Penta, een Eureka-cluster rond elektronische componenten en systemen, heeft dit jaar de Innovation Award toegekend aan het R&D-project SunRISE (Shared IoT Security) en benadrukt zo het belang van machinelearning-technologieën die de beveiliging en de privacy vrijwaren. Het Belgische consortium van projectpartners Engie Laborelec, NXP en Sirris spitsten zich toe op een gefedereerde oplossing mét behoud van privacy voor het detecteren van slecht werkende huishoudapparaten op basis van gegevens van slimme meters.
Systemen kunnen in tal van domeinen gebaat zijn bij machinelearning (ML). Echter, machineleren werkt alleen goed als zinvolle en kwalitatieve data worden gebruikt. Jammer genoeg zijn de data die van belang zijn in veel scenario's privacygevoelig, aangezien ze beetrekking hebben op situaties, gewoonten of voorkeuren van de gebruikers. Doel van het R&D-project SunRISE was het ontwikkelen van ML-oplossingen onder omstandigheden die de privacy beschermen en het weerbaar maken van cyberfysische systemen tegen cyberaanvallen.
Use case rond energieverbruik en -productie
Het Belgische consortium spitste zich toe op de use case van de energiegemeenschappen. In deze context kunnen slimme meters bijna-realtime informatie verstrekken over energieverbruik en -productie bij particuliere huishoudens én in industriële of openbare omgevingen. Deze informatie kan een vermindering van de vraag naar elektriciteit opleveren, aangezien men energieverspilling kan opsporen en voorkomen. Daarnaast maakt ze ook een betere afstemming van de hernieuwbare energiebronnen mogelijk.
Tegelijk kan de verwerking van zeer gedetailleerde verbruiksgegevens leiden tot kritieke privacyrisico's, omdat de socio-economische situatie van de particuliere huishoudens met grote nauwkeurigheid kan worden afgeleid. Om dit risico te voorkomen of te beperken is het wenselijk dat de gegevensverwerking rechtstreeks bij de slimme meter plaatsvindt, wat de hoeveelheid privacygevoelige gegevens die wordt doorgegeven, beperkt. Omdat de informatie van meerdere huishoudens waardevol is om inzicht te krijgen in de wereldwijde energievraag, moeten hun gegevens bovendien gedistribueerd worden verwerkt.
Federated learning-aanpak
Om deze uitdaging aan te gaan, onderzocht Sirris een federated learning-aanpak die slecht werkende huishoudapparaten kan identificeren mét bescherming van de privacy. Hiertoe verstrekte Engie Laborelec concrete praktijkgegevens afkomstig van zijn Home Lab. In onze aanpak worden verbruiksgegevens niet gedeeld met een centraal apparaat, zoals een clouddienst, maar wordt een lichter deep learning-model getraind aan de rand, bij de slimme meter. Vervolgens wordt een gecentraliseerd model op een gefedereerde manier over verschillende huishoudens getraind door alleen de wegingen van het model te delen. Bovendien laat een signaalontledingstechniek het toe verschillende soorten storingen in huishoudapparaten te identificeren, bijvoorbeeld een slecht werkende verwarming of een constant verlies. De resultaten in figuur 1 geven aan hoe voor de dagen met gesimuleerde storingen van apparaten (oranje stippen) de reconstructiefout in de twee ontlede componenten (hoog, laag) voor de verschillende scenario's aanzienlijk toeneemt. Aangezien de wegingen van het model nog steeds privé-informatie kunnen lekken, ontwikkelde NXP een privacyvriendelijk aggregatiealgoritme om de privacygevoelige informatie privé te houden. Deze resultaten worden beschreven in het artikel Unsupervised, Federated and Privacy-Preserving Detection of Anomalous Electricity Consumption in Real-World Scenarios, dat op de IEEE Sustainable Power and Energy Conference (iSPEC) op 6 december 2022 werd voorgesteld.
"De samenwerking met Engie Laborelec en Sirris in het SunRISE-project bracht alle nodige competenties samen om tot dit indrukwekkende resultaat te komen en ervoor te zorgen dat privacygevoelige IoT-gegevens te allen tijde beschermd blijven", aldus Joppe Bos, Senior Principal Cryptographer bij NXP.
"Ik wil Sirris en NXP bedanken voor hun werk en inzet in dit samenwerkingsproject. Deze gezamenlijke inspanning heeft het mogelijk gemaakt veilige technologieën voor Engie en de energiewereld van morgen te ontwikkelen", aldus Charles Faes, Project Engineer Cybersecurity bij ENGIE Laborelec.
Het SunRISE project rond gedeelde IoT-beveiliging in het kader van Penta wordt gefinancierd door VLAIO.
