CN115599640B - 异常供应端告警方法、电子设备和介质 - Google Patents

Abstract

本公开的实施例公开了异常供应端告警方法、电子设备和介质。该方法的一具体实施方式包括：监测终端对供应端属性信息集进行加密处理，以生成供应端加密属性信息集；监测终端向相关联的电网终端发送供应端加密属性信息集；监测终端响应于接收到电网终端发送的供应端加密用电信息集，执行如下生成步骤：对供应端加密用电信息集和供应端属性信息集进行合并处理，以生成第一供应端用电属性信息集；将第一供应端用电属性信息集输入至预先训练的第一异常供应端标识识别模型中，得到第一异常供应端标识集；监测终端对于每个供应端，响应于确定供应端对应的供应端标识在第一异常供应端标识集中，对供应端进行告警处理。该实施方式可以缩短检测时间。

Description

异常供应端告警方法、电子设备和介质

技术领域

本公开的实施例涉及计算机技术领域，具体涉及异常供应端告警方法、电子设备和介质。

背景技术

监测终端（例如，金融机构）可以对异常供应端进行告警并限制异常供应端的行为（例如，金融机构不向异常供应端提供价值属性）。目前，识别异常供应端，通常采用的方式为：监测终端通过供应端获取供应端用电信息和供应端属性信息，然后技术人员通过人为检测的方式检测异常供应端。

然而，采用上述方式通常存在以下技术问题：

第一，技术人员通过人为检测的方式检测异常供应端，检测时间较长；

第二，通过供应端直接获取供应端属性信息，容易造成供应端属性信息的泄露；

第三，由于供应端权限较低，通过供应端获取供应端用电信息，无法获取详细的供应端用电信息，容易遗漏部分供应端的用电信息，导致部分异常供应端未被检测出，浪费了检测时间。

该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解，并因此，其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

本公开的一些实施例提出了异常供应端告警方法、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。

第一方面，本公开的一些实施例提供了一种异常供应端告警方法，该方法包括：监测终端获取每个供应端对应的初始供应端属性信息，得到初始供应端属性信息集；上述监测终端对上述初始供应端属性信息集进行数据清洗处理，以生成供应端属性信息集；上述监测终端对上述供应端属性信息集进行加密处理，以生成供应端加密属性信息集；上述监测终端向相关联的电网终端发送上述供应端加密属性信息集；上述监测终端响应于接收到上述电网终端发送的供应端加密用电信息集，执行如下生成步骤：对上述供应端加密用电信息集和上述供应端属性信息集进行合并处理，以生成第一供应端用电属性信息集；将上述第一供应端用电属性信息集输入至预先训练的第一异常供应端标识识别模型中，得到第一异常供应端标识集；上述监测终端对于每个供应端，响应于确定上述供应端对应的供应端标识在上述第一异常供应端标识集中，对上述供应端进行告警处理。

第二方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。

第三方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。

本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的异常供应端告警方法，可以缩短检测时间。具体来说，造成检测时间较长的原因在于：技术人员通过人为检测的方式检测异常供应端。基于此，本公开的一些实施例的异常供应端告警方法，首先，监测终端获取每个供应端对应的初始供应端属性信息，得到初始供应端属性信息集。其次，上述监测终端对上述初始供应端属性信息集进行数据清洗处理，以生成供应端属性信息集。由此，可以得到供应端属性信息集，以便后续输入至第一异常供应端标识识别模型中。接着，上述监测终端对上述供应端属性信息集进行加密处理，以生成供应端加密属性信息集。由此，可以得到加密后的供应端加密属性信息集，以便防止供应端属性信息泄露。然后，上述监测终端向相关联的电网终端发送上述供应端加密属性信息集。由此，可以将加密后的供应端加密属性信息集发送至电网终端，以确保发送过程中不会泄露供应端属性信息。之后，上述监测终端响应于接收到上述电网终端发送的供应端加密用电信息集，执行如下生成步骤：对上述供应端加密用电信息集和上述供应端属性信息集进行合并处理，以生成第一供应端用电属性信息集；将上述第一供应端用电属性信息集输入至预先训练的第一异常供应端标识识别模型中，得到第一异常供应端标识集。由此，在联邦学习安全树模型的基础上训练的第一异常供应端标识识别模型，可以保证第一异常供应端标识集的安全性。以及，可以通过第一异常供应端标识识别模型，识别出准确的异常供应端标识。最后，上述监测终端对于每个供应端，响应于确定上述供应端对应的供应端标识在上述第一异常供应端标识集中，对上述供应端进行告警处理。由此，可以通过第一异常供应端标识识别模型较为准确地识别出各个异常供应端。从而，可以缩短检测时间。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。

图1是根据本公开的异常供应端告警方法的一些实施例的流程图；

图2是适于用来实现本公开的一些实施例的电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

下面将参考附图并结合实施例来详细说明本公开。

参考图1，示出了根据本公开的异常供应端告警方法的一些实施例的流程100。该异常供应端告警方法，包括以下步骤：

步骤101，监测终端获取每个供应端对应的初始供应端属性信息，得到初始供应端属性信息集。

在一些实施例中，监测终端可以通过有线连接或无线连接的方式从终端设备中获取每个供应端对应的初始供应端属性信息，得到初始供应端属性信息集。其中，监测终端可以是用于监测供应端的初始供应端属性信息的终端（例如，金融机构的终端）。初始供应端属性信息集中的初始供应端属性信息可以包括但不限于以下至少一项：供应端标识、电力设备生产数量信息、供应文件数量信息、价值属性值信息。这里，电力设备生产数量信息包括：月份、电力设备生产数量。供应文件数量信息包括：月份、供应文件数量。价值属性值信息包括：月份、价值属性值。电力设备生产数量可以表征一个月电力设备生产的数量。供应文件数量可以表征一个月的供应文件（例如，供应文件可以表征供应端参与诉讼的案件）的数量。价值属性值可以表征一个月获取到的价值属性值（金额）。供应端标识可以唯一确定一个供应端。例如，供应端可以是但不限于制造业供应端、建筑业供应端。

步骤102，上述监测终端对上述初始供应端属性信息集进行数据清洗处理，以生成供应端属性信息集。

在一些实施例中，上述监测终端可以对上述初始供应端属性信息集进行数据清洗处理，以生成供应端属性信息集。其中，上述供应端属性信息集中的供应端属性信息可以包括但不限于以下至少一项：供应端标识、月电力设备生产数量、月供应文件数量、月价值属性值、年电力设备生产总数量、年供应文件总数量、年价值总属性值。这里，月电力设备生产数量可以表征当月生产的电力设备的数量。月供应文件数量可以表征当月的供应文件的数量。月价值属性值可以表征当月的价值属性值。年电力设备生产总数量可以表征当前一年各个月生产的电力设备的总数量。年供应文件总数量可以表征当前一年各个月的供应文件的总数量。年价值总属性值可以表征当前一年各个月的价值总属性值（总金额）。

实践中，上述监测终端可以去除上述初始供应端属性信息集中的初始供应端属性信息中为空的初始供应端属性信息，以生成供应端属性信息集。

步骤103，上述监测终端对上述供应端属性信息集进行加密处理，以生成供应端加密属性信息集。

在一些实施例中，上述监测终端可以对上述供应端属性信息集进行加密处理，以生成供应端加密属性信息集。

实践中，上述监测终端可以通过如下步骤对上述供应端属性信息集进行加密处理，以生成供应端加密属性信息集：

第一步，上述监测终端将第一预设数值与第二预设数值的乘积确定为第一加密值。其中，第一预设数值可以是素数。第二预设数值可以是与第一预设数值不相等的素数。

第二步，上述监测终端将上述第一预设数值与第三预设数值之间的差值确定为第一差值。例如，第三预设数值可以是1。

第三步，上述监测终端将上述第二预设数值与上述第三预设数值之间的差值确定为第二差值。

第四步，上述监测终端将上述第一差值与上述第二差值的乘积确定为差值乘积值。

第五步，上述监测终端基于上述差值乘积值，确定第二加密值。实践中，响应于确定上述第二加密值与上述差值乘积值互质，且上述第二加密值小于上述差值乘积值，上述监测终端可以随机生成第二加密值。

第六步，上述监测终端基于上述第一加密值和上述第二加密值，对于上述供应端属性信息集中的每个供应端属性信息，对于上述供应端属性信息包括的每个数值，执行如下加密步骤：

第一子步骤，将上述数值的上述第一加密值次幂确定为初始加密数值。

第二子步骤，将上述初始加密数值对上述第二加密值进行取余处理得到的余数确定为加密数值。

第三子步骤，将上述加密数值确定为上述供应端属性信息对应的供应端加密属性信息包括的加密数值。

第七步，上述监测终端将所确定的各个供应端加密属性信息确定为供应端加密属性信息集。其中，上述供应端加密属性信息集中的供应端加密属性信息可以包括：供应端标识、加密月电力设备生产数量、加密月供应文件数量、加密月价值属性值、加密年电力设备生产总数量、加密年供应文件总数量、加密年价值总属性值。

步骤103中的技术内容作为本公开的实施例的一个发明点，解决了背景技术提及的技术问题二“容易造成供应端属性信息的泄露”。容易造成供应端属性信息的泄露的因素往往如下：通过供应端直接获取供应端属性信息。如果解决了上述因素，就能达到可以提高供应端属性信息的安全性的效果。为了达到这一效果，首先，上述监测终端将第一预设数值与第二预设数值的乘积确定为第一加密值。由此，可以得到第一加密值，以便后续对供应端属性信息集包括的供应端属性信息进行加密处理。其次，上述监测终端将上述第一预设数值与第三预设数值之间的差值确定为第一差值。接着，上述监测终端将上述第二预设数值与上述第三预设数值之间的差值确定为第二差值。之后，上述监测终端将上述第一差值与上述第二差值的乘积确定为差值乘积值。由此，可以得到差值乘积值，以便后续得到第二加密值。然后，上述监测终端基于上述差值乘积值，确定第二加密值。由此，可以得到第二加密值，以便后续对供应端属性信息集包括的供应端属性信息进行加密处理。再然后，上述监测终端基于上述第一加密值和上述第二加密值，对于上述供应端属性信息集中的每个供应端属性信息，对于上述供应端属性信息包括的每个数值，执行如下加密步骤：将上述数值的上述第一加密值次幂确定为初始加密数值；将上述初始加密数值对上述第二加密值进行取余处理得到的余数确定为加密数值；将上述加密数值确定为上述供应端属性信息对应的供应端加密属性信息包括的加密数值。由此，可以根据第一加密值和第二加密值对上述供应端属性信息包括的各个数值进行加密处理，以确保信息的安全性。最后，上述监测终端将所确定的各个供应端加密属性信息确定为供应端加密属性信息集。由此，可以提高供应端属性信息的安全性。

步骤104，上述监测终端向相关联的电网终端发送上述供应端加密属性信息集。

在一些实施例中，上述监测终端可以向相关联的电网终端发送上述供应端加密属性信息集。其中，相关联的电网终端可以是用于监测供应端的初始供应端用电信息的终端。这里，上述电网终端监测的供应端对应上述监测终端监测的供应端。

步骤105，上述监测终端响应于接收到上述电网终端发送的供应端加密用电信息集，执行如下生成步骤：

步骤1051，对上述供应端加密用电信息集和上述供应端属性信息集进行合并处理，以生成第一供应端用电属性信息集。

在一些实施例中，上述监测终端可以对上述供应端加密用电信息集和上述供应端属性信息集进行合并处理，以生成第一供应端用电属性信息集。其中，上述供应端加密用电信息集可以包括：供应端标识、加密额定电压、加密实际电压、加密总用电量。上述第一供应端用电属性信息集中的第一供应端用电属性信息可以包括但不限于一下至少一项：供应端标识、月电力设备生产数量、月供应文件数量、月价值属性值、年电力设备生产总数量、年供应文件总数量、年价值总属性值、加密月用电量、加密额定电压、加密实际电压、加密总用电量。

实践中，响应于确定上述供应端加密用电信息集中的供应端加密用电信息包括的供应端标识对应上述供应端属性信息集中的供应端属性信息包括的供应端标识，首先，对于上述供应端加密用电信息集中的每个供应端加密用电信息，上述监测终端可以将上述供应端加密用电信息确定为第一供应端用电属性信息包括的供应端加密用电信息。然后，上述监测终端可以将上述供应端加密用电信息对应的供应端属性信息确定为第一供应端用电属性信息包括的供应端属性信息。最后，上述监测终端可以将所确定的各个第一供应端用电属性信息确定为第一供应端用电属性信息集。

步骤1052，将上述第一供应端用电属性信息集输入至预先训练的第一异常供应端标识识别模型中，得到第一异常供应端标识集。

在一些实施例中，上述监测终端可以将上述第一供应端用电属性信息集输入至预先训练的第一异常供应端标识识别模型中，得到第一异常供应端标识集。其中，上述第一异常供应端标识识别模型可以是以第一供应端用电属性信息集为输入，以第一异常供应端标识集为输出的联邦学习安全树模型（例如，SecureBoost模型）。

可选地，上述第一异常供应端标识识别模型可以是通过以下步骤训练得到的：

第一步，上述监测终端获取训练样本集。

在一些实施例中，上述监测终端可以通过有线连接或无线连接的方式从终端设备中获取训练样本集。其中，上述训练样本集中的训练样本包括：样本第一供应端用电属性信息集和样本第一异常供应端标识集。样本第一供应端用电属性信息集可以包括但不限于以下至少一项：供应端标识、月电力设备生产数量、月供应文件数量、月价值属性值、年电力设备生产总数量、年供应文件总数量、年价值总属性值、加密月用电量、加密额定电压、加密实际电压、加密总用电量。样本第一异常供应端标识集可以是样本第一供应端用电属性信息集输入第一异常供应端标识识别模型后预期的输出结果。样本第一异常供应端标识集可以包括异常供应端标识。异常供应端标识可以唯一表示一个异常供应端（例如，异常供应端可以是无法及时缴纳电费的供应端）。

第二步，上述监测终端从上述训练样本集中选取训练样本。

在一些实施例中，上述监测终端可以从上述训练样本集中选取训练样本。实践中，上述监测终端可以随机从上述训练样本集中选择训练样本。

第三步，上述监测终端将上述训练样本包括的样本第一供应端用电属性信息集输入至初始第一异常供应端标识识别模型中，得到初始第一异常供应端标识集。

在一些实施例中，上述监测终端可以将上述训练样本包括的样本第一供应端用电属性信息集输入至初始第一异常供应端标识识别模型中，得到初始第一异常供应端标识集。其中，初始第一异常供应端标识识别模型可以是未训练的联邦学习安全树模型（例如，SecureBoost模型）。

第六步，上述监测终端基于预设的第一损失函数，确定上述初始第一异常供应端标识集与上述训练样本包括的样本第一异常供应端标识集之间的第一差异值。

在一些实施例中，基于预设的第一损失函数，上述监测终端可以确定上述初始第一异常供应端标识集与上述训练样本包括的样本第一异常供应端标识集之间的第一差异值。其中，预设的第一损失函数可以是但不限于：均方误差损失函数（MSE）、合页损失函数（SVM）、交叉熵损失函数（CrossEntropy）、0-1损失函数、绝对值损失函数、log对数损失函数、平方损失函数、指数损失函数等。

第七步，上述监测终端基于上述第一差异值，调整上述初始第一异常供应端标识识别模型的网络参数。

在一些实施例中，基于上述第一差异值，上述监测终端可以调整上述初始第一异常供应端标识识别模型的网络参数。实践中，上述监测终端可以响应于确定上述第一差异值不满足第一预设条件，调整上述初始第一异常供应端标识识别模型的网络参数。其中，第一预设条件可以是上述第一差异值小于等于第一预设差异值。例如，可以对第一差异值和第一预设差异值求差值。在此基础上，利用反向传播、随机梯度下降等方法将误差值从模型的最后一层向前传递，以调整每一层的参数。当然根据需要，也可以采用网络冻结（dropout）的方法，对其中的一些层的网络参数保持不变，不进行调整，对此，不做任何限定。其中，对于第一预设差异值的设定，不作限定，例如，第一预设差异值可以是0.5。

可选地，上述监测终端响应于确定上述第一差异值满足第一预设条件，将上述初始第一异常供应端标识识别模型确定为训练后的第一异常供应端标识识别模型。

在一些实施例中，上述监测终端可以响应于确定上述第一差异值满足第一预设条件，将上述初始第一异常供应端标识识别模型确定为训练后的第一异常供应端标识识别模型。

步骤106，上述监测终端对于每个供应端，响应于确定上述供应端对应的供应端标识在上述第一异常供应端标识集中，对上述供应端进行告警处理。

在一些实施例中，对于每个供应端，上述监测终端可以响应于确定上述供应端对应的供应端标识在上述第一异常供应端标识集中，对上述供应端进行告警处理。其中，告警处理可以是显示警告性的文字或控制扬声器发出提示音。

可选地，上述方法还包括：

第一步，上述电网终端获取每个供应端对应的初始供应端用电信息，得到初始供应端用电信息集。

在一些实施例中，上述电网终端可以通过有线连接或无线连接的方式从终端设备中获取每个供应端对应的初始供应端用电信息，得到初始供应端用电信息集。其中，上述初始供应端用电信息集中的初始供应端用电信息可以包括但不限于以下至少一项：供应端标识、用电量信息、额定电压、实际电压。用电量信息包括：月份、用电量。用电量可以表征一个月内供应端使用的总用电量。

第二步，上述电网终端对上述初始供应端用电信息集进行数据清洗处理，以生成供应端用电信息集。

在一些实施例中，上述电网终端可以对上述初始供应端用电信息集进行数据清洗处理，以生成供应端用电信息集。其中，上述供应端用电信息集中的供应端用电信息可以包括但不限于以下至少一项：供应端标识、月用电量、额定电压、实际电压、总用电量。这里，月用电量可以表征当月供应端使用的总用电量。总用电量可以表征当前一年各个月的供应端使用的总用电量。

实践中，上述电网终端可以去除上述初始供应端用电信息集中的初始供应端用电信息中为空的初始供应端用电信息，以生成供应端用电信息集。

第三步，上述电网终端对上述供应端用电信息集进行加密处理，得到供应端加密用电信息集。

在一些实施例中，上述电网终端可以对上述供应端用电信息集进行加密处理，得到供应端加密用电信息集。

实践中，首先，对于上述供应端用电信息集中的每个供应端用电信息，上述电网终端可以通过加密算法对上述供应端用电信息包括的各个数值进行加密处理，以生成加密数值，得到供应端加密用电信息。然后，上述电网终端将所得到的各个供应端加密用电信息确定为供应端加密用电信息集。其中，加密算法可以是但不限于对称加密算法、非对称加密算法、哈希加密算法。这里，供应端加密用电信息集中的供应端加密用电信息可以包括但不限于以下至少一项：供应端标识、加密月用电量、加密额定电压、加密实际电压、加密总用电量。

第四步，上述电网终端响应于接收到上述监测终端发送的供应端加密属性信息集，执行如下处理步骤：

第一子步骤，向上述监测终端发送供应端加密用电信息集。

在一些实施例中，上述电网终端可以向上述监测终端发送供应端加密用电信息集。其中，上述供应端加密属性信息集中的供应端加密属性信息可以包括：供应端标识、加密月电力设备生产数量、加密月供应文件数量、加密月价值属性值、加密年电力设备生产总数量、加密年供应文件总数量、加密年价值总属性值。

第二子步骤，将上述供应端用电信息集与上述供应端加密属性信息集进行合并处理，以生成第二供应端用电属性信息集。

在一些实施例中，上述电网终端可以将上述供应端用电信息集与上述供应端加密属性信息集进行合并处理，以生成第二供应端用电属性信息集。其中，上述第二供应端用电属性信息集中的第二供应端用电属性信息可以包括但不限于以下至少一项：供应端标识、月用电量、额定电压、实际电压、总用电量、加密月电力设备生产数量、加密月供应文件数量、加密月价值属性值、加密年电力设备生产总数量、加密年供应文件总数量、加密年价值总属性值。

实践中，响应于确定上述供应端用电信息集中的供应端用电信息包括的供应端标识对应上述供应端加密属性信息集中的供应端加密属性信息包括的供应端标识，首先，对于上述供应端用电信息集中的每个供应端用电信息，上述监测终端可以将上述供应端用电信息确定为第二供应端用电属性信息包括的供应端用电信息。然后，上述监测终端可以将上述供应端用电信息对应的供应端加密属性信息确定为第二供应端用电属性信息包括的供应端加密属性信息。最后，上述监测终端可以将所确定的各个第二供应端用电属性信息确定为第二供应端用电属性信息集。

第三子步骤，将上述第二供应端用电属性信息集输入至预先训练的第二异常供应端标识识别模型中，得到第二异常供应端标识集。

在一些实施例中，上述电网终端可以将上述第二供应端用电属性信息集输入至预先训练的第二异常供应端标识识别模型中，得到第二异常供应端标识集。其中，上述第二异常供应端标识识别模型可以是以第二供应端用电属性信息集为输入，以第二异常供应端标识集为输出的联邦学习安全树模型（例如，第二异常供应端标识识别模型可以是SecureBoost模型）。

步骤106中的可选的技术内容作为本公开的实施例的一个发明点，解决了背景技术提及的技术问题三“浪费了检测时间”。造成浪费了检测时间的因素往往如下：由于供应端权限较低，通过供应端获取供应端用电信息，无法获取详细的供应端用电信息，容易遗漏部分供应端的用电信息，导致部分异常供应端未被检测出。如果解决了上述因素，就能达到可以避免浪费检测时间的效果。为了达到这一效果，首先，上述电网终端获取每个供应端对应的初始供应端用电信息，得到初始供应端用电信息集。由此，可以不通过供应端，直接获取电网终端详细的初始供应端用电信息。其次，上述电网终端对上述初始供应端用电信息集进行数据清洗处理，以生成供应端用电信息集。由此，可以获取到详细的供应端用电信息集。之后，上述电网终端对上述供应端用电信息集进行加密处理，得到供应端加密用电信息集。由此，可以得到加密后的供应端加密用电信息集，以防止供应端用电信息泄露。然后，上述电网终端响应于接收到上述监测终端发送的供应端加密属性信息集，执行如下处理步骤：向上述监测终端发送供应端加密用电信息集；将上述供应端用电信息集与上述供应端加密属性信息集进行合并处理，以生成第二供应端用电属性信息集；将上述第二供应端用电属性信息集输入至预先训练的第二异常供应端标识识别模型中，得到第二异常供应端标识集。由此，可以将详细的供应端用电信息集和供应端加密属性信息集输入至第二异常供应端标识识别模型中，识别出准确的第二异常供应端标识。从而，可以较为准确地识别出各个异常供应端。进而，可以避免浪费检测时间。

可选地，上述第二异常供应端标识识别模型是通过以下步骤训练得到的：

第一步，上述电网终端获取训练样本集。

在一些实施例中，上述电网终端可以通过有线连接或无线连接的方式从终端设备中获取训练样本集。其中，上述训练样本集中的训练样本包括：样本第二供应端用电属性信息集和样本第二异常供应端标识集。样本第二供应端用电属性信息集中的样本第二供应端用电属性信息可以包括但不限于以下至少一项：供应端标识、月用电量、额定电压、实际电压、总用电量、加密月电力设备生产数量、加密月供应文件数量、加密月价值属性值、加密年电力设备生产总数量、加密年供应文件总数量、加密年价值总属性值。样本第二异常供应端标识集可以是样本第二供应端用电属性信息集输入第二异常供应端标识识别模型后预期的输出结果。样本第二异常供应端标识集可以包括异常供应端标识。

第二步，上述电网终端从上述训练样本集中选取训练样本。

在一些实施例中，上述电网终端可以从上述训练样本集中选取训练样本。实践中，上述电网终端可以随机从上述训练样本集中选择训练样本。

第三步，上述电网终端将上述训练样本包括的样本第二供应端用电属性信息集输入至初始第二异常供应端标识识别模型中，得到初始第二异常供应端标识集。

在一些实施例中，上述电网终端可以将上述训练样本包括的样本第二供应端用电属性信息集输入至初始第二异常供应端标识识别模型中，得到初始第二异常供应端标识集。其中，上述初始第二异常供应端标识识别模型可以是未训练的联邦学习安全树模型（例如，SecureBoost模型）。

第四步，上述电网终端基于预设的第二损失函数，确定上述初始第二异常供应端标识集与上述训练样本包括的样本第二异常供应端标识集之间的第二差异值。

在一些实施例中，基于预设的第二损失函数，上述电网终端可以确定上述初始第二异常供应端标识集与上述训练样本包括的样本第二异常供应端标识集之间的第二差异值。其中，预设的第二损失函数可以是但不限于：均方误差损失函数（MSE）、合页损失函数（SVM）、交叉熵损失函数（CrossEntropy）、0-1损失函数、绝对值损失函数、log对数损失函数、平方损失函数、指数损失函数等。

第五步，上述电网终端基于上述第二差异值，调整上述初始第二异常供应端标识识别模型的网络参数。

在一些实施例中，基于上述第二差异值，上述电网终端可以调整上述初始第二异常供应端标识识别模型的网络参数。实践中，上述电网终端可以响应于确定上述第二差异值不满足第二预设条件，调整上述初始第二异常供应端标识识别模型的网络参数。其中，第二预设条件可以是上述第二差异值小于等于第二预设差异值。例如，可以对第二差异值和第二预设差异值求差值。在此基础上，利用反向传播、随机梯度下降等方法将误差值从模型的最后一层向前传递，以调整每一层的参数。当然根据需要，也可以采用网络冻结（dropout）的方法，对其中的一些层的网络参数保持不变，不进行调整，对此，不做任何限定。其中，对于第二预设差异值的设定，不作限定，例如，第二预设差异值可以是0.5。

可选地，上述电网终端响应于确定上述第二差异值满足第二预设条件，将上述初始第二异常供应端标识识别模型确定为训练后的第二异常供应端标识识别模型。

在一些实施例中，上述电网终端可以响应于确定上述第二差异值满足第二预设条件，将上述初始第二异常供应端标识识别模型确定为训练后的第二异常供应端标识识别模型。

本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的异常供应端告警方法，可以缩短检测时间。具体来说，造成检测时间较长的原因在于：技术人员通过人为检测的方式检测异常供应端。基于此，本公开的一些实施例的异常供应端告警方法，首先，监测终端获取每个供应端对应的初始供应端属性信息，得到初始供应端属性信息集。其次，上述监测终端对上述初始供应端属性信息集进行数据清洗处理，以生成供应端属性信息集。由此，可以得到供应端属性信息集，以便后续输入至第一异常供应端标识识别模型中。接着，上述监测终端对上述供应端属性信息集进行加密处理，以生成供应端加密属性信息集。由此，可以得到加密后的供应端加密属性信息集，以便防止供应端属性信息泄露。然后，上述监测终端向相关联的电网终端发送上述供应端加密属性信息集。由此，可以将加密后的供应端加密属性信息集发送至电网终端，以确保发送过程中不会泄露供应端属性信息。之后，上述监测终端响应于接收到上述电网终端发送的供应端加密用电信息集，执行如下生成步骤：对上述供应端加密用电信息集和上述供应端属性信息集进行合并处理，以生成第一供应端用电属性信息集；将上述第一供应端用电属性信息集输入至预先训练的第一异常供应端标识识别模型中，得到第一异常供应端标识集。由此，在联邦学习安全树模型的基础上训练的第一异常供应端标识识别模型，可以保证第一异常供应端标识集的安全性。以及，可以通过第一异常供应端标识识别模型，识别出准确的异常供应端标识。最后，上述监测终端对于每个供应端，响应于确定上述供应端对应的供应端标识在上述第一异常供应端标识集中，对上述供应端进行告警处理。由此，可以通过第一异常供应端标识识别模型较为准确地识别出各个异常供应端。从而，可以缩短检测时间。

下面参考图2，其示出了适于用来实现本公开的一些实施例的电子设备（例如，监测终端、电网终端）200的结构示意图。本公开的一些实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA（个人数字助理）、PAD（平板电脑）、PMP（便携式多媒体播放器）、车载终端（例如车载导航终端）等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图2示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。

如图2所示，电子设备200可以包括处理装置（例如中央处理器、图形处理器等）201，其可以根据存储在只读存储器（ROM）202中的程序或者从存储装置208加载到随机访问存储器（RAM）203中的程序而执行各种适当的动作和处理。在RAM203中，还存储有电子设备200操作所需的各种程序和数据。处理装置201、ROM202以及RAM 203通过总线204彼此相连。输入/输出（I/O）接口205也连接至总线204。

通常，以下装置可以连接至I/O接口205：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置206；包括例如液晶显示器（LCD）、扬声器、振动器等的输出装置207；包括例如磁带、硬盘等的存储装置208；以及通信装置209。通信装置209可以允许电子设备200与其他设备进行无线或有线通信以交换数据。虽然图2示出了具有各种装置的电子设备200，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图2中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置209从网络上被下载和安装，或者从存储装置208被安装，或者从ROM202被安装。在该计算机程序被处理装置201执行时，执行本公开的一些实施例的方法中限定的上述功能。

需要说明的是，本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑磁盘只读存储器（CD-ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF（射频）等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP（HyperText TransferProtocol，超文本传输协议）之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信（例如，通信网络）互连。通信网络的示例包括局域网（“LAN”），广域网（“WAN”），网际网（例如，互联网）以及端对端网络（例如，ad hoc端对端网络），以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：监测终端获取每个供应端对应的初始供应端属性信息，得到初始供应端属性信息集；上述监测终端对上述初始供应端属性信息集进行数据清洗处理，以生成供应端属性信息集；上述监测终端对上述供应端属性信息集进行加密处理，以生成供应端加密属性信息集；上述监测终端向相关联的电网终端发送上述供应端加密属性信息集；上述监测终端响应于接收到上述电网终端发送的供应端加密用电信息集，执行如下生成步骤：对上述供应端加密用电信息集和上述供应端属性信息集进行合并处理，以生成第一供应端用电属性信息集；将上述第一供应端用电属性信息集输入至预先训练的第一异常供应端标识识别模型中，得到第一异常供应端标识集；上述监测终端对于每个供应端，响应于确定上述供应端对应的供应端标识在上述第一异常供应端标识集中，对上述供应端进行告警处理。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网（LAN）或广域网（WAN）——连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列（FPGA）、专用集成电路（ASIC）、专用标准产品（ASSP）、片上系统（SOC）、复杂可编程逻辑设备（CPLD）等等。

以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的（但不限于）具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (5)

1.一种异常供应端告警方法，包括：

监测终端获取每个供应端对应的初始供应端属性信息，得到初始供应端属性信息集；

所述监测终端对所述初始供应端属性信息集进行数据清洗处理，以生成供应端属性信息集；

所述监测终端对所述供应端属性信息集进行加密处理，以生成供应端加密属性信息集；

所述监测终端向相关联的电网终端发送所述供应端加密属性信息集；

所述监测终端响应于接收到所述电网终端发送的供应端加密用电信息集，执行如下生成步骤：

对所述供应端加密用电信息集和所述供应端属性信息集进行合并处理，以生成第一供应端用电属性信息集；

将所述第一供应端用电属性信息集输入至预先训练的第一异常供应端标识识别模型中，得到第一异常供应端标识集；

所述监测终端对于每个供应端，响应于确定所述供应端对应的供应端标识在所述第一异常供应端标识集中，对所述供应端进行告警处理；

所述电网终端获取每个供应端对应的初始供应端用电信息，得到初始供应端用电信息集；

所述电网终端对所述初始供应端用电信息集进行数据清洗处理，以生成供应端用电信息集；

所述电网终端对所述供应端用电信息集进行加密处理，得到供应端加密用电信息集；

所述电网终端响应于接收到所述监测终端发送的供应端加密属性信息集，执行如下处理步骤：

向所述监测终端发送供应端加密用电信息集；

将所述供应端用电信息集与所述供应端加密属性信息集进行合并处理，以生成第二供应端用电属性信息集；

将所述第二供应端用电属性信息集输入至预先训练的第二异常供应端标识识别模型中，得到第二异常供应端标识集；

其中，所述第二异常供应端标识识别模型是通过以下步骤训练得到的：

所述电网终端获取训练样本集，其中，所述训练样本集中的训练样本包括：样本第二供应端用电属性信息集和样本第二异常供应端标识集；

所述电网终端从所述训练样本集中选取训练样本；

所述电网终端将所述训练样本包括的样本第二供应端用电属性信息集输入至初始第二异常供应端标识识别模型中，得到初始第二异常供应端标识集；

所述电网终端基于预设的第二损失函数，确定所述初始第二异常供应端标识集与所述训练样本包括的样本第二异常供应端标识集之间的第二差异值；

所述电网终端基于所述第二差异值，调整所述初始第二异常供应端标识识别模型的网络参数；

所述电网终端响应于确定所述第二差异值满足第二预设条件，将所述初始第二异常供应端标识识别模型确定为训练后的第二异常供应端标识识别模型；

其中，所述对所述供应端属性信息集进行加密处理，以生成供应端加密属性信息集，包括：

所述监测终端将第一预设数值与第二预设数值的乘积确定为第一加密值；

所述监测终端将所述第一预设数值与第三预设数值之间的差值确定为第一差值；

所述监测终端将所述第二预设数值与所述第三预设数值之间的差值确定为第二差值；

所述监测终端将所述第一差值与所述第二差值的乘积确定为差值乘积值；

所述监测终端基于所述差值乘积值，确定第二加密值；

所述监测终端基于所述第一加密值和所述第二加密值，对于所述供应端属性信息集中的每个供应端属性信息，对于所述供应端属性信息包括的每个数值，执行如下加密步骤：

将所述数值的第一加密值次幂确定为初始加密数值；

将所述初始加密数值对所述第二加密值进行取余处理得到的余数确定为加密数值；

将所述加密数值确定为所述供应端属性信息对应的供应端加密属性信息包括的加密数值；

所述监测终端将所确定的各个供应端加密属性信息确定为供应端加密属性信息集。

2.根据权利要求1所述的方法，其中，所述第一异常供应端标识识别模型是通过以下步骤训练得到的：

所述监测终端获取训练样本集，其中，所述训练样本集中的训练样本包括：样本第一供应端用电属性信息集和样本第一异常供应端标识集；

所述监测终端从所述训练样本集中选取训练样本；

所述监测终端将所述训练样本包括的样本第一供应端用电属性信息集输入至初始第一异常供应端标识识别模型中，得到初始第一异常供应端标识集；

所述监测终端基于预设的第一损失函数，确定所述初始第一异常供应端标识集与所述训练样本包括的样本第一异常供应端标识集之间的第一差异值；

所述监测终端基于所述第一差异值，调整所述初始第一异常供应端标识识别模型的网络参数。

3.根据权利要求2所述的方法，其中，所述方法还包括：

所述监测终端响应于确定所述第一差异值满足第一预设条件，将所述初始第一异常供应端标识识别模型确定为训练后的第一异常供应端标识识别模型。

4.一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-3中任一所述方法。

5.一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1-3中任一所述的方法。

Images