MétaCan
Menu
Retour à la cohorte
Enregistrement W4390597144 · doi:10.5383/juspn.17.02.004

Design and Specification of a Privacy-Preserving Registration for Blockchain-Based Energy Markets

2022· article· en· W4390597144 sur OpenAlexvenueno aff
Michell Boerger, Philipp Lämmel, Nikolay Tcholtchev, Manfred Hauswirth

Notice bibliographique

RevueJournal of Ubiquitous Systems and Pervasive Networks · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueBlockchain Technology Applications and Security
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBlockchainComputer securityComputer scienceContext (archaeology)TraceabilityScalabilitySmart gridFlexibility (engineering)Smart contractCryptographyDatabase

Résumé

récupéré en direct d'OpenAlex

The challenges of climate change and the related demand to integrate non-plannable and weather-dependent renewable energy resources pose enormous challenges for the entire energy domain, e.g. in the context of grid control. These challenges reveal the need for new technical solutions and new business models while they indicate the required and inevitable transition to smart grids. Many blockchain-based solutions are being discussed in this context, ranging from peer-to-peer energy trading to grid-serving applications. However, especially in connection with public blockchains, clear security privacy challenges arise since the security and privacy of private data must be guaranteed while traceability must be avoided. Therefore, in this paper, we will specify privacy-protecting registration processes for blockchain-based flexibility markets that enable pseudonymous access to the latter. Furthermore, in collaboration with a governmental regulating institution named DGA, we will show that using an existing X.509-based PKI and RSA-based cryptographic processes, the integrity of all market participants can be guaranteed. This integrity is essential for the security-critical use of operating reserve. In addition, we will evaluate the specified processes in terms of efficiency, scalability, security, and privacy protection.

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)0,002
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,916
Score d'incertitude au seuil0,388

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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 ouverte0,0010,000
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 Opus0,019
Tête enseignante GPT0,229
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'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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Ubiquitous Systems and Pervasive NetworksMême sujetBlockchain Technology Applications and SecurityTravaux en français237 207