买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：浙江工业大学

摘要：本发明公开了一种基于去中心化联邦学习和剪枝的窃电检测方法及装置，包括将获取的用电数据输入训练完成的窃电检测模型中，输出该用电数据是否存在窃电行为，构建去中心化的联邦学习框架，且所述去中心化的联邦学习框架包括K个供电站。通过构建去中心化的联邦学习框架，且去中心化的联邦学习框架中的各供电站的用电数据对窃电检测模型依次进行训练，免去中央服务器参与，提高了可靠性和安全性，解决现有技术中中央服务器的不可靠、引发中断和泄露用户隐私的问题；通过对窃电检测模型进行通道剪枝，提高了模型训练效率，进而提升了模型的整体性能和计算效率。

主权项：1.一种基于去中心化联邦学习和剪枝的窃电检测方法，其特征在于：所述基于去中心化联邦学习和剪枝的窃电检测方法包括：将获取的用电数据输入训练完成的窃电检测模型中，输出该用电数据是否存在窃电行为，其中所述窃电检测模型包括由数据输入至输出依次连接的第一卷积层、第一激活函数、第二卷积层、第二激活函数、第三卷积层、第三激活函数、第四卷积层、第四激活函数、第一全连接层、第五激活函数和第二全连接层；所述窃电检测模型的训练过程包括：构建去中心化的联邦学习框架，且所述去中心化的联邦学习框架包括K个供电站；将K个供电站的用电数据依次对窃电检测模型进行轮流训练，将K个供电站的用电数据每轮流训练一次作为一个训练轮次，并进行训练轮次的迭代训练；对于第一个训练轮次，首先初始化窃电检测模型的参数，且将当前供电站训练好的窃电检测模型的参数作为下一个供电站训练的窃电检测模型的初始参数；对于其余训练轮次，将上一个训练轮次完成后的窃电检测模型的参数作为本轮次训练的窃电检测模型的初始参数，且本轮次中，对当前供电站训练好的窃电检测模型压缩比例进行计算并判断是否达到预设的压缩比例，若没有达到预设的压缩比例，则对当前供电站训练好的窃电检测模型按照预设规则进行通道剪枝，然后将通道剪枝后的窃电检测模型的参数作为下一个供电站训练的窃电检测模型的初始参数，若达到预设的压缩比例，则直接将当前供电站训练好的窃电检测模型的参数作为下一个供电站训练的窃电检测模型的初始参数；直到达到预设的训练轮次，得到训练好的窃电检测模型。

全文数据：

权利要求：

百度查询： 浙江工业大学 一种基于去中心化联邦学习和剪枝的窃电检测方法及装置