幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

新型電力系統數據安全與隱私保護技術

  • 作者：侯榮旭|責編:周紅
  • 出版社：化學工業
  • ISBN：9787122513083
  • 出版日期：2026/08/01
  • 裝幀：平裝
  • 頁數：192
人民幣：RMB 99 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書聚焦新型電力系統「源網荷儲」深度協同場景下面臨的數據安全與隱私保護挑戰，融合圖深度學習與隱私計算技術，構建了「感知-診斷-防禦-自愈-應用」全鏈條防護體系。全書從電力數據資產風險分析入手，系統介紹了基於數據血緣的動態圖建模、面向複雜故障的TCN-GNN混合診斷模型、融合仿生機理的內生安全與自愈機制，以及面向隱私保護的電力知識檢索推薦方法，最終提出「端-邊-雲」協同防護架構並完成案例驗證。
    本書兼顧學術研究深度與工程應用價值，可作為電力系統、網路安全、人工智慧、數據治理等領域科研人員與工程技術人員的參考用書，也可作為高等院校電氣工程、電腦科學與技術、控制科學與工程等專業研究生與高年級本科生的教材，同時適用於電力企業、科研院所、安全企業的技術培訓與行業交流。
作者介紹
侯榮旭|責編:周紅
目錄
第1章  緒論
  1.1  新型電力系統的內涵與特徵
  1.2  電力數據資產安全風險概述
    1.2.1  電力數據資產的分類與價值屬性
    1.2.2  數據採集、傳輸、存儲與處理環節的安全風險
    1.2.3  數據共享與應用環節的隱私泄露風險
  1.3  國內外數據安全與隱私保護技術現狀
  1.4  新型電力系統數據安全挑戰與機遇
    1.4.1  多源異構數據感知與防護挑戰
    1.4.2  源網荷儲互動下的隱私保護新需求
    1.4.3  新技術融合帶來的安全防護機遇
  1.5  本章小結
第2章  圖深度學習與隱私計算基礎
  2.1  圖神經網路（GNN）理論基礎
    2.1.1  圖數據的表示與特徵工程
    2.1.2  典型GNN模型原理：GCN、GAT、GraphSAGE
    2.1.3  GNN在序列數據處理中的適配改進
    2.1.4  電力場景下GNN的模型選擇準則
  2.2  時序卷積網路（TCN）理論基礎
    2.2.1  TCN的網路結構與核心機制
    2.2.2  時序特徵提取與長短期依賴捕獲
    2.2.3  TCN與傳統時序模型(LSTM/GRU)的對比優勢
    2.2.4  電力故障時序數據的TCN適配優化
  2.3  知識圖譜與電力圖數據建模方法
    2.3.1  知識圖譜技術與知識推理
    2.3.2  電力數據的圖結構建模方法
  2.4  隱私保護計算基礎
    2.4.1  聯邦學習技術：橫向、縱向與聯邦遷移學習原理
    2.4.2  差分隱私技術：雜訊機制與隱私預算分配
    2.4.3  安全多方計算核心協議
    2.4.4  隱私計算技術的性能-隱私權衡模型
  2.5  本章小結
第3章  基於數據血緣的電力全鏈路感知與模式識別
  3.1  複雜鏈路下的感知困境
    3.1.1  電力數據鏈路的動態性與異構性挑戰
    3.1.2  傳統感知方法的局限性
    3.1.3  全鏈路感知的核心目標：風險溯源與精準識別
  3.2  基於數據血緣的動態圖建模
    3.2.1  電力數據血緣的定義與核心要素
    3.2.2  數據血緣的自動提取與關聯分析演算法
    3.2.3  動態圖的構建與實時更新機制
    3.2.4  面向電力場景的數據血緣圖優化
  3.3  鏈路模式識別的圖神經網路方法
    3.3.1  圖結構特徵的提取與表徵學習
    3.3.2  基於GNN的正常/異常鏈路模式分類
    3.3.3  小樣本鏈路模式的遷移學習方法
    3.3.4  模式識別的實時性優化策略
  3.4  面向多類故障的TCN-GNN混合診斷模型
    3.4.1  故障時序特徵與圖結構特徵的融合機制
    3.4.2  混合模型的網路架構設計

    3.4.3  模型訓練策略：聯合損失函數設計
    3.4.4  多故障場景的模型適配調整
  3.5  實驗驗證與分析
    3.5.1  實驗數據集：真實電力系統故障數據與模擬數據集
    3.5.2  評價指標：準確率、召回率、延遲時間
    3.5.3  對比實驗：與單一GNN、TCN模型的性能差異
    3.5.4  魯棒性測試：雜訊數據與異構數據場景下的表現
  3.6  本章小結
第4章  面向複雜故障的TCN-GNN混合診斷模型優化
  4.1  單一模型與初始混合模型的局限性
    4.1.1  單一GNN/TCN在複雜故障識別中的瓶頸
    4.1.2  初始混合模型的不足：閾值固定與泛化能力不足
    4.1.3  複雜故障的特徵：多模態、強耦合、突發性
  4.2  混合診斷模型架構優化設計
    4.2.1  特徵增強模塊：注意力機制的引入
    4.2.2  模型並行計算架構：提升推理速度
    4.2.3  跨層特徵融合機制：增強故障特徵表達
    4.2.4  模型輕量化設計：適配邊緣側部署
  4.3  故障分類與模型訓練優化
    4.3.1  複雜故障的分類體系重構
    4.3.2  樣本不均衡問題的解決：過採樣與權重調整
    4.3.3  遷移學習在跨場景故障診斷中的應用
    4.3.4  增量訓練機制：適應新類型故障
  4.4  基於FTRL的在線閾值微調
    4.4.1  FTRL演算法原理與適配改造
    4.4.2  動態閾值的計算邏輯與更新策略
    4.4.3  閾值微調與模型推理的協同機制
    4.4.4  微調參數的敏感性分析
  4.5  實驗驗證與分析
    4.5.1  實驗環境與測試場景設計
    4.5.2  優化后模型的性能提升驗證
    4.5.3  閾值微調對診斷準確率的影響分析
    4.5.4  不同複雜故障場景下的適配性測試
  4.6  本章小結
第5章  面向高級威脅的內生安全與自愈體系
  5.1  動態閾值預警與自適應防禦機制
    5.1.1  高級威脅的特徵：隱蔽性、持續性、靶向性
    5.1.2  動態閾值預警的觸發邏輯與響應流程
    5.1.3  自適應防禦的決策框架：風險等級與防禦策略映射
    5.1.4  預警與防禦的協同聯動機制
  5.2  基於貝葉斯優化的初始閾值尋優
    5.2.1  貝葉斯優化的核心原理與迭代流程
    5.2.2  閾值尋優的目標函數設計
    5.2.3  尋優過程的收斂性控制
    5.2.4  不同威脅場景下的初始閾值適配
  5.3  神經穩態嵌入
    5.3.1  NHE的理論基礎與數學建模
    5.3.2  電力系統正常行為模式的穩態表徵
    5.3.3  異常偏離的量化計算與感知演算法
    5.3.4  NHE與預警機制的集成方式

  5.4  神經元胞自動機
    5.4.1  NCA的結構設計與運行規則
    5.4.2  局部故障的自愈決策邏輯
    5.4.3  分散式節點的協同自愈機制
    5.4.4  NCA的輕量化實現：適配端側部署
  5.5  生成式對抗免疫
    5.5.1  GAI的架構設計：生成器、判別器與免疫模塊
    5.5.2  未知威脅的生成式模擬與免疫學習
    5.5.3  防禦策略的進化更新機制
    5.5.4  GAI與NCA的協同自愈流程
  5.6  本章小結
第6章  面向隱私保護的電力知識檢索與推薦
  6.1  知識服務與隱私保護的平衡
    6.1.1  電力知識服務的業務需求與場景
    6.1.2  知識檢索與推薦中的隱私泄露風險點
    6.1.3  隱私保護與知識服務可用性的平衡原則
  6.2  基於GNN的電力知識圖譜推理
    6.2.1  電力知識圖譜的補全與推理需求
    6.2.2  基於GNN的知識圖譜推理模型設計
    6.2.3  推理結果的準確性與有效性驗證
    6.2.4  推理模型的輕量化改進
  6.3  面向用戶意圖的檢索推薦方法
    6.3.1  電力用戶檢索意圖的識別與表徵
    6.3.2  基於知識圖譜的語義檢索推薦模型設計
  6.4  本章小結
第7章  新型電力系統數據安全防護架構
  7.1  總體架構設計
    7.1.1  「端-邊-雲」協同部署視圖
    7.1.2  端側：NCA輕量級自愈引擎
    7.1.3  邊側：實時診斷與動態預警
    7.1.4  雲側：全局知識推理與策略進化
  7.2  數據流視角的安全閉環
    7.2.1  感知層：數據血緣圖實時構建
    7.2.2  診斷層：TCN-GNN故障分類
    7.2.3  防禦層：動態閾值+NHE異常感知
    7.2.4  自愈層：NCA局部修復+GAI策略進化
    7.2.5  應用層：隱私保護的智能檢索
  7.3  關鍵技術介面設計
    7.3.1  動態圖數據在各模塊間的傳遞格式
    7.3.2  預警觸發與自愈啟動的協同機制
    7.3.3  知識圖譜對診斷結果的語義增強
  7.4  綜合驗證與案例分析
    7.4.1  驗證環境的搭建與配置
    7.4.2  典型應用場景的案例設計
    7.4.3  架構的整體防護效果驗證
    7.4.4  架構的可擴展性與實用性分析
  7.5  本章小結
參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032