我本次汇报的题目是《分布式电网中基于差分隐私的联邦异常检测方案》，我将从科研背景、科研问题、科研目的、研究内容等方面进行阐述。

科研背景

1.智能电网代表了电网发展的一个新阶段，它集成了人工智能、大数据、云计算和5G等技术进步，以管理电能的产生、分配和消耗。智能电网通常使用先进计量基础设施或智能电表来监测电力流。智能电表通过提供详细的用电信息，来实现一些目的比如快速停电检测、更快的服务恢复能力和更好的计费控制，从而使客户能够做出明智的决定。

2.智能电网也会面临各种问题，停电、设备故障、能源盗窃和网络攻击。特别是，对手可能会利用网络中的安全漏洞发动复杂的网络攻击影响电网的正常的正常运行。这些问题可以通过分析智能电表收集的数据、检测电网中的异常来识别。

科研问题

1.智能电网中的异常主要是时间序列异常

2.现有的时间序列异常检测方案大多是根据训练数据所获得的知识进行预测和重构，比较序列和重构序列的匹配程度生成异常分数。

3.对于分布式场景下的时间序列异常通常使用联邦学习的方式来进行，联邦学习本质上提供了隐私保证。但发送到服务器的一些模型参数与训练数据也是密切相关的。因此，这种无意信息泄漏的情况可能被对手利用来推断关于训练数据的信息，从而使得联邦学习容易受到推断攻击。因此，有必要通过采用其他技术来进一步加强联邦学习的隐私性和安全性。

科研目的

构建基于差分隐私的联邦transformer异常检测模型，在保护本地数据的同时，实现分布式异常检测。主要分为两个环节：构建联邦Transformer模型；使用差分隐私保护联邦Transformer的隐私。

研究内容

具体将在组会进行详细介绍