融合电力数据的纵向联邦学习企业排污预测模型.pdfVIP

JournalofComputerApplicationsISSN1001⁃90812025⁃02⁃10

计算机应用,2025,45(2):518-525CODENJYIIDUhttp://www.joca.cn

文章编号：1001-9081（2025）02-0518-08DOI:10.11772/j.issn.1001-9081.2024020173

融合电力数据的纵向联邦学习企业排污预测模型

1，221，3，4121，3*

王心妍，杜嘉程，钟李红，徐旺旺，刘伯宇，佘维

（1.郑州大学网络空间安全学院，郑州450002；2.国网河南省电力公司信息通信分公司，郑州450000；

3.嵩山实验室，郑州450046；4.郑州大学计算机与人工智能学院，郑州450002）

（∗通信作者电子邮箱wshe@zzu.edu.cn）

摘要：针对企业排污难以监测和控制的问题，在考虑数据安全共享和隐私保护的前提下，提出一种融合电力数

据的纵向联邦学习企业排污预测（VFL-EEP）模型。首先，在纵向联邦学习（VFL）框架下改进逻辑回归模型，从而在不

泄露电力和环保企业排污监测数据的前提下，允许将数据的使用和模型的训练相分离；随后，改进逻辑回归算法使该

算法能结合Paillier加密技术以保证模型的参数传递安全，从而有效解决VFL中参与方之间通信不安全的问题；最后，

在仿真数据上实验，所提模型的排污预测结果与集中式逻辑回归模型的排污预测结果比较表明：所提模型在隐私安

全的前提下融合电力数据，准确率、召回率、精确率和F1值分别提升了8.92%、7.62%、3.95%和11.86%，有效实现了

隐私保护和模型性能的均衡。

关键词：纵向联邦学习；逻辑回归算法；隐私集合求交；Paillier同态加密；数据共享

中图分类号：TP183；E91文献标志码：A

Verticalfederatedlearningenterpriseemissionpredictionmodelwith

integrationofelectricitydata

1，221，3，4121，3*

WANGXinyan，DUJiacheng，ZHONGLihong，XUWangwang，LIUBoyu，SHEWei

（1.SchoolofCyberspaceSecurity，ZhengzhouUniversity，ZhengzhouHenan450002，China；

2.InformationandTelecommunicationCompany，StateGridHenan，ZhengzhouHenan450000，China；

3.SongshanLaboratory