集中器的资源分配DBN训练模型到集中器,以及将联邦平均聚合的结果发送到下一轮集中器,以使集中器将DBN训练模型训练至收敛。能够有效提升联邦学习的效率,提高模型训练精度,提升数据隐私的安全性。

技术领域

本发明涉及数据处理技术领域,特别涉及一种注意力机制的深度信念网络DBN检测方法。

背景技术

智能电网的信息安全越来越重要,高级量测体系AMI是智能电网的重要组成部分,高级计量系统的安全问题是智能电网安全急需解决的紧急问题。由于AMI是智能电网的关键体系,容易遭受网络攻击,并且其中的智能电表收集用户的用电信息数据具有敏感性,可能会造成隐私泄露,相关技术的检测模型通常存在“学习效率低”、“模型训练精度不高”和“隐私泄露”等技术问题。

发明内容

本发明旨在至少解决现有技术中存在的技术问题。为此,本发明提出一种基于客户端选择的联邦注意力DBN协同检测系统,能够有效提升联邦学习的效率,减少需要训练的集中器的数量,减少集中器与数据中心的通信开销以及计算开销,提高模型训练精度,提升数据隐私的安全性。

本发明还提出一种注意力机制的DBN检测方法。

本发明还提出一种具有上述注意力机制的DBN检测方法的基于客户端选择的联邦注意力DBN协同检测设备。

本发明还提出一种计算机可读存储介质。

第一方面,本实施例提供了一种基于客户端选择的联邦注意力DBN协同检测系统,包括:

多个智能电表,用于收集电力数据;

多个集中器,每一个所述集中器与管辖的多个所述智能电表通信连接,用于获取来自对应所述智能电表的所述电力数据,并使用带注意力机制的DBN训练模型对所述电力数据进行训练得到训练参数;

数据中心,与所有所述集中器通信连接,根据所述集中器的资源分配所述DBN训练模型到所述集中器,用于获取来自每一个所述集中器的所述训练参数,对所述训练参数进行联邦平均聚合,以及将所述联邦平均聚合的结果发送到下一轮选择的所述集中器,以使所述集中器将所述DBN训练模型训练至收敛。

根据本发明实施例的基于客户端选择的联邦注意力DBN协同检测系统,至少具有如下有益效果:

基于客户端选择的联邦注意力DBN协同检测系统包括多个智能电表、集中器和数据中心,在智能电表上收集大量的电力数据,再将电力数据存储到集中器上,由于智能电网高级量测体系(Adavanced Metering Infrastructure,AMI)常常会有网络攻击,而电力数据的隐私性和安全性的要求较高,在集中器上使用带注意力机制的DBN训练模型对所述电力数据进行训练得到训练参数,而且各个集中器之间不直接进行通信,就能较好地提升电力数据的安全性,数据中心与所述集中器连接,获取所述训练参数,对所述训练参数进行联邦平均聚合,根据所述集中器的资源分配所述DBN训练模型到所述集中器,集中器资源包括通信质量、空闲CPU、GPU,将所述联邦平均聚合的结果发送到下一轮选择的集中器,以使所述集中器对所述电力数据继续训练直至所述DBN训练模型收敛。

本实施例提供的基于客户端选择的联邦注意力DBN协同检测系统能够大幅缩短训练时间,也能达到接近于集中式方法的准确性;与分布式检测模型相比,优于分布式的未聚合的设备上的训练模型,同时很好地保护了数据隐私。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于长沙理工大学,未经长沙理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110703207.5/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top