面向智能电网的可验证隐私保护联邦学习方法

来源：电讯技术杂志2025年第7期北京时间：

作者：艾徐华,银源,董贇,谭期文,韦宗慧,黄依婷

单位：(中国南方电网广西电网有限责任公司，南宁 530023)

摘要：智能电网通过整合先进的信息与通信技术，将传统电网升级为更高效、可靠和可持续的系统。然而，集中化的数据处理模式面临着隐私泄露和数据安全挑战。为此，提出了一种面向智能电网的可验证隐私保护联邦学习方法，基于秘密共享及其同态性设计了一种安全数据聚合方案。在上传梯度信息前，用户在本地对梯度添加掩码并通过秘密共享与其他用户共享掩码值。服务器在收到经过隐私处理的梯度后利用同态特性恢复掩码之和，从而确保安全聚合并降低通信开销。在数据传输过程中，基于可验证秘密共享和认证加密技术进行了数据完整性验证，以确保客户端与服务器间传输数据的真实性和完整性。仿真结果表明，该方案在保证用户隐私和数据完整性的前提下仍具有优越的模型性能和较低的通信成本，在MNIST和CIFAR数据集上模型精度分别达到99.2%和99.5%。

关键词：智能电网；隐私保护；联邦学习；可验证秘密共享；数据聚合；

基金资助：广西电网公司科技项目（046100KC23040002）