中国安全科学学报

作者：张政越, 曹建涛, 祁云

单位：1 内蒙古工业大学 电力学院, 内蒙古 呼和浩特 010051；2 西安科技大学 能源与矿业工程学院, 陕西 西安 710054；3 内蒙古科技大学 矿业与煤炭学院, 内蒙古 包头 014010

关键词：窃电检测,异构联邦学习(HeteroFL),本地模型,特征平衡,CKKS同态加密

基金：基金资助:国家自然科学基金资助(62241309); 内蒙古自然科学基金资助(2022MS06018)

为提升电力系统的运行安全及保障电力市场的正常运作,针对用能安全防护中的窃电检测能力不足问题,提出一种基于异构联邦学习(HeteroFL)的框架检测方法。首先,结合CKKS全同态加密技术和数据不平衡处理策略,以提升检测的准确性与数据安全性;其次,在不共享用户敏感信息的前提下,通过为每个售电商建立本地模型并协同训练,构建统一的窃电检测模型;最后,考虑诚实用电与恶意窃电数据比例严重不平衡的现实情况,引入特征平衡及注意力原型机制,以增强模型对电力消耗时间序列中异常模式的识别能力。结果表明: 基于HeteroFL检测框架在确保用户数据全程隐私安全的前提下,可显著提升窃电行为识别的准确性与稳健性,并在应对严重数据不平衡挑战时展现出出色的泛化能力,为同类隐私敏感且类别分布偏差明显的应用场景提供可推广的高效范式。

来源：2025年第S1期

《中国安全科学学报》期刊编辑部

查看中国安全科学学报杂志2025年第S1期