MétaCan
Menu
Retour à la cohorte
Enregistrement W2481238348 · doi:10.1007/978-3-8348-8652-1_14

Smart Grid Privacy by Design: Ontario’s Advanced Distribution System

2011· book-chapter· en· W2481238348 sur OpenAlexaffabout
Ann Cavoukian, Michelle Chibba

Notice bibliographique

Revuenon disponible
Typebook-chapter
Langueen
DomaineEngineering
ThématiqueSmart Grid Security and Resilience
Établissements canadiensPrivacy Analytics (Canada)
Organismes subventionnairesnon disponible
Mots-clésSmart gridComputer securityGridComputer scienceVendorPrivacy by DesignService (business)ArchitectureInformation privacyTelecommunicationsEngineeringBusinessMarketingGeographyElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Building on our earlier Smart Grid privacy work [Cavo10] this paper demonstrates how Best Practices for Smart Grid Privacy by Design can be operationalized into Smart Grid systems. In Ontario, Canada, Hydro One is the largest electricity transmission and distribution company and already has an advanced metering infrastructure in place along with over 1 million smart meters deployed across its rural and suburban service area. The next logical step for Hydro One in implementing its long-term Smart Grid vision is to focus on their Advanced Distribution System (ADS). This paper outlines our collaborative effort with Hydro One and its Smart Grid vendor partners to proactively make privacy an essential design feature that figures prominently in the very architecture of the solutions being contemplated. Having a gold standard for privacy against which business requirements and processes can be mapped during development and implementation leads to choices in architecture and design that significantly reduce privacy risks, such as the unauthorized dissemination of personally identifiable information. The result is that consumer expectations of privacy and an improved electrical grid can indeed be achieved in unison, in a positive-sum manner.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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: aucune
Score de désaccord entre enseignants0,377
Score d'incertitude au seuil0,758

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0030,002
Communication savante0,0030,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0120,002

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 Opus0,014
Tête enseignante GPT0,178
Écart entre enseignants0,163 · 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

Citations0
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetSmart Grid Security and ResilienceTravaux en français237 207