本次汇报内容为《分布式储能网络化运营体系中数据安全与隐私保护问题研究》的近期研究内容，主要从科研背景、科研目的、科研问题、研究内容等几个方面展开。

科研背景：
1.分布式储能的发展：随着可再生能源如太阳能和风能的快速发展，分布式储能系统被广泛应用于能源领域。分布式储能系统通过将能量储存到离散的设备中，提供了更加灵活和可靠的能源供应解决方案。然而，这些系统面临着大量的能源数据安全和隐私信息的管理和保护问题。
2.大规模数据收集：分布式储能系统涉及到多个设备、多个用户和能源供应商之间的数据交换。这些设备产生的数据量庞大，并且包含了各种敏感信息，如能源消耗模式、用户行为习惯等。因此，确保这些数据的安全性和隐私性成为一个重要课题。
3.数据安全威胁的存在：分布式储能系统中的数据安全面临各种威胁，包括网络攻击、数据篡改、恶意软件和未经授权的数据访问等。这些威胁可能导致系统故障、数据泄露、用户隐私曝光等严重后果。因此，研究如何防范和应对这些威胁是保障分布式储能系统可靠性和稳定性的关键。
4.储能信息系统控制指令的安全传输：面临完整性、一致性等问题。

科研问题：
分布式储能信息系统中存在安全威胁和隐私泄露问题
分布式储能网络中，传输分布式储能信息流等指令过程中可能数据窃取、数据纂改等数据威胁攻击者可能截获数据传输过程中的指令或信息流，从而获取敏感的能量储存和管理相关数据或者。可以修改传输过程中的指令或信息流，使其传达错误的命令或误导性信息。这可能导致分布式储能系统执行错误的操作，导致能量管理不准确等，造成隐私泄露和数据安全风险。
信息系统承担扮演控制中心的角色，对分布式网络进行优化调度，可以根据控制中心反馈的全局信息自行调节用电计划、削峰填谷，从而实现节能减排。但是，在分布式优化过程中如果攻击者进行恶意操作，干扰系统控制管理模块的运行会导致影响用户的经济利益，更会影响电网整体的运行效率。

科研目的：
针对以上两点科研问题：
设计分布式储能控制中心向智能终端传输信息指令等信息的安全传输方法；可采用身份验证、数据加密等方法解决数据不安全传输的问题。
针对分布式储能信息系统中分布式数据分析场景中，利用联邦学习解决分布式场景中数据效用和数据隐私之间的问题；但在其过程中上传参数不确定性，提出了一种联邦学习的安全聚合方法研究，对上传的本地模型进行动态评估，筛选恶意模型、加权聚合中心模型，提升中心模型能力。

研究内容：