抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
先進計量インフラストラクチャ(AMI)では,消費者側に設置されているスマートメータ(SM)は,負荷監視とエネルギー管理のために電力ユーティリティに周期的に細粒電力消費を読む。変化および送信(CAT)は,これらの読みを収集するための効率的なアプローチであり,そこでは,消費に十分な変化がないとき,読みは送信されない。しかし,この手法は,SMの伝送パターンを解析することにより,住宅居住者に関する敏感な情報を推論できるプライバシー問題を引き起こす。例えば,居住者が旅行にあるとき,伝送パターンが識別可能であるので,攻撃者は,居住者が家庭から存在しないかどうかを推論するために,存在-プライバシー攻撃(PPA)を発射するパターンを分析するかもしれない。本論文では,深層学習手法を用いた送信伝送(冗長実読)の送信により,消費者プライバシーを保存しながら,AMIネットワークにおける電力消費読出の効率的な収集のための「STDL」と呼ばれる方式を提案した。まず,CAT手法を用いて伝送パターンのためのデータセットを作成するため,クラスタリング技術と実際の電力消費読み取りを用いた。次に,深層学習を用いて攻撃者モデルを訓練し,攻撃者の成功率が約91%であることを示した。最後に,PPAを thぐために効率的にスポーフィング伝送を送るために,深層学習ベースの防御モデルを訓練した。広範な評価を行い,結果は,この方式が攻撃者の成功率を低減でき,事例で13.52%までは防御モデルを知らせ,また,事例で3.15%までは,伝送すべき読書の数に関して高効率を達成するのに対して,まだ,このモデルを知らないことを示した。”結果”は,事例で13.52%までは,モデルを知ることで,13.52%までは,このモデルを知らせないことを示すものであることを示した.また,このスキームは,このモデルを知らせない,一方,送信するべき読書の数に関して,まだ高い効率を達成している,という事を示していた。著者らの測定は,提案した方式が,連続送信読取と比較して約41%伝送するべき読解の数を減らすことができることを示した。【JST・京大機械翻訳】