[發明專利]電網數據加密模型訓練方法、系統、存儲介質及設備

有效

• 申請號: 202110065839.3
• 申請日: 2021-01-19
• 公開（公告）號: CN112395636B
• 公開（公告）日: 2021-07-30
• 發明（設計）人: 譚如超;劉興;黃浪鑫;譚如高;李健;肖輝
• 申請（專利權）人: 國網江西省電力有限公司信息通信分公司;國家電網有限公司;南昌大學
• 主分類號: G06F21/60
• 分類號: G06F21/60;G06N3/04;G06N3/08
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 何世磊

1.一種電網數據加密模型訓練方法，其特征在于，所述方法包括：

獲取用于模型訓練的加密密鑰及電網明文數據；

將所述加密密鑰及電網明文數據輸入到量子卷積神經網絡當中進行訓練，所述加密密鑰用于和所述電網明文數據進行加密運算；

計算所述量子卷積神經網絡的目標損失；

判斷所述目標損失是否小于預設值；

若是，則輸出所述量子卷積神經網絡的訓練結果，得到電網數據加密模型；

其中，獲取用于模型訓練的加密密鑰的步驟包括：

采用量子混沌映射生成所述加密密鑰；

其中，采用量子混沌映射生成所述加密密鑰的步驟包括：

獲取經過所述量子混沌映射迭代運算得到的兩個混沌序列；

分別將兩個所述混沌序列轉化為對應的整型數據序列；

將兩個所述整型數據序列中的預設位置的序列一一對應的合成對應的所述加密密鑰；

其中，所述預設位置為所述整型數據序列的后半部分，混沌序列轉換為整型數據序列的公式為：

其中，代表整型數據序列，l_i代表混沌序列；

其中，所述計算所述量子卷積神經網絡的目標損失的步驟包括：

分別計算出所述量子卷積神經網絡的通訊方損失和竊聽者損失，所述損失代表解密輸出數據相對于原明文數據的誤差量子位數；

根據所述通訊方損失和所述竊聽者損失，計算出所述量子卷積神經網絡的目標損失；

其中，所述目標損失的計算公式為：

其中，通訊方Alice、通訊方Bob和竊聽者Eve采用相同的電路模型進行訓練，通訊方Alice和通訊方Bob知曉加密密鑰，竊聽者Eve不知曉加密密鑰，ω_A，ω_B和ω_E分別表示通訊方Alice、通訊方Bob和竊聽者Eve的超參數，EL（ω_A,ω_B,ω_E）代表所述目標損失，EL_B（ω_A,ω_B）代表通訊方平均損失，EL_E（ω_A,ω_E）代表竊聽者平均損失，|A_n〉代表第n個電網明文數據，|B_n〉代表通訊方Bob解密得到的第n個電網數據，|E_n〉代表竊聽者Eve解密得到的第n個電網數據，d（|A_n〉，|B_n〉）代表計算|A_n〉和|B_n〉之間的距離，d（|A_n〉，|E_n〉）代表計算|A_n〉和|E_n〉之間的距離，j表示電網明文數據的總數。