一种基于相关性去除的差分隐私数据发布方法及系统，各数据拥有者分别对自己的原始数据集进行 分段并得到差值数据集，对差值数据集的前两项求和并加噪，然后同态加密后上传给云服务提供商，云 服务提供商进行同态解密运算;各数据拥有者对差值数据集项进行变换得到变换系数，加入由相互独立 且服从高斯分布的白噪声所组成的平稳噪声;数据拥有者进行逆小波变换得到加扰后的数据集，上传到 云服务提供商;云服务提供商利用维纳滤波进行滤波，当数据使用者请求数据集时，云服务提供商对求 精后的数据集进行反变换，发布给第三方数据使用者的数据项。本发明有效减少了数据计算量和交互量， 提高了资源利用率和数据可用性。

本发明公开了一种基于隐私保护的数据索引方法，属于数据处 理技术领域。本发明包括：提出了一种 R-tree 划分算法，使得任意两 个叶子节点之间都没有重叠，在叶子节点上独立地添加噪音使得本地 索引 PR-tree 满足差分隐私；针对选取的部分 PR-tree 节点，采用了一 种映射机制将每一个 PR-tree 节点映射到相应的 CAN 服务器上从而构 建全局索引。本发明设计了一种基于隐私保护的两层分布式索引 PR-CA

一种云数据隐私保护安全重加密方法，包括数据拥有者把明文数据进行加密后放置到云端，云服务 提供商对密文进行存储和相关操作；数据使用者得到访问授权后，对数据进行请求，云服务提供商得到 数据请求后反馈给数据拥有者；数据拥有者获得数据使用者的数据请求信息参数，产生重加密密钥，并 发送给云服务提供商；云服务提供商用重加密密钥加密数据拥有者放置在云端的密文数据，得到重加密 密文；数据使用者从云平台上下载重加密密文，根据自己的私钥解密重加密密文，得到所需的明

（一）成果背景 分布式光伏可在用户侧就近安装与消纳，减少因长距离输送带来的线路损耗问题，在新型电力系统建设中发挥着重要作用。2021年6月，国家能源局综合司发布了《关于报送整县（市、区）屋顶分布式光伏开发试点方案的通知》，用以推动分布式光伏高质量发展、支撑新型电力系统建设。在该政策的推进下，分布式光伏容量迅猛增长。截至2021年底，国内分布式光伏装机容量已达到107.5GW，约占光伏总装机容量的三分之一，且其增长速度已经超过了集中式光伏。 （二）痛点问题 对于配电网来说，光伏出力易受天气因素影响，具有极强的随机波动特性，大规模分布式光伏接入，一方面加剧了配电网负荷短时波动，影响电力实时平衡，制约负荷预测精度提升；另一方面，分布式光伏出力特性与负荷特性的不匹配造成其难以消纳，为有源配电网运行管理带来严峻挑战。 对于电力市场交易来说，随着新一轮电力体制改革的持续深入，分布式光伏所有者作为售电商参与市场竞争成为必然趋势。分布式光伏出力的不确定性与短时剧烈波动性，使得分布式光伏电站/售电商难以制定合理的市场交易策略与电力交易合同，面临严重的市场风险。 因此，亟需精准的分布式光伏功率预测，为有源配电网调度运行、分布式光伏消纳，分布式光伏参与电力市场等提供有力数据支撑。 （三）技术方案 1、基于变分模态分解与动态图卷积网络的分布式光伏功率预测 首先利用变分模态分解各分布式光伏复杂出力序列分解为相对简单、波动较小的不同频率子序列，以减小场站间关联关系的挖掘难度。然后，基于分布式光伏场站间时空关联性处于动态变化中的考虑，利用全连接神经网络将各节点特征映射到多维空间，而后利用时域卷积挖掘跨节点关联关系，由此以数据驱动方式挖掘各频率下各场站子序列关联性，有效实现子序列动态图结构的构建。最终，基于可用于非欧式空间结构数据建模的卷积神经网络，将其与动态图结构结合，建立考虑动态时空关联性的图卷积预测模型，针对不同频率下出力子序列分别预测，而后重构得到各场站功率进而获取配电网分布式光伏总功率。 2、基于深度联邦学习的分布式光伏发电功率预测 首先，基于长短期记忆神经网络构建时域自编码器模型，该模型编码器用于提取每个时间步输入的时域特征，而后利用解码器将该特征向量转换为输出序列进行未来时间步的预测，自编码能显著增强长短期记忆神经网络的时域建模能力。而后，利用注意力机制解决其在处理长输入时间序列时会导致解码器面临特征冗余问题，且使模型聚焦于对输出更关键的时域特征。由此，利用注意力自编码预测模型通过对时域特征的有效挖掘实现功率预测精度的进一步提升。 在此基础上，开发了用于分布式光伏功率预测的联邦学习框架，在该框架中，本地用户仅需将本地模型进行共享，无需数据的传输，而后由中央服务器进行模型的聚合以实现用户间信息共享。在各本地场站进行注意力自编码预测模型的训练；在中央服务器，基于联邦平均算法实现各本地预测模型的汇聚、全局模型的生成与下发。在保证数据隐私性的前提下取得与传统集中式机器学习训练近似的预测效果。 （四）竞争优势 1、有效表征广域分布式光伏集群间时空关联特征，实现分布式光伏功率预测精度提升。 当缺乏气象实测或预报数据时，考虑分布式光伏时空相关性可有效提升分布式光伏功率预测精度。现有研究多利用各光伏场站地理距离或者整体出力表征时空相关性。这种静态建模方式在分布式光伏出力模式长期稳定的情况下，可以取得较好的预测效果。然而，易受天气因素的影响，分布式光伏出力极易发生短时波动，因而各场站关联性处于动态变化过程。以恒定的场站间关联关系去考虑这种复杂的集群出力序列，显然无法反映天气影响下分布式光伏出力短时变化，难以实现功率预测精度的有效提升。 所提的基于变分模态分解与动态图卷积网络的分布式光伏功率预测方法，利用数据驱动方式实现挖掘各场站间关联特性的动态实时挖掘。在基础上，考虑到不同模态分量下各场站间关联关系的差异性，将各场站原始功率分解为了相对简单、波动较小的不同频率模态分量，减小关联关系的挖掘难度。 2、有效保证各分布式光伏数据隐私性，且能取得与传统集中式机器学习训练方式近似的预测效果 现有的数据驱动预测方法性能在很大程度上依赖于训练数据的数量，因此大多以一种集中的训练方式实现，即中央服务器汇聚来自各场站的运行数据而后进行模型的训练。然而，这种集中训练的方式会期限数据隐私，使用户信息暴露在公共环境而导致被外部攻击者进行数据分析、行为探测等。此外，在竞争激烈的电力市场中，分布式光伏场站所有者可能不愿共享数据。这些因素使传统模型训练方式难以实现。 所提的基于深度联邦学习的分布式光伏发电功率预测方法，利用注意力自编码模型在本地场站进行建模预测，实现对本地功率时域特征的有效挖掘；利用分散式训练的联邦学习框架，实现各场站预测模型信息共享，有效保证本地用户的数据隐私的同时取得不错的预测效果。 创新点 1、考虑了场站间关联关系的动态性。对于分布式光伏，虽然场站数量众多、分布广泛，但是其位置临近，由于云团运动等气象因素导致的相关性较强。所提方法以数据驱动方式根据网络当前的各场站输入功率进行关联关系的动态表征，实现功率预测精度的有效提升。 2、在保障各分布式光伏站点数据隐私应的前提现实现信息共享。利用自编码结构进一步提升LSTM的时间序列建模能力；利用注意力机制模型聚焦于对预测更关键的输入特征，以此实现时域特征的有效挖掘。在此基础上，利用联邦学习框架聚合各本地模型，实现各站点信息聚合，实现精度有效提升。 市场前景 随着新型电力系统建设目标的推进，分布式光伏装机容量呈爆发式增长。所研成果可应用于配电网负荷预测、用户可调度容量评估、激励型需求响应基线负荷估计等场景中，为高比例分布式光伏有源配电网的安全、经济、高效运行，维持电力平衡等工作提供重要参考。同时，随着分布式光伏逐步参与到电力市场，所研成果可为分布式光伏售电商制定最优的交易策略，签订合理的价格合同提供有力数据支撑。综上所述，所研成果市场前景广阔。

本课题主要围绕项目中云数据隐私保护的目标，研究在云提供商不完全可信的条件下，如何既能保证用户数据的隐私性，又能利用云平台的计算和存储能力。课题综合采用数据隐私感知、访问控制、数据加密等技术手段，以期达到最大限度保护用户数据隐私的目的。形成具有隐私感知的云数据存取方案、针对密文云数据的基于属性加密和代理重加密的动态数据访问共享技术、基于谓词加密的多条件融合密文云数据查询技术和基于安全多方计算的数据分析与计算技术。本课题成功搭建了4个原型子系统、1个基于医疗管理的云数据隐私保护原型系统，在长城网际、3

本思政案例值巴黎奥运会火热举办之际，以奥运会数据为载体，引导学生运用Python的Pandas库进行数据清洗、筛选与聚合分析，并通过Plotly工具实现数据可视化。案例巧妙融合数据分析技能培养与思政教育，通过剖析我国奥运奖牌数据变化，让学生直观感受国家体育事业的蓬勃发展，深切领悟体育强国战略背后蕴含的国家意志与民族精神。同时，鼓励学生从数据中探寻体育精神内核，内化于心、践之于行，涵养积极人生态度与爱国情怀。此外，案例数据可视化呈现国际竞技格局，助学生理解多元包容、拓宽国际化视野，增强民族自豪感与文化自信，实现知识传授与价值引领的有机统一。

本发明提供一种地理空间数据的用户隐私保护方法及系统，包括对数据空间进行分割，基于均匀性 度量参数将相似单元格合并到同一个划分，向每个划分中分别添加符合拉普拉斯分布的随机噪声得到含 噪数据集，基于含噪数据集对外提供数据查询结果。本发明基于对噪声误差和均匀假设误差的分析，提 出了一种新颖的数据域粒度划分模型来平衡两种误差，使得数据查询总误差最小。此模型建立时考虑了 查询为矩形的情形，更符合数据查询实际情况。进一步，通过对数据空间中相似单元格进行合并

        滑雪头盔作为滑雪运动中不可或缺的安全装备，在《中国滑雪场所管理规范》中指出，滑雪头盔是必选项，滑雪头盔市场规模和发展潜力巨大。目前滑雪头盔市场仍由国外品牌主导。

Ø 本项目是基于Google云平台开发的一套以用户为核心的隐私保护系统，实现了从身份认证、数据加密到访问控制以及安全警报和日志管理的一系列较为完整的隐私保护方案，为用户提供管理、保护其存放在不可控开放环境中隐私资料的服务。本项目由学生自主开发并且参加2011年全国第四届大学生信息安全大赛获得全国一等奖。