ИССЛЕДОВАНИЕ · RESEARCH · #1504
HXAI: иерархическая приватная объяснимость ИИ для распределённых энергосистем (arXiv:2610.02504v1)
Авторы представляют HXAI — иерархическую архитектуру: локальные объяснимые модели остаются приватными на уровне домов/приборов, а зональная модель агрегирует объяснения с управлением бюджетом дифференциальной приватности для анализа на уровне сети. Эксперименты на моделируемых и реальных энергоданных показывают, что HXAI сохраняет смысловую структуру объяснений для управления нагрузкой зоны, не раскрывая данные потребления приборов.
КЛЮЧЕВЫЕ ТЕЗИСЫ
- Авторы представляют HXAI — иерархическую архитектуру: локальные объяснимые модели остаются приватными на уровне домов/приборов, а зональная модель агрегирует объяснения с управлением бюджетом дифференциальной приватности для анализа на уровне сети.
- Эксперименты на моделируемых и реальных энергоданных показывают, что HXAI сохраняет смысловую структуру объяснений для управления нагрузкой зоны, не раскрывая данные потребления приборов.
- Это важно, потому что предлагает практичный способ сочетать объяснимость и дифференциальную приватность, давая сетевым операторам полезную аналитику без раскрытия данных домохозяйств.
ПОЧЕМУ ЭТО ВАЖНО
Это важно, потому что предлагает практичный способ сочетать объяснимость и дифференциальную приватность, давая сетевым операторам полезную аналитику без раскрытия данных домохозяйств.