본문 바로가기
KERD
논문KCI 등재

회귀 분석을 이용한 Intel SGX 상의 안전한 전력 수요 예측

Secure power demand forecasting using regression analysis on Intel SGX

이문규|임종혁|윤예진
한국차세대컴퓨팅학회 (KINGComputing)|2017.08|한국차세대컴퓨팅학회 논문지 (The Journal of Korean Institute of Next Generation Computing)|제13권 제4호|pp. 7-18

0

조회

0

다운로드

2

인용

0

참고문헌

키워드

인텔 SGX안전한 실행 환경전력 수요 예측Intel SGXTrusted Execution EnvironmentsPower demand forecasting
주제분류컴퓨터학

초록

현대사회에서 가장 중요한 에너지원 중 하나인 전력 에너지는 적절한 수요 공급 조절이 매우 중요하다. 하지만 수요예측을 위해 필요한 전력데이터는 전력 사용자의 행위에 대한 정보가 포함 될 수 있어, 이를 분석할 경우 프라이버시 침해 문제로 이어질 수 있다. 이에 본 논문에서는 사용자의 전력 사용 정보에 회귀 분석을 적용하여 사용자의 향후 전력 사용량을 예측하되, Intel SGX가 제공하는 안전한 실행 환경 상에서 이를 수행함으로써 사용자의 전력 사용 정보를 안전하게 보호하는 방법을 제안한다. 다양한 차수의 회귀 관계식에 대한 실험을 수행하여 오차를 최소로하는 회귀 관계식을 선정하였으며, 제안하는 방법을 이용하면 프라이버시 보호 기능을 제공하는 기존의 전력 수요예측 방법보다 낮은 평균오차율을 보임을 확인하였다.

Abstract

Electrical energy is one of the most important energy sources in modern society. Therefore, it is very important to control the supply and demand of electric power. However, the power consumption data needed to predict power demand may include the information about the private behavior of an individual, the analysis of which may raise privacy issues. In this paper, we propose a secure power demand forecasting method where regression analyses on power consumption data are conducted in a trusted execution environment provided by Intel SGX, keeping the power usage pattern of users private. We performed experiments using various regression equations and selected an equation which has the least error rate. We show that the average error rate of the proposed method is lower than those of the previous forecasting methods with privacy protection functionality.

참고문헌 (28)

  1. 윤예진, "선형 회귀 분석을 이용한Intel SGX 상의 전력 수요 예측", 한국차세대컴퓨팅학회 하계학술대회, pp.93~95 (2017)
  2. 김진이, "9. 15 순환정전이 주는 교훈과 개선방안", 대한전기학회 전력기술부분회 추계학술대회 논문집, pp.8~10 (2011)
  3. A. R. Fadhilah, "Malaysian daytype load forecasting", 3rd International Conference on Energy and Environment, pp.409~411 (2009)
  4. H. T. Yang, "Genetic k-means algorithm based classification of direct load-control curves", IEEE Proc. Generation, Transmission and Distribution, 152(4), pp.489~495 (2005)
  5. M. S. Abou-Hussien, "An Accurate Model for Short-Term Load Forecasting", IEEE Trans. Power App. Syst., PAS-100(9), pp.4158~4165 (1981)
  6. M. A. Abu-El-Magd, "Two New Algorithms for On-Line Modelling and Forecasting of the Load Demand of a Multinode Power System", IEEE Trans. Power App. Syst., PAS-100(7), pp.3246~3252 (1981)
  7. H. Chen, "A Study of AutoRegressive Conditional Heteroscedasticity Model in Load Forecasting", 2006 International Conference on Power System Technology, pp.1~8 (2006)
  8. K. P. Rajurkar, "Datadependent systems approach to short-term load forecasting", IEEE Transactions on Systems, Man and Cybernetics, SMC-15(4), pp.532~536 (1985)
  9. L. Hern´andez, "Classification and Clustering of Electricity Demand Patterns in Industrial Parks", Energies, 5(12), pp.5215~5228 (2012)
  10. S. Sargunaraj, "Short-term load forecasting for demand side management", IEEE Proceedings-Generation, Transmission and Distribution, 144(1), pp.68~74 (1997)
  11. J. Llanos, "Load profile generator and load forecasting for a renewable based microgrid using Self Organizing Maps and neural networks", The 2012 International Joint Conference on Neural Networks, pp.1~8 (2012)
  12. C. E. Borges, "Optimal combined shortterm building load forecasting", IEEE PES Innovative Smart Grid Technologies Asia, pp.1~7 (2011)
  13. V. A. Kamaev, "Using Connectionist Systems for Electric Energy Consumption Forecasting in Shopping Centers", Automation and Remote Control, 73(6), pp.1075~1084 (2012)
  14. J. W. Bos, "Privacy-friendly Forecasting for the Smart Grid using Homomorphic Encryption and the Group Method of Data Handling", AFRICACRYPT, pp.84~201 (2017)
  15. "연두 업무보고 후속조치로 전력분야 10大 프로젝트 추진" (2016), 산업통상자원부[URL]
  16. A. Zoha, "Non-Intrusive Load Monitoring Approaches for Disaggregated Energy Sensing : A Survey", Sensors, pp.16838~16866 (2012)
  17. "Intel SGX"[URL]
  18. V. Costan, "Intel SGX Explained", ePrint, 86, ~ (2016)
  19. "Overview of Intel® Software Guard Extensions Instructions and Data Structures"[URL]
  20. "Overview of an Intel Software Guard Extensions Enclave Life Cycle"[URL]
  21. O. Ohrimenko, "Oblivious multi-party machine learning on trusted processors", USENIX Security, 619~636 (2016)
  22. P. Jain, "OpenSGX: An Open Platform for Intel SGX Research" (2016), NDSS
  23. L. Hernandez, "A survey on electric power demand forecasting : future trends in smart grids, microgrids and smart buildings", IEEE Communications Surveys & Tutorials, 16(3), pp.1460~1495 (2014)
  24. "Intel SGX Developer Reference"[URL]
  25. G. Seber, "Linear Regression Analysis" (2003), John Wiley & Sons
  26. "iSmart"[URL]
  27. "기상자료개방포털"[URL]
  28. V. Vapnik, "Statistical learning theory" (1998), Wiley

관련 논문AI추천

교호작용을 고려한 회귀분석 기반의 일별 최대전력 수요예측이근철경영경제연구소 · 경영경제연구2020 · 제42권 제2호동형 암호를 이용한 스마트그리드에서의 효율적 프라이버시 보존 전력량 집계 방법구동영한국정보보호학회 · 정보보호학회논문지2019 · 제29권 제3호하절기 일일 전력수요 총량 예측을 위한 회귀모형 개발백종관, 한정희한국상품학회 · 상품학연구2011 · 제29권 제5호시간대별 기온과 전력 사용량의 민감도를 적용한 전력 에너지 수요 예측김진호, 이창용한국산업경영시스템학회 · 한국산업경영시스템학회지2019 · 제42권 제1호인공 신경망 기반의 고시간 해상도를 갖는 전력수요 예측기법문지훈, 박진웅, 황인준한국정보처리학회 · 정보처리학회 논문지2017 · 제6권 제11호효과적인 결측치 보완을 통한 다층 퍼셉트론 기반의전력수요 예측 기법문지훈, 박성우, 황인준한국정보처리학회 · 정보처리학회 논문지2019 · 제8권 제2호

이 간행물의 다른 논문 (10건)

포인트기반 볼륨데이터를 이용한 대화식 4차원렌더링 기술김재하pp. 19-28점진적 기계학습 기반의 레이더 위협체 역추정 모델 생성 및 갱신노상욱, 김철표pp. 29-39차세대 모바일 메모리 기술의 정량적 비교 및 분석윤창호, 문병인, 공준호pp. 40-51영화예고편에 나타난 화면구도 및 다양한 시각적 특성 연구이미영pp. 52-583차원 시간차 심장 CTA 영상에서 고속의 정확한 심혈관 강체 정합 기법강승우, 구교영, 박태용, 이정진pp. 59-67
원문 보기