CN116599766A - 智能电表的检测方法、装置、设备及存储介质 - Google Patents
智能电表的检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116599766A CN116599766A CN202310845364.9A CN202310845364A CN116599766A CN 116599766 A CN116599766 A CN 116599766A CN 202310845364 A CN202310845364 A CN 202310845364A CN 116599766 A CN116599766 A CN 116599766A
- Authority
- CN
- China
- Prior art keywords
- data
- encryption
- model
- detection
- preset
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 151
- 238000000034 method Methods 0.000 claims abstract description 39
- 238000005265 energy consumption Methods 0.000 claims abstract description 10
- 230000005540 biological transmission Effects 0.000 claims description 130
- 238000011156 evaluation Methods 0.000 claims description 27
- 238000012549 training Methods 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 21
- 230000009467 reduction Effects 0.000 claims description 19
- 238000000605 extraction Methods 0.000 claims description 17
- 230000003044 adaptive effect Effects 0.000 claims description 12
- 230000004927 fusion Effects 0.000 claims description 12
- 230000015654 memory Effects 0.000 claims description 10
- 238000012423 maintenance Methods 0.000 claims description 9
- 238000010801 machine learning Methods 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 5
- 238000003745 diagnosis Methods 0.000 claims description 4
- 238000012098 association analyses Methods 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 3
- 230000001934 delay Effects 0.000 claims description 3
- 230000036541 health Effects 0.000 claims description 3
- 230000003449 preventive effect Effects 0.000 claims description 3
- 238000012800 visualization Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims 2
- 230000009286 beneficial effect Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 230000035945 sensitivity Effects 0.000 description 5
- 238000013135 deep learning Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000005611 electricity Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 230000007787 long-term memory Effects 0.000 description 2
- 230000006403 short-term memory Effects 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/04—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks
- H04L63/0428—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the data content is protected, e.g. by encrypting or encapsulating the payload
- H04L63/045—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the data content is protected, e.g. by encrypting or encapsulating the payload wherein the sending and receiving network entities apply hybrid encryption, i.e. combination of symmetric and asymmetric encryption
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0631—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/12—Applying verification of the received information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
- H04L9/14—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols using a plurality of keys or algorithms
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
- H04L9/40—Network security protocols
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
- Y04S40/20—Information technology specific aspects, e.g. CAD, simulation, modelling, system security
Landscapes
- Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Hardware Design (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Arrangements For Transmission Of Measured Signals (AREA)
Abstract
本发明涉及电表检测技术领域,公开了一种智能电表的检测方法、装置、设备及存储介质。所述智能电表的检测方法包括:获取待传输数据,并且将所述待传输数据进行分类,得到敏感数据与非敏感数据;其中,所述敏感数据至少包括用户隐私信息、能耗数据,所述非敏感数据至少包括设备状态数据、固件更新信息;通过预设的第一加密模型对所述敏感数据进行加密,得到第一加密数据,并通过预设的第二加密模型对所述非敏感数据进行加密,得到第二加密数据;本发明方法可在智能电表有限的计算能力和通信带宽约束下满足信息安全防护的基本需求。
Description
技术领域
本发明涉及电表检测技术领域,尤其涉及一种智能电表的检测方法、装置、设备及存储介质。
背景技术
随着科技的快速发展,智能电表在电力***中得到了广泛的应用,有效地提高了用电信息采集、监控和管理的效率。然而,智能电表的信息安全和可靠性问题日益凸显。在信息传输的过程中,黑客攻击、篡改数据进行窃电以及保护信息隐私的问题成为了智能电表的一个核心挑战。
当前的技术方案主要集中在通过加密算法加强数据传输的安全性、硬件防护策略以及软件保护机制来提高信息安全的可靠性。然而,随着数据量的增加以及敏感信息的涉及,如何确保数据的安全传输以及智能电表的正常工作成为了一个亟待解决的问题。
发明内容
本发明提供了一种智能电表的检测方法、装置、设备及存储介质,用于解决上述提到的技术问题。
本发明第一方面提供了一种智能电表的检测方法,所述智能电表的检测方法包括:
获取待传输数据,并且将所述待传输数据进行分类,得到敏感数据与非敏感数据;其中,所述敏感数据至少包括用户隐私信息、能耗数据,所述非敏感数据至少包括设备状态数据、固件更新信息;
通过预设的第一加密模型对所述敏感数据进行加密,得到第一加密数据,并通过预设的第二加密模型对所述非敏感数据进行加密,得到第二加密数据;其中,所述预设的第一加密模型提前经过椭圆曲线加密算法训练得到,所述预设的第二加密模型提前经过AES加密算法训练得到;
结合所述第一加密模型和所述第二加密模型的共同属性,得到混合加密传输协议,基于所述混合加密传输协议,将所述第一加密数据和第二加密数据按照传输比例进行融合,得到传输数据;
基于预设的自适应故障检测模型,将智能电表传输的所述传输数据导入到所述自适应故障检测模型中,得到检测数据,并通过所述检测数据对智能电表进行故障分析,得到故障分析评估报告,通过所述故障分析评估报告对智能电表进行信息安全可靠性检测。
可选的,在本发明第一方面的第一种实现方式中,所述通过预设的第一加密模型对所述敏感数据进行加密,得到第一加密数据,并通过预设的第二加密模型对所述非敏感数据进行加密,得到第二加密数据的步骤,包括:
通过选择不同类型的椭圆曲线,对椭圆曲线加密算法进行多重组合,得到多重加密结构的椭圆曲线算法,并基于所述多重加密结构的椭圆曲线算法对所述敏感数据进行加密,得到第一加密数据;
通过预设的动态密钥生成算法对基于AES加密算法生成的初始密钥进行二次加密,生成二次加密密钥,并通过二次加密密钥对所述非敏感数据进行加密,得到第二加密数据。
可选的,在本发明第一方面的第二种实现方式中,所述结合所述第一加密模型和所述第二加密模型的共同属性,得到混合加密传输协议,基于所述混合加密传输协议,将所述第一加密数据和第二加密数据按照所述传输比例进行融合,得到传输数据的步骤,包括:
构建结合椭圆曲线加密算法的第一加密模型以及AES加密算法的第二加密模型的混合加密传输协议;
根据混合加密传输协议和实时需求动态调整敏感数据和非敏感数据的传输比例,以适应不同网络条件、延迟和数据类型的优先级;
采用指定融合算法将第一加密模型加密的敏感数据和第二加密模型加密的非敏感数据按照传输比例进行融合,得到传输数据。
可选的,在本发明第一方面的第三种实现方式中,所述基于预设的自适应故障检测模型,将智能电表传输的所述传输数据导入到所述自适应故障检测模型中,得到检测数据,并通过所述检测数据对智能电表进行故障分析,得到故障分析评估报告的步骤,包括:
构建及配置基于机器学习算法的自适应故障检测模型;其中,所述机器学习算法包括监督学习算法和非监督学习算法;
对智能电表传输的传输数据进行预处理;其中,预处理包括数据清洗、数据标准化和特征提取,并采用数据融合及关联分析算法整合多个来源的支持信息;
根据智能电表传输的特定场景、设备类型和实时运行参数,实时调整自适应故障检测模型的超参数和预测属性;
导入处理后的传输数据至自适应故障检测模型中,输出检测数据,对所述检测数据进行降噪处理,并生成故障分析评估报告;其中,所述故障分析评估报告包含设备健康状况诊断、预防性维护建议和设备寿命预测;
通过可视化工具将所述故障分析评估报告呈现给运维人员,并将报告发送给多个运维干预团队。
可选的,在本发明第一方面的第四种实现方式中,所述导入处理后的传输数据至自适应故障检测模型中,输出检测数据,对所述检测数据进行降噪处理,并产生故障分析评估报告的步骤,包括:
获取检测数据,对所述检测数据进行特征提取,得到第一检测特征向量;其中,所述检测数据包括对应的标签;
将所述第一检测特征向量输入至预设的编码模型进行特征提取,得到第一编码向量;
将所述第一编码向量输入至预设的解码模型中进行解码处理,得到对应的第二检测特征向量;
将所述第二检测特征向量输入至预设的编码模型中进行特征提取,得到第二编码向量;
将所述第一编码向量、第二编码向量以及对应的标签输入至分类层中进行训练,并迭代调整所述预设的编码模型、解码模型的模型参数,直至所述分类层的损失函数收敛之后,完成模型训练;其中,将所述编码模型与所述解码模型作为降噪模型,用于对所述检测数据进行降噪处理。
本发明第二方面提供了一种智能电表的检测装置,所述智能电表的检测装置包括:
获取模块,用于获取待传输数据,并且将所述待传输数据进行分类,得到敏感数据与非敏感数据;其中,所述敏感数据至少包括用户隐私信息、能耗数据,所述非敏感数据至少包括设备状态数据、固件更新信息;
加密模块,用于通过预设的第一加密模型对所述敏感数据进行加密,得到第一加密数据,并通过预设的第二加密模型对所述非敏感数据进行加密,得到第二加密数据;其中,所述预设的第一加密模型提前经过椭圆曲线加密算法训练得到,所述预设的第二加密模型提前经过AES加密算法训练得到;
融合模块,用于结合所述第一加密模型和所述第二加密模型的共同属性,得到混合加密传输协议,基于所述混合加密传输协议,将所述第一加密数据和第二加密数据按照传输比例进行融合,得到传输数据;
检测模块,用于基于预设的自适应故障检测模型,将智能电表传输的所述传输数据导入到所述自适应故障检测模型中,得到检测数据,并通过所述检测数据对智能电表进行故障分析,得到故障分析评估报告,通过所述故障分析评估报告对智能电表进行信息安全可靠性检测。
本发明第三方面提供了一种智能电表的检测设备,包括:存储器和至少一个处理器,所述存储器中存储有指令;所述至少一个处理器调用所述存储器中的所述指令,以使得所述智能电表的检测设备执行上述的智能电表的检测方法。
本发明的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述的智能电表的检测方法。
本发明提供的技术方案中,有益效果:本发明提供了一种智能电表的检测方法、装置、设备及存储介质,通过对敏感数据和非敏感数据进行分类,可根据数据的敏感程度采取不同的加密策略,有效保护用户隐私信息和设备的安全。以及在两种预设的加密模型下对数据进行加密,基于混合加密传输协议进行传输,极大地提高了数据传输安全性。数据经过加密和融合处理,降低了被破解的风险,也提高了信息安全可靠性。利用预设的自适应故障检测模型对智能电表的传输数据进行故障分析和信息安全可靠性检测,有利于快速发现电表存在的故障和潜在安全隐患,实现更稳定、安全的电力消费监测。
附图说明
图1为本发明实施例中智能电表的检测方法的一个实施例示意图;
图2为本发明实施例中智能电表的检测装置的一个实施例示意图。
具体实施方式
本发明实施例提供了一种智能电表的检测方法、装置、设备及存储介质。本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”或“具有”及其任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解,下面对本发明实施例的具体流程进行描述,请参阅图1,本发明实施例中智能电表的检测方法的一个实施例包括:
步骤101、获取待传输数据,并且将所述待传输数据进行分类,得到敏感数据与非敏感数据;其中,所述敏感数据至少包括用户隐私信息、能耗数据,所述非敏感数据至少包括设备状态数据、固件更新信息;
可以理解的是,本发明的执行主体可以为智能电表的检测装置,还可以是终端或者服务器,具体此处不做限定。本发明实施例以智能电表的检测装置为执行主体为例进行说明。
具体的,在本实施例中,数据传输模块负责获取待传输数据,并根据其属性将数据进行分类,得到敏感数据与非敏感数据。这有助于保护用户隐私,同时在数据传输时优化网络资源的分配。
数据传输模块首先获取待传输数据。这可能包括从各个子模块(如充电模块和监控模块)收集的数据,以及从用户端接收到的控制指令。
将获取的待传输数据进行分类,数据传输模块按照数据的敏感性将其分为敏感数据和非敏感数据。敏感数据至少包括用户隐私信息(如个人身份信息、充电历史记录等)和能耗数据(如能耗分析、用电统计等)。非敏感数据至少包括设备状态数据(如电池剩余电量、充电速度等)和固件更新信息(如软件升级提醒、Bug修复提示等)。
对于敏感数据,数据传输模块采取必要的加密措施,例如使用SSL/TLS加密技术保护数据在传输过程中的安全和隐私。同时,在存储敏感数据时,同样采用严格的加密措施,以 safeguard用户的隐私权益。
对于非敏感数据,数据传输模块可以通过不同优先级的网络通道进行传输,确保实时性和可靠性。例如,当设备状态数据和固件更新信息同时传输时,设备状态数据可优先传输以保证实时反馈给用户;固件更新信息可稍后传输,避免拥堵网络资源。
为确保数据传输的安全与高效,数据传输模块可采用区块链技术作为底层传输与存储手段。基于区块链技术的无信任和加密特性,使得敏感数据和非敏感数据均能在一个安全、去中心化的网络中进行传输与存储。
综上,本发明实施例中,有益效果:本发明实施例通过对待传输数据的分类和相应的处理措施,提高了数据安全性和传输效率。同时,在创新方面,该实施例尝试将区块链技术纳入数据传输与存储,进一步增强数据安全性和***鲁棒性。
步骤102、通过预设的第一加密模型对所述敏感数据进行加密,得到第一加密数据,并通过预设的第二加密模型对所述非敏感数据进行加密,得到第二加密数据;其中,所述预设的第一加密模型提前经过椭圆曲线加密算法训练得到,所述预设的第二加密模型提前经过AES加密算法训练得到;
具体的,在本实施例中,敏感数据和非敏感数据分别通过预设的第一加密模型和第二加密模型进行加密。这种分类加密策略,旨在确保对敏感数据提供更高程度的安全保护,同时优化对非敏感数据的处理速度。
预设的第一加密模型针对敏感数据进行加密,经过椭圆曲线加密算法训练得到。敏感数据至少包括用户的隐私信息和能耗数据。利用椭圆曲线加密算法对敏感数据加密后,得到第一加密数据。椭圆曲线加密算法具有较高的安全性和较短的密钥长度,适合用于保护隐私信息的传输。
预设的第二加密模型针对非敏感数据进行加密,经过AES加密算法训练得到。非敏感数据至少包括设备状态数据和固件更新信息。利用AES加密算法对非敏感数据加密后,得到第二加密数据。AES加密算法在保证一定安全性的同时,具有较高的加密解密速度,更适合处理非敏感数据。
当数据传输模块需要将加密数据发送给其他设备或***时,根据数据的属性,选择使用第一加密数据或第二加密数据。敏感数据采用第一加密数据可确保隐私信息在数据传输中得到更多保障。而非敏感数据采用第二加密数据能够实现较高的处理速度。
为进一步优化加密过程,在本实施例中的加密模型可采用硬件安全模块(HSM)进行实现。硬件安全模块是一种可提供加密解密功能的硬件设备,能够实现对加密密钥的安全存储和管理。通过使用HSM,能大幅提高加密解密操作的速度以及加密密钥的安全性。
综上,本发明实施例中,有益效果:本发明实施例对敏感数据和非敏感数据分别通过第一和第二加密模型加密,确保了敏感数据的安全性和非敏感数据的处理速度。通过引入硬件安全模块(HSM),进一步提高了加密解密的效率和密钥安全性。
步骤103、结合所述第一加密模型和所述第二加密模型的共同属性,得到混合加密传输协议,基于所述混合加密传输协议,将所述第一加密数据和第二加密数据按照传输比例进行融合,得到传输数据;
具体的,在本实施例中,通过结合第一加密模型(椭圆曲线加密算法,用于敏感数据加密)和第二加密模型(AES加密算法,用于非敏感数据加密)的共同属性,得到混合加密传输协议。利用这种混合加密传输协议,提高数据传输的安全性和效率。
混合加密传输协议的设计:结合椭圆曲线加密算法和AES加密算法的共同属性,设计出一种能够适应不同加密数据类型的混合加密传输协议。协议应兼顾椭圆曲线加密算法提供的高安全性和AES加密算法提供的高效性。协议需要实现自动判断加密数据类型,并采用适当的加密解密策略。
融合加密数据:基于混合加密传输协议,在确保安全性的前提下,将第一加密数据(敏感数据)和第二加密数据(非敏感数据)按照传输比例进行融合。传输比例根据场景、网络条件和数据的紧急性等因素进行调整。融合后的数据可实现对敏感数据和非敏感数据的同时传输,节省传输时间和网络资源。
传输数据接收与解密:接收端在接收到基于混合加密传输协议融合的传输数据后,需要先根据协议规则获取敏感数据和非敏感数据的传输比例,然后分别解密第一加密数据和第二加密数据。通过解密后,接收端能正确获取原始的敏感数据和非敏感数据。
为进一步优化混合加密传输协议,可引入动态调整加密强度的机制。根据数据的敏感性、传输环境和实时网络状况动态调整第一加密模型和第二加密模型的加密强度,使传输过程更加安全和高效。例如,在安全性要求较高的情况下,可增加椭圆曲线加密算法或AES加密算法的密钥长度以提高加密强度。
综上,本发明实施例中,有益效果:本发明实施例通过结合第一加密模型和第二加密模型,得到了混合加密传输协议,提高了数据传输的安全性和效率。同时,本实施例引入动态调整加密强度的机制,进一步增强数据传输过程的安全性和效率。
步骤104、基于预设的自适应故障检测模型,将智能电表传输的所述传输数据导入到所述自适应故障检测模型中,得到检测数据,并通过所述检测数据对智能电表进行故障分析,得到故障分析评估报告,通过所述故障分析评估报告对智能电表进行信息安全可靠性检测。
具体的,在本实施例中,基于预设的自适应故障检测模型,将智能电表传输的传输数据导入进行故障分析,并利用分析结果判断智能电表的信息安全可靠性。
自适应故障检测模型:设计并实现一个预设的自适应故障检测模型,用于对智能电表传输的数据进行故障检测。该模型可以基于机器学习算法(如决策树、支持向量机等)以提高故障诊断的准确性和灵敏度。
导入传输数据:将智能电表传输的传输数据(包括经混合加密传输协议融合后的第一加密数据和第二加密数据)导入到自适应故障检测模型中。在导入前,需要对传输数据进行解密处理,以便模型对真实的敏感数据和非敏感数据进行分析。
故障分析:自适应故障检测模型根据输入的传输数据,自动进行故障分析。模型会根据特征数据检测出潜在的故障,并为每个故障提供可能的原因以及影响信息安全可靠性的程度。
故障分析评估报告:根据故障分析结果,生成一份故障分析评估报告。报告包括发现的故障、相应的可能原因以及对智能电表信息安全可靠性的影响。此报告可用于智能电表信息安全可靠性检测,并有助于采取针对性地解决措施。
为进一步提高故障检测的可靠性,可以引入深度学习算法(如卷积神经网络、长短时记忆网络等),以实现对不同故障进行更为复杂和精确的分析。此外,可通过智能电表之间的协同检测,实现多智能电表间的信息共享,提高检测效果。
综上,本发明实施例中,有益效果:本发明实施例基于预设的自适应故障检测模型,对智能电表进行信息安全可靠性检测。故障分析结果有助于采取相应措施确保智能电表的安全运行。同时,本实施例引入深度学习算法和多智能电表协同检测,进一步提高故障检测的准确性和效率。
本发明实施例中智能电表的检测方法的另一个实施例包括:
所述通过预设的第一加密模型对所述敏感数据进行加密,得到第一加密数据,并通过预设的第二加密模型对所述非敏感数据进行加密,得到第二加密数据的步骤,包括:
通过选择不同类型的椭圆曲线,对椭圆曲线加密算法进行多重组合,得到多重加密结构的椭圆曲线算法,并基于所述多重加密结构的椭圆曲线算法对所述敏感数据进行加密,得到第一加密数据;
通过预设的动态密钥生成算法对基于AES加密算法生成的初始密钥进行二次加密,生成二次加密密钥,并通过二次加密密钥对所述非敏感数据进行加密,得到第二加密数据。
本发明实施例中智能电表的检测方法的另一个实施例包括:
所述结合所述第一加密模型和所述第二加密模型的共同属性,得到混合加密传输协议,基于所述混合加密传输协议,将所述第一加密数据和第二加密数据按照所述传输比例进行融合,得到传输数据的步骤,包括:
构建结合椭圆曲线加密算法的第一加密模型以及AES加密算法的第二加密模型的混合加密传输协议;
根据混合加密传输协议和实时需求动态调整敏感数据和非敏感数据的传输比例,以适应不同网络条件、延迟和数据类型的优先级;
采用指定融合算法将第一加密模型加密的敏感数据和第二加密模型加密的非敏感数据按照传输比例进行融合,得到传输数据。
具体的,在本实施例中,构建一种混合加密传输协议,该协议结合椭圆曲线加密算法的第一加密模型和AES加密算法的第二加密模型,并能根据实时需求动态调整敏感数据和非敏感数据的传输比例。
混合加密传输协议:设计一种结合椭圆曲线加密算法和AES加密算法的混合加密传输协议,该协议兼顾第一加密模型的高安全性和第二加密模型的高效性。通过此协议,可以保证数据传输过程中敏感数据和非敏感数据的安全性。
动态调整传输比例:根据网络条件、延迟和数据类型的优先级等因素,实时动态调整敏感数据和非敏感数据的传输比例。例如,在网络条件不佳或延迟较高的情况下,可以适当降低敏感数据的传输比例,以提高传输效率。
融合加密数据:采用指定融合算法,将第一加密模型加密的敏感数据和第二加密模型加密的非敏感数据按照调整后的传输比例进行融合。融合过程应确保数据完整性和可靠性,并在解密时能还原出原始数据。
为进一步优化动态调整传输比例的过程,引入基于人工智能的算法,如强化学习,帮助***自动学习并确定最佳的传输比例。此外,可以利用区块链技术确保融合加密数据在传输过程中的安全性,防止数据篡改和泄露。
综上,本发明实施例中,有益效果:本发明实施例技术方案结合了椭圆曲线加密算法的第一加密模型和AES加密算法的第二加密模型,构建了一种混合加密传输协议。同时,根据实时需求动态调整敏感数据和非敏感数据的传输比例,以适应不同场景。并且引入人工智能算法和区块链技术,进一步增强数据传输的安全性和效率。
本发明实施例中智能电表的检测方法的另一个实施例包括:
所述基于预设的自适应故障检测模型,将智能电表传输的所述传输数据导入到所述自适应故障检测模型中,得到检测数据,并通过所述检测数据对智能电表进行故障分析,得到故障分析评估报告的步骤,包括:
构建及配置基于机器学习算法的自适应故障检测模型;其中,所述机器学习算法包括监督学习算法和非监督学习算法;
对智能电表传输的传输数据进行预处理;其中,预处理包括数据清洗、数据标准化和特征提取,并采用数据融合及关联分析算法整合多个来源的支持信息;
根据智能电表传输的特定场景、设备类型和实时运行参数,实时调整自适应故障检测模型的超参数和预测属性;
导入处理后的传输数据至自适应故障检测模型中,输出检测数据,对所述检测数据进行降噪处理,并生成故障分析评估报告;其中,所述故障分析评估报告包含设备健康状况诊断、预防性维护建议和设备寿命预测;
通过可视化工具将所述故障分析评估报告呈现给运维人员,并将报告发送给多个运维干预团队。
本发明实施例中智能电表的检测方法的另一个实施例包括:
所述导入处理后的传输数据至自适应故障检测模型中,输出检测数据,对所述检测数据进行降噪处理,并产生故障分析评估报告的步骤,包括:
获取检测数据,对所述检测数据进行特征提取,得到第一检测特征向量;其中,所述检测数据包括对应的标签;
将所述第一检测特征向量输入至预设的编码模型进行特征提取,得到第一编码向量;
将所述第一编码向量输入至预设的解码模型中进行解码处理,得到对应的第二检测特征向量;
将所述第二检测特征向量输入至预设的编码模型中进行特征提取,得到第二编码向量;
将所述第一编码向量、第二编码向量以及对应的标签输入至分类层中进行训练,并迭代调整所述预设的编码模型、解码模型的模型参数,直至所述分类层的损失函数收敛之后,完成模型训练;其中,将所述编码模型与所述解码模型作为降噪模型,用于对所述检测数据进行降噪处理。
具体的,在本实施例中,导入处理后的传输数据至自适应故障检测模型中,输出检测数据,并对检测数据进行降噪处理,产生故障分析评估报告。
获取检测数据:首先将传输数据导入到自适应故障检测模型中。传输数据应包含检测数据以及对应的标签。可以考虑使用无监督学习方法对未标记数据进行预处理。
特征提取和处理:对检测数据进行特征提取,得到第一检测特征向量。使用适当的特征提取方法(如主成分分析、傅里叶变换等)提高特征表示的稳定性和准确性。
编码与解码:设计和实现预设的编码模型和解码模型。将第一检测特征向量输入编码模型进行特征提取,得到第一编码向量。然后,将该向量输入解码模型,得到对应的第二检测特征向量。
特征降噪与分类:将第二检测特征向量输入预设的编码模型中进行特征提取,得到第二编码向量。然后,将第一编码向量、第二编码向量以及对应的标签输入至分类层中进行训练。通过迭代调整编码模型和解码模型的参数,直至分类层的损失函数收敛,完成模型训练。此过程实现了对检测数据的降噪处理。
为增强特征提取性能,可以引入深度学习方法(如卷积神经网络、长短时记忆网络等)。同时,为提高降噪效果,可以尝试结合多种降噪方法,实现多层次的降噪处理。
综上,本发明实施例中,有益效果:本发明实施例通过对输入到自适应故障检测模型中的检测数据进行降噪处理,可以提高故障分析的准确性和可靠性。此外,本实施例采用如深度学习和多层次降噪方法,进一步改善故障检测过程。
上面对本发明实施例中智能电表的检测方法进行了描述,下面对本发明实施例中智能电表的检测装置进行描述,请参阅图2,本发明实施例中智能电表的检测装置1一个实施例包括:
获取模块11,用于获取待传输数据,并且将所述待传输数据进行分类,得到敏感数据与非敏感数据;其中,所述敏感数据至少包括用户隐私信息、能耗数据,所述非敏感数据至少包括设备状态数据、固件更新信息;
加密模块12,用于通过预设的第一加密模型对所述敏感数据进行加密,得到第一加密数据,并通过预设的第二加密模型对所述非敏感数据进行加密,得到第二加密数据;其中,所述预设的第一加密模型提前经过椭圆曲线加密算法训练得到,所述预设的第二加密模型提前经过AES加密算法训练得到;
融合模块13,用于结合所述第一加密模型和所述第二加密模型的共同属性,得到混合加密传输协议,基于所述混合加密传输协议,将所述第一加密数据和第二加密数据按照传输比例进行融合,得到传输数据;
检测模块14,用于基于预设的自适应故障检测模型,将智能电表传输的所述传输数据导入到所述自适应故障检测模型中,得到检测数据,并通过所述检测数据对智能电表进行故障分析,得到故障分析评估报告,通过所述故障分析评估报告对智能电表进行信息安全可靠性检测。
本发明还提供一种智能电表的检测设备,所述智能电表的检测设备包括存储器和处理器,存储器中存储有计算机可读指令,计算机可读指令被处理器执行时,使得处理器执行上述各实施例中的所述智能电表的检测方法的步骤。
本发明还提供一种计算机可读存储介质,该计算机可读存储介质可以为非易失性计算机可读存储介质,该计算机可读存储介质也可以为易失性计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在计算机上运行时,使得计算机执行所述智能电表的检测方法的步骤。
有益效果:本发明提供了一种智能电表的检测方法、装置、设备及存储介质,通过对敏感数据和非敏感数据进行分类,可根据数据的敏感程度采取不同的加密策略,有效保护用户隐私信息和设备的安全。以及在两种预设的加密模型下对数据进行加密,基于混合加密传输协议进行传输,极大地提高了数据传输安全性。数据经过加密和融合处理,降低了被破解的风险,也提高了信息安全可靠性。利用预设的自适应故障检测模型对智能电表的传输数据进行故障分析和信息安全可靠性检测,有利于快速发现电表存在的故障和潜在安全隐患,实现更稳定、安全的电力消费监测。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(randomaccess memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
1.一种智能电表的检测方法,其特征在于,包括:
获取待传输数据,并且将所述待传输数据进行分类,得到敏感数据与非敏感数据;其中,所述敏感数据至少包括用户隐私信息、能耗数据,所述非敏感数据至少包括设备状态数据、固件更新信息;
通过预设的第一加密模型对所述敏感数据进行加密,得到第一加密数据,并通过预设的第二加密模型对所述非敏感数据进行加密,得到第二加密数据;其中,所述预设的第一加密模型提前经过椭圆曲线加密算法训练得到,所述预设的第二加密模型提前经过AES加密算法训练得到;
结合所述第一加密模型和所述第二加密模型的共同属性,得到混合加密传输协议,基于所述混合加密传输协议,将所述第一加密数据和第二加密数据按照传输比例进行融合,得到传输数据;
基于预设的自适应故障检测模型,将智能电表传输的所述传输数据导入到所述自适应故障检测模型中,得到检测数据,并通过所述检测数据对智能电表进行故障分析,得到故障分析评估报告,通过所述故障分析评估报告对智能电表进行信息安全可靠性检测。
2.根据权利要求1所述的方法,其特征在于,所述通过预设的第一加密模型对所述敏感数据进行加密,得到第一加密数据,并通过预设的第二加密模型对所述非敏感数据进行加密,得到第二加密数据的步骤,包括:
通过选择不同类型的椭圆曲线,对椭圆曲线加密算法进行多重组合,得到多重加密结构的椭圆曲线算法,并基于所述多重加密结构的椭圆曲线算法对所述敏感数据进行加密,得到第一加密数据;
通过预设的动态密钥生成算法对基于AES加密算法生成的初始密钥进行二次加密,生成二次加密密钥,并通过二次加密密钥对所述非敏感数据进行加密,得到第二加密数据。
3.根据权利要求1所述的方法,其特征在于,所述结合所述第一加密模型和所述第二加密模型的共同属性,得到混合加密传输协议,基于所述混合加密传输协议,将所述第一加密数据和第二加密数据按照所述传输比例进行融合,得到传输数据的步骤,包括:
构建结合椭圆曲线加密算法的第一加密模型以及AES加密算法的第二加密模型的混合加密传输协议;
根据混合加密传输协议和实时需求动态调整敏感数据和非敏感数据的传输比例,以适应不同网络条件、延迟和数据类型的优先级;
采用指定融合算法将第一加密模型加密的敏感数据和第二加密模型加密的非敏感数据按照传输比例进行融合,得到传输数据。
4.根据权利要求1所述的方法,其特征在于,所述基于预设的自适应故障检测模型,将智能电表传输的所述传输数据导入到所述自适应故障检测模型中,得到检测数据,并通过所述检测数据对智能电表进行故障分析,得到故障分析评估报告的步骤,包括:
构建及配置基于机器学习算法的自适应故障检测模型;其中,所述机器学习算法包括监督学习算法和非监督学习算法;
对智能电表传输的传输数据进行预处理;其中,预处理包括数据清洗、数据标准化和特征提取,并采用数据融合及关联分析算法整合多个来源的支持信息;
根据智能电表传输的特定场景、设备类型和实时运行参数,实时调整自适应故障检测模型的超参数和预测属性;
导入处理后的传输数据至自适应故障检测模型中,输出检测数据,对所述检测数据进行降噪处理,并生成故障分析评估报告;其中,所述故障分析评估报告包含设备健康状况诊断、预防性维护建议和设备寿命预测;
通过可视化工具将所述故障分析评估报告呈现给运维人员,并将报告发送给多个运维干预团队。
5.根据权利要求4所述的方法,其特征在于,所述导入处理后的传输数据至自适应故障检测模型中,输出检测数据,对所述检测数据进行降噪处理,并产生故障分析评估报告的步骤,包括:
获取检测数据,对所述检测数据进行特征提取,得到第一检测特征向量;其中,所述检测数据包括对应的标签;
将所述第一检测特征向量输入至预设的编码模型进行特征提取,得到第一编码向量;
将所述第一编码向量输入至预设的解码模型中进行解码处理,得到对应的第二检测特征向量;
将所述第二检测特征向量输入至预设的编码模型中进行特征提取,得到第二编码向量;
将所述第一编码向量、第二编码向量以及对应的标签输入至分类层中进行训练,并迭代调整所述预设的编码模型、解码模型的模型参数,直至所述分类层的损失函数收敛之后,完成模型训练;其中,将所述编码模型与所述解码模型作为降噪模型,用于对所述检测数据进行降噪处理。
6.一种智能电表的检测装置,其特征在于,所述智能电表的检测装置包括:
获取模块,用于获取待传输数据,并且将所述待传输数据进行分类,得到敏感数据与非敏感数据;其中,所述敏感数据至少包括用户隐私信息、能耗数据,所述非敏感数据至少包括设备状态数据、固件更新信息;
加密模块,用于通过预设的第一加密模型对所述敏感数据进行加密,得到第一加密数据,并通过预设的第二加密模型对所述非敏感数据进行加密,得到第二加密数据;其中,所述预设的第一加密模型提前经过椭圆曲线加密算法训练得到,所述预设的第二加密模型提前经过AES加密算法训练得到;
融合模块,用于结合所述第一加密模型和所述第二加密模型的共同属性,得到混合加密传输协议,基于所述混合加密传输协议,将所述第一加密数据和第二加密数据按照传输比例进行融合,得到传输数据;
检测模块,用于基于预设的自适应故障检测模型,将智能电表传输的所述传输数据导入到所述自适应故障检测模型中,得到检测数据,并通过所述检测数据对智能电表进行故障分析,得到故障分析评估报告,通过所述故障分析评估报告对智能电表进行信息安全可靠性检测。
7.一种智能电表的检测设备,其特征在于,所述智能电表的检测设备包括:存储器和至少一个处理器,所述存储器中存储有指令;
所述至少一个处理器调用所述存储器中的所述指令,以使得所述智能电表的检测设备执行如权利要求1-5中任一项所述的智能电表的检测方法。
8.一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,其特征在于,所述指令被处理器执行时实现如权利要求1-5中任一项所述的智能电表的检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310845364.9A CN116599766B (zh) | 2023-07-11 | 2023-07-11 | 智能电表的检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310845364.9A CN116599766B (zh) | 2023-07-11 | 2023-07-11 | 智能电表的检测方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116599766A true CN116599766A (zh) | 2023-08-15 |
CN116599766B CN116599766B (zh) | 2023-09-29 |
Family
ID=87611983
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310845364.9A Active CN116599766B (zh) | 2023-07-11 | 2023-07-11 | 智能电表的检测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116599766B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117592091A (zh) * | 2024-01-19 | 2024-02-23 | 石家庄学院 | 一种计算机信息防窃取方法及*** |
CN118041696A (zh) * | 2024-04-11 | 2024-05-14 | 广东琴智科技研究院有限公司 | 一种数据安全传输方法、云操作***以及智能计算平台 |
CN118157907A (zh) * | 2024-01-26 | 2024-06-07 | 重庆嗨客网络科技有限公司 | 服务于金融机构大数据信息安全的智能交互方法及*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101344074B1 (ko) * | 2012-11-19 | 2013-12-24 | 순천향대학교 산학협력단 | 프라이버시 보호를 위한 스마트 그리드 정보 전송 기법 |
US20140376405A1 (en) * | 2013-06-25 | 2014-12-25 | Nest Labs, Inc. | Efficient Communication for Devices of a Home Network |
CN109753809A (zh) * | 2018-11-27 | 2019-05-14 | 国网浙江省电力有限公司 | 一种基于云存储***的电网数据块分割方法 |
CN111818036A (zh) * | 2020-06-30 | 2020-10-23 | 平安科技(深圳)有限公司 | 敏感信息保护方法、装置、计算设备及存储介质 |
CN112333213A (zh) * | 2021-01-06 | 2021-02-05 | 广州技象科技有限公司 | 一种电力物联网业务数据的隐私保护方法及装置 |
CN114692903A (zh) * | 2020-12-31 | 2022-07-01 | 新智数字科技有限公司 | 用于设备故障检测的方法及终端设备 |
-
2023
- 2023-07-11 CN CN202310845364.9A patent/CN116599766B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101344074B1 (ko) * | 2012-11-19 | 2013-12-24 | 순천향대학교 산학협력단 | 프라이버시 보호를 위한 스마트 그리드 정보 전송 기법 |
US20140376405A1 (en) * | 2013-06-25 | 2014-12-25 | Nest Labs, Inc. | Efficient Communication for Devices of a Home Network |
CN109753809A (zh) * | 2018-11-27 | 2019-05-14 | 国网浙江省电力有限公司 | 一种基于云存储***的电网数据块分割方法 |
CN111818036A (zh) * | 2020-06-30 | 2020-10-23 | 平安科技(深圳)有限公司 | 敏感信息保护方法、装置、计算设备及存储介质 |
CN114692903A (zh) * | 2020-12-31 | 2022-07-01 | 新智数字科技有限公司 | 用于设备故障检测的方法及终端设备 |
CN112333213A (zh) * | 2021-01-06 | 2021-02-05 | 广州技象科技有限公司 | 一种电力物联网业务数据的隐私保护方法及装置 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117592091A (zh) * | 2024-01-19 | 2024-02-23 | 石家庄学院 | 一种计算机信息防窃取方法及*** |
CN117592091B (zh) * | 2024-01-19 | 2024-03-29 | 石家庄学院 | 一种计算机信息防窃取方法及*** |
CN118157907A (zh) * | 2024-01-26 | 2024-06-07 | 重庆嗨客网络科技有限公司 | 服务于金融机构大数据信息安全的智能交互方法及*** |
CN118041696A (zh) * | 2024-04-11 | 2024-05-14 | 广东琴智科技研究院有限公司 | 一种数据安全传输方法、云操作***以及智能计算平台 |
CN118041696B (zh) * | 2024-04-11 | 2024-06-28 | 广东琴智科技研究院有限公司 | 一种数据安全传输方法、云操作***以及智能计算平台 |
Also Published As
Publication number | Publication date |
---|---|
CN116599766B (zh) | 2023-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116599766B (zh) | 智能电表的检测方法、装置、设备及存储介质 | |
CN103516511B (zh) | 一种对加密算法与密钥进行检测的方法及装置 | |
US20220360441A1 (en) | Data encryption and decryption method, device, storage medium and encrypted file | |
CN109120649A (zh) | 密钥协商方法、云服务器、设备、存储介质以及*** | |
CN104579679B (zh) | 用于农配网通信设备的无线公网数据转发方法 | |
CN116599776B (zh) | 基于物联网的智能电表管理方法、装置、设备及存储介质 | |
CN113704780B (zh) | 一种基于模型驱动的配电网用户侧信息自适应加密方法 | |
CN107896216B (zh) | 一种电力量测仪表的密钥管理、数据加密与身份认证方法 | |
CN112785303A (zh) | 基于区块链离线支付的验证处理方法及验证处理*** | |
CN105306200B (zh) | 网络账号密码的加密方法和装置 | |
CN111698252B (zh) | 云平台数据加密传输方法及*** | |
CN115225365B (zh) | 基于国密算法的数据安全传输方法、平台、及*** | |
CN115118751B (zh) | 一种基于区块链的监管***、方法、设备和介质 | |
CN112905994B (zh) | 一种远程漏洞补丁程序防护方法及*** | |
CN108390757A (zh) | 通信数据处理方法、装置、电子设备、程序和介质 | |
CN114362997A (zh) | 变电站智能设备的数据传输方法、装置、智能设备及介质 | |
CN113407931A (zh) | 一种密码管理方法、装置和输入终端 | |
CN109981618B (zh) | 一种计算机网络安全登录验证*** | |
CN113923006B (zh) | 设备数据认证方法、装置及电子设备 | |
CN117955751B (zh) | 基于物联网的电子设备异常数据检测方法及*** | |
CN114124361B (zh) | 一种海洋感知数据的融合通信方法及*** | |
CN117708864B (zh) | 应用于电芯化成分容设备的中位机智能管理方法及装置 | |
CN114928756B (zh) | 视频数据保护、加密、校验方法及***、设备 | |
CN112507269B (zh) | 一种网站后台风险评估*** | |
CN114139115A (zh) | 一种应用容器秘钥与配置管理平台 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |