Privacy-preserving anomaly detection for smart energy management
Akıllı enerji yönetimi için gizlilik korumalı anomali tespiti
- Tez No: 1012826
- Danışmanlar: DOÇ. DR. PELİN ANGIN ÜLKÜER
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Modern enerji şebekelerinde akıllı sayaçların yaygınlaşması, yüksek frekanslı analizler için önemli olanaklar sunarken mahremiyet ve güvenlik açısından riskler de doğurmaktadır. Gelişmiş ölçüm teknikleri, yüksek zaman çözünürlüklü enerji profillerinin hassas hane içi etkinlikleri açığa çıkarabilmesine yol açar; bu durum hem ileri düzey yük izlemesini mümkün kılar hem de olası kötüye kullanımlara zemin hazırlar. Burada, yeni enerji yönetim sistemleri için mahremiyet korumalı ve dayanıklı yük izleme ile anomali tespitini bütünleştiren bir yaklaşım sunmaktadır. Bu çalışma, yüksek çözünürlüklü güç analizlerinin siber-fiziksel ortamlarda kullanıcı mahremiyetini ne ölçüde ortaya koyduğunu ve biçimsel garantilerin operasyonel değeri yok etmeden uygulanıp uygulanamayacağını incelemektedir. Bu amaçla iki değerlendirme ölçütü kullanılmıştır: cihaz düzeyinde yük ayrıştırma ve abone düzeyinde anomali tespiti. Her ikisi de doğruluğu artırmakla birlikte, sızıntı kanalları da oluşturabildiklerinden, harmonik tabanlı özelliklerle uygulanmıştır. Modeller, gerçek zamanlı gereksinimlere uygun olacak şekilde hafif ve yorumlanabilir olarak tasarlanmıştır; rolleri doğrudan katkı sunmaktan çok, mahremiyet–fayda dengesini ölçmeye hizmet etmektir. Akıllı sayaç verilerinde mahremiyet–fayda dengesini ele almak amacıyla anahtar-bağımlı yeni bir diferansiyel mahremiyet protokolü önerilmektedir. Bu protokol, kriptografik başlangıç değerleri ile üretilen deterministik gürültüyü güvenli açık anahtarlı şifreleme ile birleştirerek yalnızca yetkili kullanıcıların veriye erişebilmesini, aradaki aracılar için ise yalnızca gürültülü şifreli metinlerin görünür olmasını sağlar. Salt istatistiksel yaklaşımlardan farklı olarak, bu tasarım mahremiyet korumasını doğrudan kriptografik anahtar kontrolüne bağlamakta, böylece mahremiyet bütçelerinin dağıtık sistemler genelinde uygulanabilir olmasını ve çeşitli saldırılara karşı dirençli kılınmasını sağlamaktadır. Böylece önerilen yöntem, mevcut standartlardaki boşlukları kapatmakta; zira bu standartlar çoğunlukla anomali tespitini prensip olarak öngörmekte, ancak harmonik açıdan zengin güç analitiği için somut ve mahremiyet odaklı yöntemler sunmamaktadır.
Özet (Çeviri)
The widespread deployment of smart meters in modern energy grids introduces not only unprecedented opportunities for high-frequency analytics, but also acute privacy and security risks. With advanced metering infrastructure now capable of recording sub-second data, fine-grained energy profiles can reveal sensitive household activities, enabling both advanced load monitoring and potential misuse. This thesis proposes an integrated framework that advances resilient and privacy-preserving load monitoring and anomaly detection for next-generation smart energy management systems, targeting both operational efficiency and strong consumer data protection. State-of-the-art deep learning architectures—including WaveNet, transformer models, denoising autoencoders, and harmonic-based autoencoders—are systematically benchmarked on harmonics-rich proprietary and public datasets. The evaluation spans both device-level load disaggregation (NILM) and subscriber-level anomaly detection, emphasizing harmonics-rich features to capture subtle operational signatures. By incorporating architectures specifically adapted for non-intrusive load monitoring and fault detection, the framework supports early, interpretable detection while managing computational cost for real-time deployment. To resolve the inherent privacy–utility trade-off, a novel key-dependent differential privacy protocol is introduced. This combines deterministic, cryptographically seeded noise generation with secure public-key encryption, ensuring that only authorized consumers can recover high-fidelity data while intermediaries observe only noisy ciphertexts. Unlike purely statistical approaches, this design binds privacy protection to cryptographic key control, making privacy budgets enforceable across distributed systems and resistant to passive and active attacks. The resulting approach addresses gaps in existing standards, which often mandate anomaly detection in principle but lack concrete, privacy-conscious methods for harmonics-rich AMI analytics.
Benzer Tezler
- Federe öğrenme tabanlı nesnelerin yapay zekası ile gözetim videolarında akıllı kalabalık analizi için anomali tespiti ve tahmini
Anomaly detection and prediction for intelligent crowd analysis with artificial intelligence of things based on federated learning in surveillance
SELEN GÜRBÜZ
Doktora
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET KARAKÖSE
- Enhancing botnet detection using federated learning in iot networks
Iot ağlarinda federe öğrenme yöntemini kullanarak botnet tespitinin geliştirilmesi
NİLÜFER USLAN
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞERİF BAHTİYAR
- Privacy-Preserving Intrusion Detection over Network Data
̆Ag Verileri ̈Uzerinden Gizlilik Korumalı ̇Izinsiz Giris ̧ Algılama
LEYLI KARAÇAY
Doktora
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
PROF. DR. ERKAY SAVAŞ
- Anomaly detection using sparse features and spatio-temporal hidden Markov model for pedestrian zone video surveillance
Seyrek öznitelikler ve uzay-zamansal gizli Markov modelleri kullanılarak yaya bölgelerinde video gözetleme için aykırılık tespiti
AYŞE ELVAN GÜNDÜZ
Yüksek Lisans
İngilizce
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
YRD. DOÇ. DR. TUĞBA TAŞKAYA TEMİZEL
DOÇ. DR. ALPTEKİN TEMİZEL
- Preserving privacy with homomorphic encryption in 5G Network Data Analytics Function
5G Şebeke Veri Analitiği Fonksiyonu'nda homomorfik şifreleme ile mahremiyetin korunması
BERKER ACIR
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ERTAN ONUR