Riepilogo Tecnico: Rilevamento delle Frodi nella Generazione con Preservazione della Privacy per Sistemi Fotovoltaici Distribuiti

1. Enunciato del Problema

La rapida espansione dei sistemi fotovoltaici (PV) residenziali distribuiti ha introdotto una nuova forma di frode elettrica: Frode nella Generazione PV (PVG-FD). A differenza del furto di elettricità tradizionale, che comporta la sottodichiarazione dei consumi, la PVG-FD coinvolge prosumer malintenzionati che sovrastimano la propria generazione per richiedere ricavi eccessivi alle società di servizi pubblici. Tale comportamento è particolarmente difficile da rilevare a causa dell'intermittenza intrinseca e dell'incertezza della generazione solare.

I metodi di rilevamento esistenti presentano tre limitazioni principali:

1. Divario nelle Modalità dei Dati: Gli approcci tradizionali spesso non riescono a modellare efficacemente le relazioni complesse, non lineari e dinamiche tra i dati di generazione PV e le condizioni meteorologiche (in particolare l'irraggiamento solare). Queste fonti di dati differiscono per significato fisico, granularità e caratteristiche di rumore.
2. Privacy e Scalabilità: I paradigmi di addestramento centralizzati richiedono l'aggregazione di dati sensibili dei contatori provenienti da più famiglie, creando rischi significativi per la privacy e colli di bottiglia nelle comunicazioni.
3. Squilibrio delle Classi: I casi fraudolenti sono rari rispetto alla generazione normale. In contesti distribuiti, dove i dati sono partizionati tra le comunità, la scarsità di campioni fraudolenti per comunità è esacerbata, ostacolando l'apprendimento di caratteristiche discriminative.

2. Metodologia

Il documento propone un Framework Distribuito per la PVG-FD con Preservazione della Privacy basato sull'Apprendimento Federato (FL). Il framework consente a una società di servizi pubblici di coordinare più comunità di famiglie senza accedere ai dati locali grezzi. La soluzione comprende due componenti principali:

A. Modello di Rilevamento a Livello Residenziale (Locale)

Ogni comunità addestra un modello di rilevamento locale progettato per fondere dati multivariati. L'architettura include:

• Pre-elaborazione dei Dati: Segmentazione a finestra scorrevole delle serie temporali di generazione PV e meteorologiche (Irraggiamento Diffuso Orizzontale [DHI], Irraggiamento Globale Orizzontale [GHI] e Irraggiamento Normale Diretto [DNI]).
• Estrazione delle Caratteristiche:
  • Generazione PV: Elaborata tramite una rete Long Short-Term Memory (LSTM) per catturare le dipendenze temporali nei dati di generazione univariata.
  • Dati di Irraggiamento: Elaborati tramite un'architettura CNN-LSTM. Una convoluzione 2D estrae le correlazioni spaziali tra le tre metriche di irraggiamento, seguita da livelli LSTM per la modellazione temporale.
• Meccanismo di Co-Attenzione: Un modulo di fusione innovativo che combina self-attention e cross-attention.
  • La self-attention affina le caratteristiche all'interno di ciascuna modalità.
  • La cross-attention abilita un'interazione bidirezionale, consentendo alle caratteristiche della generazione PV di focalizzarsi sulle caratteristiche dell'irraggiamento e viceversa. Questo cattura le incongruenze indicative di frode.
• Previsione: Un Perceptron a Strati Multipli (MLP) restituisce la probabilità di frode.

B. Framework di Apprendimento Federato (Globale)

Per affrontare la privacy e lo squilibrio delle classi, il framework impiega:

• Divisione del Modello: I modelli locali sono divisi in un Modello Base (livelli superficiali: LSTM, CNN-LSTM, Co-Attenzione) e un Modello Testa (livelli profondi: MLP). Solo i parametri del Modello Base vengono caricati sul server per l'aggregazione; il Modello Testa rimane locale per preservare i confini decisionali specifici del compito.
• Regolarizzazione Basata su Prototipi: Per mitigare lo squilibrio delle classi, il framework utilizza prototipi di classe (embedding rappresentativi per le classi normale e fraudolenta).
  • I prototipi locali sono calcolati dagli embedding del modello base.
  • I prototipi globali sono aggregati dal server.
  • Un termine di regolarizzazione viene aggiunto alla funzione di perdita locale per allineare i prototipi locali a quelli globali utilizzando la similarità coseno. Ciò migliora la rappresentazione delle classi minoritarie (frode) senza condividere dati grezzi.

3. Contributi Chiave

Gli autori identificano tre contributi specifici:

1. Framework FL con Preservazione della Privacy: Un metodo distribuito per la PVG-FD che consente l'addestramento collaborativo tra comunità preservando la privacy dei dati e affrontando esplicitamente lo squilibrio delle classi.
2. Modello di Fusione di Dati Multivariati: Un modello di rilevamento a livello residenziale che utilizza un meccanismo di co-attenzione per modellare congiuntamente la generazione PV e i dati di irraggiamento multivariati, catturando complesse dipendenze cross-modali.
3. Regolarizzazione Basata su Prototipi: Un meccanismo integrato nel framework FL per migliorare l'apprendimento delle rappresentazioni relative alle frodi e facilitare la condivisione di conoscenze tra comunità, mirando specificamente alla scarsità di campioni fraudolenti.

4. Risultati Sperimentali

Il metodo è stato valutato su un dataset reale (Solar Home Electricity Data di Ausgrid) che copre 300 case per tre anni, con frodi sintetiche iniettate per simulare tre tipi di attacco (inflazione uniforme, inflazione nella finestra di picco e spostamento temporale guidato dalla tariffa).

• Prestazioni del Modello Locale: Il modello proposto ha superato le linee di base dello stato dell'arte (LSTM, CNN-LSTM, Transformer, Reformer, DLinear) in tutte le metriche (Accuratezza, AUC, F1-score, MCC). Ha raggiunto un'accuratezza del 95,57% e un F1-score dell'84,17% nel framework FedAvg.
• Robustezza: Il modello ha dimostrato prestazioni superiori nei test incrociati stagionali e in condizioni di irraggiamento rumoroso (dove i dati meteorologici dettagliati sono stati sostituiti dalle medie della comunità).
• Efficacia del Framework FL: Rispetto a Local-only, FedAvg standard, BalanceFL e FedNH, il framework proposto ha raggiunto le prestazioni più elevate (96,90% di Accuratezza, 89,27% di F1-score).
• Scalabilità e Squilibrio: Il framework ha mantenuto prestazioni robuste all'aumentare del numero di comunità (riducendo la dimensione dei dati locali) e in condizioni di squilibrio estremo delle classi (tasso di frode dello 0,5%), raggiungendo il Precision@5/1000 più alto (65,51%) e il tasso di falsi positivi più basso.
• Efficienza Comunicativa: Il metodo proposto ha ridotto il sovraccarico di comunicazione per round rispetto a FedAvg e BalanceFL scambiando solo parametri base e prototipi, anziché i pesi completi del modello.

5. Significato e Affermazioni

Il documento afferma che il framework proposto affronta con successo le sfide critiche di privacy, divari nelle modalità dei dati e squilibrio delle classi nel rilevamento delle frodi PV distribuite.

• Privacy: Utilizzando FL e la divisione del modello, il framework consente alle società di servizi pubblici di sfruttare la conoscenza globale senza compromettere la privacy dei dati delle singole famiglie.
• Accuratezza: L'integrazione dei dati meteorologici tramite un meccanismo di co-attenzione migliora significativamente l'accuratezza del rilevamento rispetto ai metodi che si basano esclusivamente sui dati dei contatori o su fusioni semplici.
• Gestione dello Squilibrio: La strategia di allineamento dei prototipi mitiga efficacemente il degrado delle prestazioni tipicamente associato a eventi di frode rari in contesti distribuiti.

Gli autori concludono che, sebbene il metodo dimostri alta accuratezza e robustezza, i lavori futuri dovrebbero esplorare l'apprendimento semi-supervisionato/non supervisionato per ridurre la dipendenza dai dati di frode etichettati e sviluppare strategie di comunicazione adattive per ridurre ulteriormente il sovraccarico. Il design attuale si basa su un protocollo FL sincrono standard, che richiede una comunicazione completa in ogni round.