16、智能电网大数据应用的安全数据学习方案

智能电网大数据应用的安全数据学习方案

1. 背景与相关工作

1.1 动机与背景

如今，信息和通信技术（ICT）基础设施借助现代控制技术，极大地提升了信息系统的效率、可靠性和安全性。大数据作为一个新兴话题，因其广泛的应用而备受关注。然而，由于其数据量巨大且计算复杂，如果没有ICT的底层支持，大数据也不会如此普及。当大量数据快速产生时，实时处理、聚合、存储和分析这些海量数据就变得至关重要。

对于ICT公司获取的大型数据集，整体数据集并不总是存储在同一个数据库中，而是可能分散在公司不同地点的不同数据库里。数据分析师面临着处理大数据问题的挑战，许多ICT公司缺乏支持此类需求的基础设施。在可能的方法中，ICT公司的决策者会执行数据学习任务，我们将其分为集中式学习任务和分布式本地学习任务。目前，大多数方案采用集中式方法来管理传统的小规模数据。

传统的集中式学习过程存在一些问题。由于中央枢纽的性能瓶颈，在传统方案中访问中央枢纽上的数据效率相对较低，数据预处理可能较慢，并且信息隐私容易受到威胁。在传统方法中，中央枢纽无法对海量数据进行大量的分析。同时，在多实体的大数据学习过程中，很少有方案能有效地纳入强大的安全和隐私保护措施。无论决策者采用哪种学习方法，安全和隐私无疑是首要考虑因素，因为聚合数据可能包含用户的个人数据和使用信息等关键信息。

为了弥补这一差距，提出了一种适用于大数据应用环境中多实体的安全数据学习方案。该方案旨在改善传统集中式学习任务在处理大型数据集时的缺点。具体来说，它可以将主要学习过程从中央枢纽转移到多个学习实体（即聚合数据的每个来源），从而减少通信开销。此外，基于当前的学习算法，在目标函数中加入惩罚项，以避免学习方案在解决常见回归问题