基于隐私计算的电力数据共享业务互联互通接口规范.docx

《基于隐私计算的电力数据共享业务互联互通接口规范.docx》由会员分享，可在线阅读，更多相关《基于隐私计算的电力数据共享业务互联互通接口规范.docx（26页珍藏版）》请在第一文库网上搜索。

1、ICS 19.020CCS K85团 体 标 准T/CSEE XXXXYYYY代替T/XXXX基于隐私计算的电力数据共享业务互联互通接口规范（草案）Interface Specification for Interconnection of Power Data Shar i ngServices Based on Pr i vacy-Preserving Computat ion (Draft)（初稿）20XXXXXX 实施20XXXXXX 发布中国电机工程学会 发布目 次前 言III1范围42规范性引用文件43术语和定义44缩略语55隐私计算基本要求65.1 隐私计算应用场景65.2 隐私

2、计算参与方65.3 隐私计算典型流程76互联互通概设86.1 互联互通意义86.2 互联互通框架86.3 互联互通总体架构87互联互通对象97.1 对象实体97.2 对象关系98互联互通协议108.1 节点互联协议108.1.1 节点发现108.1.2 节点管理108.1.3 节点更新118.2 项目互联协议118.2.1 项目创建118.2.2 项目查询118.2.3 项目更新118.2.4 项目册I除128.3 流程互联协议128.3.1 流程创建128.3.2 流程查询128.3.3 流程审批12T/CSEE#20238.3.4 流程更新128.3.5 流程删除128.4 作业互联协议1

3、28.4.1 作业创建128.4.2 作业查询138.4.3 作业启动138.4.4 作业停止138.4.5 作业重跑138.5 任务互联协议138.5.1 任务启动138.5.2 任务查询138.5.3 任务停止148.5.4 任务回调148.5.5 任务重跑148.5.6 任务结果上报148.6 组件互联协议148.6.1 组件注册148.6.2 组件查询148.6.3 组件检查158.6.4 组件注销158.7 统一资源互联协议158.7.1 数据集互联协议158.7.2 模型互联协议169互联互通要求169.1 通信要求169.2 数据安全合规要求169.3 性能要求189.4 准确性

4、要求1819本文件按照中国电机工程学会标准化管理办法、中国电机工程学会标准化管理办法实施细则 的要求，依据GBZT 1.12020标准化工作导则第1部分：标准化文件的结构和起草规则的规定起 草。请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。本文件由中国电机工程学会提出。本文件由中国电机工程学会电力信息化标准专业委员会技术归口和解释。本文件起草单位：国家电网有限公司大数据中心、国网智能电网研究院有限公司、云南电网有限责 任公司、中国大唐集团科学技术研究总院、中国电力建设集团有限公司、国网山东省电力公司、国网河 北省电力有限公司、国网北京市电力公司、国网上海市电力公司、

5、国网浙江省电力有限公司、国网安徽 省电力有限公司。本文件主要起草人：朱洪斌、刘圣龙、江伊雯、石聪聪、于鹏飞、张春林、杨国玉、朱晨、吕艳丽、 姜嘉伟、安冰、高原、翟雨佳、周鑫、吴裔、严莉、康之增、王超、胡聪、毛冬、陈剑飞、于航、彭潇、 李云昭、赵涛。本文件首次发布。本文件在执行过程中的意见或建议反馈至中国电机工程学会标准执行办公室（地址：北京市西城区 白广路二条 1 号，100761 网址：http： /,邮箱：cseebz）。基于隐私计算的电力数据共享业务互联互通接口规范1范围为了更好利用隐私计算技术实现电力数据的跨业务融合应用，破解“数据孤岛”困境，本文件规定 了电力数据多方协同建模和分析预

6、测时，与合作方隐私计算平台之间的接口规范，包括数据联邦学习建 模和多方安全计算时的信息交互技术框架和接口要求，以满足与合作方不同技术架构下的隐私计算互 联互通需求。本文件适用于隐私计算电力数据共享业务中的互联互通开发、测试，以及电力数据多方融合应用业 务建设时的隐私计算技术选型。2规范性引用文件文件。GB/T 25069-2010GB/T 35273-2020JR/T 01962020BDC 79-2021下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件, 仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本(包括所有的修改单)适用于本I信息安全

7、技术术语I信息安全技术个人信息安全规范I多方安全计算金融应用技术规范I隐私计算跨平台互联互通第1部分：总体框架 3术语和定义下列术语和定义适用于本文件。3. 1隐私计算 privacy-preserving computation在保证数据提供方不泄露原始数据的前提下，对数据进行分析计算的一类信息技术，保障数据在产 生、存储、计算、应用、销毁等数据流转全过程的各个环节中“可用不可见3.1 语条目注1：隐私计算常用技术方案有多方安全计算(SeCUreMUiti-PartyComPUtatiOn)、联 邦学习(Federated Learning)、可信执行环境(Trusted Execution

8、 Environment) 等。3.2 语条目注2：隐私计算常用的底层技术有混淆电路(GarbIedCirCUit)、不经意传输(ObliViOUS Transfer) 秘密分享(SecretSharing) 同态加密(Homomorphic Encryption)等。来源：BDC 79-2021, 3.13.3联邦学习 federal learning拥有本地数据的两方或多方开展机器学习联合建模，各方在建模过程中不交换本地数据，而是交换 本地训练的局部参数或中间结果，从而协同构建基于各方数据的全局模型。3.4隐私计算节点 privacy-preserving computation node

9、各隐私计算技术平台部署的互联互通网络基本组成单元，对外提供交互接口。来源：BDC 79-2021, 3.53.5隐私计算平台 privacy-preserving computation platform一套完整的、严密的用于实现隐私计算功能的技术平台。来源：BDC 79-2021, 3.33.6参与方parties一个或一组自然人或法人，指参与隐私计算跨平台互联互通任务的主体，包含发起方、数据方、算 法方、计算方、结果方、协调方等多种角色。来源:BDC 79-2021, 3.23.7互联互通 interconnection不同系统架构、功能实现方案或算法原理的异构隐私计算平台之间，通过约定最

10、小必要范围的互通 协议、接口和实体等定义，能够跨平台地进行数据多方协同交互，共同完成同一隐私计算任务。来源：BDC 79-2021, 3.44缩略语下列缩略语适用于本文件。HTTP：超文本传输协议(HyPerTeXtTranSferPrOtOCoDHTTPS：超文本安全传输协议(Hyper Text Transfer Protocol over Secure socket layer)RPC：远程过程调用(RemOtePrOCedUreCan)TCP：传输控制协议(TranSmiSSionContrOIPrOtoCoI)TLS：传输层安全协议(TranSPortLayerSeCUriIy)We

11、b：万维网(WorkiWideWeb)XML：可扩展标记语言(EXtenSibleMarkUPLangUage)WOE：证据权重(WeightofEVidenCe)IV：信息价值(InfOrmaIionValUe)4. 1力口密 encipherment/encryption对数据进行密码变换以产生密文的过程。一般包含一个变换集合，该变换使用一套算法和一套输入 参量。输入参量通常被称为密钥。4.1算法 algorithm用于完成隐私计算任务的一系列指令，能够对一定规范的输入，获得所要求的输出。4.2算法组件 algorithm component用于执行隐私计算任务的一种可代替、可组合的部件，

12、封装了算法功能的实现并提供一系列可用的 接口。互联互通网络 interconnection network指不同隐私计算技术平台部署后相互连接，通过交互与协同连接形成的提供跨平台联合隐私计算 服务的网络。来源:BDC 79-2021, 3.45隐私计算基本要求5.1隐私计算应用场景隐私计算的应用可根据实际场景需求灵活进行扩展、组合或新增，主要分类如下：a）隐私集合求交：支持对两方或多方不同数据集进行安全求交，在不泄露交集外其他数据的前提 下输出正确交集。b）隐私信息检索：支持对两方或多方不同数据集进行依据某条件的数据检索，在保证查询方不会 泄露查询目标，且不能从被查询方获得查询结果之外的其他信

13、息的前提下，输出正确的检索结 果。c）联合基础运算：SO支持对两方或多方不同数据集进行安全数值运算，如加、减、乘、除、数乘等；支持对两方或多方不同数据集进行安全单元运算，如标量运算、矢量运算、矩阵运算、 多维数组运算等；SO支持对两方或多方不同数据集进行安全逻辑运算，如与运算、或运算、非运算、与非 运算、或非运算、与或非、异或运算、同或运算等。d）联合统计分析：支持对两方或多方不同数据集进行各种统计分析，如求和、平方和、均值、方 差、分位数等计算。e）联邦学习：SO联邦特征工程：支持对两方或多方不同数据集进行特征工程，如在保护标签信息不被 泄露的前提下，进行WOE和IV值计算等；网 联邦建模：

14、支持对两方或多方不同数据集的特征和标签进行模型训练，如回归算法、 决策树算法、聚类算法等；so联邦预测：支持通过两方或多方不同数据集，使用已有模型对具有指定特征的数据进 行预测，并输出正确的预测结果；S9联邦模型评估：支持对已有隐私计算模型进行模型评估，并输出常见的模型评估指标。5.2 隐私计算参与方在一个完整的隐私计算中，包含的逻辑角色包括：a）任务发起方：任务发起方是发起隐私计算任务的角色，并在任务执行前核实各方资源。任务发 起方可兼任计算方、任务调度方、结果使用方等角色；b）任务调度方：任务调度方是分发隐私计算任务，分配控制各方资源及协调各方行为的角色，通 过协调数据提供方、计算方、算法

15、提供方等角色来完成隐私计算任务，宜获得可信第三方的认 证。任务调度方可由任务发起方兼任；c）算法提供方：算法提供方是根据隐私计算的任务需求，提供隐私计算算法组件和算法描述的角 色。算法组件包括计算逻辑、算法实现和算法参数，算法描述包括算法的版本号、接口说明、 安全性说明、兼容性说明等；d）数据提供方：数据提供方是提供执行隐私计算任务所需的数据的角色，为联合建模、分析预测 任务提供模型训练数据和分析预测数据；e）计算方：计算方是提供执行隐私计算任务所需算力的角色。计算方自身算力不足时，可能会设 立辅助计算方的角色进行辅助计算。计算方可与其他计算方执行协同计算，并确保任务执行过 程不会造成隐私数据泄露；D 结果使用方：结果使用方是最终获得隐私计算任务计算结果的角色。只有结