[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
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 | ||
本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。
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。