信息安全研究 ›› 2025, Vol. 11 ›› Issue (E2): 146-.

• 2025“数字经济与网络安全”论文集 • 上一篇    下一篇

能源化工行业基于联邦学习技术的大模型 建设研究

刘瑞吴强陈佳珵
  

  1. (中石油(北京)数智研究院北京100000)
  • 出版日期:2025-12-27 发布日期:2025-12-28
  • 通讯作者: 刘瑞 博士,工程师.主要研究方向为隐私保护、密码学、联邦学习、车联网、群智感知. liurui06@petrochina.com.cn
  • 作者简介:刘瑞 博士,工程师.主要研究方向为隐私保护、密码学、联邦学习、车联网、群智感知. liurui06@petrochina.com.cn 吴强 高级工程师.主要研究方向为网络安全防护架构的设计与优化. wu_qiang@petrochina.com.cn 陈佳珵 硕士,助理工程师.主要研究方向为网络安全、隐私保护、零信任. chen_jiacheng@petrochina.com.cn

  • Online:2025-12-27 Published:2025-12-28

摘要: 近年来,人工智能技术蓬勃发展,企业纷纷投入大模型建设,能源化工行业大模型进入高速迭代时期.然而,能源化工行业具有全产业链数据覆盖、组织架构复杂、业务领域广阔、子公司体量庞大等特点,在训练数据共享上存在重重挑战.为减少数据隐私安全顾虑,打破数据孤岛困境,提升训练数据量级与多样性,提出基于联邦学习技术的大模型建设方案.以国内某大型能源化工企业为例,设计了双层与3层混合式架构,阐述了增强隐私保护能力的技术途径,探讨了方案推广落地的可行路径,为能源化工行业构建完善的联邦学习生态体系提供了可复制的技术框架与实施范式.

关键词: 联邦学习, 能源化工, 人工智能, 大模型

中图分类号: