ZTFed-MAS2S：一种用于风电数据填补的可验证隐私与信任感知聚合零信任联邦学习框架

ZTFed-MAS2S: A Zero-Trust Federated Learning Framework With Verifiable Privacy and Trust-Aware Aggregation for Wind Power Data Imputation

Yang Li · Hanjie Wang · Yuanzheng Li · Jiazheng Li 等5人 · IEEE Transactions on Industrial Informatics · 2025年10月

由于传感器故障和边缘站点传输不稳定，风电数据常常存在缺失值。虽然联邦学习能够在不共享原始数据的情况下实现隐私保护协作，但在参数交换过程中，它仍然容易受到异常更新和隐私泄露的影响。在开放的工业环境中，这些挑战更加严峻，因此需要零信任（ZT）机制，即不默认信任任何参与者。为应对这些挑战，本文提出了ZTFed - MAS2S，这是一个集成了基于多头注意力的序列到序列插补模型的零信任联邦学习框架。ZTFed将可验证差分隐私与非交互式零知识证明以及机密性和完整性验证机制相结合，以确保可验证的隐私保护和安全...

解读: 从阳光电源的业务视角来看，这项零信任联邦学习框架虽然聚焦于风电数据补全，但其核心技术对我司在新能源数据管理和多场景协同方面具有重要借鉴价值。 在技术价值层面，该框架解决的数据缺失问题在光伏电站和储能系统中同样普遍存在。我司遍布全球的逆变器和储能设备常因通信不稳定、传感器故障导致数据缺失，影响功率预...