2025年104规约协议（104标准协议）

大家好，我是讯享网，很高兴认识大家。

中国电工技术学会团体标准T/CES 294-2024《基于联邦学习框架体系的电力数据隐私计算平台总体技术规范》于2024年9月4日起实施。该标准规定了基于联邦学习框架体系的电力数据隐私计算平台开发的参考框架、平台能力、平台建设技术等方面的技术要求。

1. 标准起草单位及主要起草人

（1）起草单位

国网信息通信产业集团有限公司、国网山西省电力公司电力科学研究院、国网湖北省电力有限公司信息通信公司、国网吉林省电力有限公司营销服务中心、国网浙江省电力有限公司信息通信分公司、国网河北省电力有限公司信息通信分公司、国网思极网安科技（北京）有限公司、浙江欣祥电子科技有限公司。

（2）主要起草人

文爱军、付昀夕、刘泽三、张敏、高紫婷、刘泽辉、余明阳、鞠默欣、周鹏、陈连栋、王振亚、张文娟、闫廷廷、李瑞、刘昕、宋昊燃、杨帆、赵林丛、闫晨阳、张攀、李兆隆、王健、马东娟、戴俊峰、龚小刚、高丽芳、倪鹏翔、王凌、周晨轶、辛晓鹏、许勇刚、赵莉、张崇超、李燕超、李亚红、张帅、刘柱。

2. 标准制定背景

随着多方数据合作需求与日俱增，面对企业数据协同计算过程中的数据安全和隐私保护问题，亟需打造自主通用隐私计算平台，构建互联互通技术框架，形成适用于不同行业的数据安全共享模型算法库，提供原始数据不出域条件下的联合建模与预测功能，实现数据“可用不可见”，目前的研究尚没有形成电力数据隐私计算平台的整体构建架构和实施方案。

本标准以联邦学习、隐私计算技术为基础，推动电力数据隐私安全共享应用的产品设计、软件开发工作。本标准填补了电力行业数据隐私计算相关信息化平台标准空白，满足了隐私计算平台标准化需求，解决数据隐私安全条件下的数据共享应用问题，实现电力行业内部数据跨省、跨机构间的联合应用及电力行业数据与外部数据的融合应用。

3. 标准主要内容

（1）范围

本标准规定了基于联邦学习框架体系的电力数据隐私计算平台开发的参考框架、平台能力要求、平台建设技术要求等内容。

本标准适用于开展基于联邦学习的电力数据隐私安全共享应用的产品设计、软件开发。

（2）规范性引用文件

本标准主要引用的文件主要包括：

GB/T 25069-2010信息安全技术术语

讯享网

GB/T 35273-2020信息安全技术个人信息安全规范

JR/T 0196-2020多方安全计算金融应用技术规范

JR/T 0171-2020个人金融信息保护技术规范

JR/T 0184-2020金融分布式账本技术安全规范

JR/T 0218-2021金融业数据能力建设指引

BDC 79-2021隐私计算跨平台互联互通第一部分：总体框架

T/ISC 0015-2022金融场景隐私保护计算平台技术要求与测试方法

（3）术语和定义

主要包括隐私保护、隐私计算、隐私计算技术、隐私数据、联邦学习、节点、特征、标签、联邦学习算法、联邦学习模型、联邦学习参与方、多方安全计算协议、电力数据业务场景的定义。

（4）符号和缩略语

下列符号、代号和缩略语适用于本文件。

FL：联邦学习（federated learning）

ROC：接收者操作特征曲线（Receiver Operating Characteristic）

AUC：ROC曲线下的面积（area under curve）

KS：洛伦兹曲线（kolmogorov-smirnov curve）

（5）概述

主要包括基于联邦学习的隐私计算平台概况、联邦学习邀约及生态构建流程。

（6）平台架构要求

主要包括联邦学习参考架构、联邦学习节点角色规范。

（7）平台能力要求

主要包括节点管理能力、邀约管理能力、样本管理能力、算法管理能力、模型训练管理能力、模型管理能力、模型预测管理能力、跨站点网络通信能力、多方安全计算协议、平台运营管理能力的基本要求。

（8）平台建设技术要求  

主要包括平台建设安全要求、平台建设可用性要求、平台建设兼容性要求、平台建设易用性要求、平台建设容错性要求、平台建设性能要求和平台建设可扩展性要求。

（9）电力数据场景应用能力  

主要包括横向联邦学习电力数据业务场景应用能力、纵向联邦学习电力数据业务场景应用能力的概述。

4. 标准制定效益

该标准规范了基于联邦学习框架体系的电力数据隐私计算平台开发的参考框架、平台能力要求、平台建设技术要求等方面的技术要求，该标准效益主要体现在：

（1）构建数据要素流通生态，实现数据要素价值释放；

（2）促进多方联合建模，满足不同领域和应用的多场景建模需求，并增强数据隐私性和安全性；

（3）建立高度灵活、可扩展和兼容的平台，满足用户多样化的需求，并帮助用户更好地处理数据和模型。

（供稿：标准化工作办公室）

2025年104规约协议（104标准协议）

相关推荐