MétaCan
Menu
Retour à la cohorte
Enregistrement W1998697412 · doi:10.1109/mcom.2012.6194395

Balance of security strength and energy for a PMU monitoring system in smart grid

2012· article· en· W1998697412 sur OpenAlexaff
Meikang Qiu, Hai Su, Min Chen, Zhong Ming, Laurence T. Yang

Notice bibliographique

RevueIEEE Communications Magazine · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueSmart Grid Security and Resilience
Établissements canadiensSt. Francis Xavier University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceSmart gridOverhead (engineering)Secure communicationWireless sensor networkEmbedded systemComputer networkComputer securityDistributed computingElectrical engineeringEncryptionEngineering

Résumé

récupéré en direct d'OpenAlex

An efficient dependable smart power grid relies on the secure real-time data collection and transmission service provided by a monitoring system. In such a system, the measuring units, such as phasor measurement units (PMUs) and smart meters (SMs), are critical. These measuring equipments function as sensors in the smart grid. Data exchanges between these sensors and the central controller are protected by various security protocols. These protocols usually contain computationally intensive cryptographic algorithms that cause heavy energy overhead to the sensor nodes. Since PMUs and SMs are mostly energy-constrained, the problem of how to ensure the secure communication with minimum energy cost becomes a critical issue for the functionality of the whole smart grid. In this article, we focus on the low power secure communication of the PMUs and SMs. We take two wireless sensor platforms as examples to experimentally investigate the approaches and principles of reconciling the two conflicting system requirements-communication security and low energy consumptions. The proposed methods are general ones and applicable to other energy-constrained yet security sensitive systems.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,018
Tête enseignante GPT0,248
Écart entre enseignants0,231 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations108
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Communications MagazineMême sujetSmart Grid Security and ResilienceTravaux en français237 207