MétaCan
Menu
Retour à la cohorte
Enregistrement W2765680369 · doi:10.1109/tsg.2017.2763954

Cloud-Centric Collaborative Security Service Placement for Advanced Metering Infrastructures

2017· article· en· W2765680369 sur OpenAlexaff
Md. Mahmud Hasan, Hussein T. Mouftah

Notice bibliographique

RevueIEEE Transactions on Smart Grid · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueSmart Grid Security and Resilience
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésCloud computingComputer scienceComputer securitySmart gridCloud computing securityMetering modeExploitKey (lock)Security serviceService (business)Computer networkDistributed computingInformation securityEngineering

Résumé

récupéré en direct d'OpenAlex

The extensive integration of smart meters to utility communication networks introduces numerous cyber security concerns. Such meters are the primary access points to a smart grid advanced metering infrastructure (AMI). They are physically unprotected devices that are geographically distributed in low-trust environments. Nonetheless, they are expected to transceive vital information regarding consumption, billing, and load management. The security of such information is an important requirement for operational continuity of a power system. Costs, system complexity, and response time are major considerations in designing security solutions for such cases. It is anticipated that future grids will be powered by the advancement of cloud computing. The security-as-a-service is a model that exploits the potential of cloud computing to provide cyber security solutions. Its key offerings include cost reduction, simplicity, and faster response. This paper proposes a cloud-centric collaborative security service architecture for the monitoring of upstream AMI traffic. It also includes a collaboration-aware service placement scheme for the proposed architecture. The placement scheme develops a quadratic assignment problem that minimizes latency. Case studies demonstrate the enhanced performance of the proposed scheme under various scenarios.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,828
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,010
Tête enseignante GPT0,246
Écart entre enseignants0,236 · 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 tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
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

Citations32
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Smart GridMême sujetSmart Grid Security and ResilienceTravaux en français237 207