MétaCan
Menu
Retour à la cohorte
Enregistrement W2906490513 · doi:10.1002/9781119360124.ch20

Protecting the Privacy of Electricity Consumers in the Smart City

2018· other· en· W2906490513 sur OpenAlexaff
Binod Vaidya, Hussein T. Mouftah

Notice bibliographique

Revuenon disponible
Typeother
Langueen
DomaineEngineering
ThématiqueSmart Grid Security and Resilience
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésSmart gridComputer securityElectricityComputer scienceInternet privacyInformation privacySmart cityPrivacy by DesignPrivacy softwareConsumer privacyBusinessInternet of ThingsEngineering

Résumé

récupéré en direct d'OpenAlex

The smart grid, being an intelligent energy infrastructure, has linkage to various elements of city operations and is considered as one of the essential features in a smart city. The smart grid introduces substantial benefits and opportunities to the smart city, but it also raises several challenges related to privacy. Definitely, security and privacy are considered as the crucial components for a secure smart grid, including vehicle-to-grid networks. However, ensuring privacy is more complicated than ensuring security. The privacy risks and challenges introduced by the smart grid have to be addressed. The objective of this chapter is to provide insights of privacy protection of electricity consumers in the smart city. This chapter underlines privacy concerns in the smart grid as well as emphasizes aspects of privacy principles including privacy by design (PbD). It also stipulates a basis for better understanding of the current state-of-the-art privacy engineering as well as privacy impact assessment and privacy-enhancing technologies.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,897
Score d'incertitude au seuil0,696

Scores Codex et Gemma par catégorie

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

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 Opus0,012
Tête enseignante GPT0,223
Écart entre enseignants0,210 · 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.

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

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

En bref

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSmart Grid Security and ResilienceTravaux en français237 207