كاشف روسي جديد يرصد حالات سحب الكهرباء المستترة بدقة تصل إلى 91%
© Fotolia / Daniilantiq2010
تابعنا عبر
طور باحثون في جامعة سانت بطرسبرغ الحكومية نظاماً للكشف عن نوع معين من الاحتيال في عدادات الكهرباء داخل المدن الذكية، محققين دقة تتجاوز 91% في الاختبارات. ترصد هذه الطريقة الحالات التي يتم فيها خفض معدلات الاستهلاك المُسجَّلة بشكل مصطنع، بينما يظل النمط اليومي المعتاد لاستخدام الكهرباء دون تغيير يُذكر.
والأهم من ذلك، أن النظام مصمم للتمييز بين السلوك المشبوه والتغيرات المشروعة الناجمة عن استخدام المركبات الكهربائية، أو المضخات الحرارية، أو الأنظمة الشمسية، أو غياب السكان عن منازلهم.
لماذا لا تزال العدادات الذكية قابلة للخداع؟
تجمع العدادات الذكية بيانات استهلاك الكهرباء تلقائياً وتتيح لشركات المرافق مراقبة الطلب عن بُعد. ومع ذلك، فإن اكتشاف الاحتيال بناءً على هذه البيانات يمثل تحدياً، لأن الانخفاض المفاجئ في الاستهلاك لا يعني بالضرورة حدوث سرقة للكهرباء.
فقد يكون المنزل خالياً لعدة أيام، أو قد تتغير مواعيد شحن المركبة الكهربائية، أو قد تؤدي معدات مثل المضخات الحرارية وأنظمة الطاقة الكهروضوئية إلى تغيير نمط الحمل المعتاد. ويمكن لهذه التغيرات الطبيعية أن تطلق إنذارات كاذبة في الأنظمة التي تعتمد فقط على رصد مستويات الاستهلاك غير المعتادة.
لذا، ركز الباحثون في مركز الذكاء الاصطناعي وعلوم البيانات بجامعة سانت بطرسبرغ الحكومية (SPbU) على شكل أكثر تحديداً من أشكال التلاعب، يُعرف باسم "التسجيل المنخفض القائم على المعامل المضاعِف" (multiplicative under-registration). في هذا النوع من الاحتيال، يُسجِّل العداد معدلات استهلاك أقل بشكل منهجي، ولكن الشكل العام لمنحنى استهلاك الطاقة اليومي للمنزل وبنيته الطيفية يظلان كما هما.
رصد النمط، وليس مجرد الانخفاض
طور فريق جامعة سانت بطرسبرغ الحكومية كاشفاً يعتمد على مبادئ فيزيائية ويستخدم تقنية الانحدار المرجَّح (weighted regression) لأنماط الاستهلاك اليومي.
وبدلاً من اعتبار أي انخفاض في استخدام الكهرباء أمراً مشبوهاً، يقوم النظام بمقارنة بنية أنماط الاستهلاك وتطبيق مرشحات (فلاتر) لضبط الجودة، وذلك لمراعاة الأسباب المشروعة التي قد تؤدي إلى تغير البيانات.
ووفقاً للباحثين، يتيح هذا للكاشف التمييز بشكل أكثر موثوقية بين حالات الاحتيال المتمثلة في تسجيل استهلاك أقل من الواقع، وبين التغيرات العادية في استهلاك الطاقة داخل المدن الذكية، وقد جرت تجربة هذه الطريقة باستخدام أربع مجموعات بيانات مفتوحة للعدادات الذكية، تتضمن سجلات استهلاك الكهرباء لأكثر من 1000 منزل، وقدتجاوزت دقة الرصد 91%.
صفر إنذارات كاذبة في عدة اختبارات واقعية
شمل أحد الاختبارات المهمة للغاية حالاتٍ عادةً ما تُربك أنظمة كشف الاحتيال، وقد قارن الباحثون البيانات المستمدة من قاعدة بيانات مفتوحة بمعلومات واقعية تتعلق بالمركبات الكهربائية، وأنظمة الطاقة الكهروضوئية، والمضخات الحرارية.
وصرّح سيرجي نيكولينكو، الأستاذ والخبير في مركز الذكاء الاصطناعي وعلوم البيانات بجامعة سانت بطرسبرغ الحكومية (SPbU)، قائلاً: "لقد أسفرت عملية التحقق المتقاطع عن صفر نتائج إيجابية كاذبة في جميع الحالات".
وأضاف أن نظام الكشف يجمع بين عدة خصائص مفيدة: فهو قادر على التمييز بين التشوهات (أو الانحرافات) المشروعة وتلك المشبوهة، كما يمكنه العمل دون الحاجة إلى بيانات تدريب مُصنَّفة مسبقاً، فضلاً عن قدرته على نقل المعلومات بين مجموعات البيانات المختلفة.
وتكتسب هذه النقطة الأخيرة أهمية خاصة؛ نظراً لأن شركات المرافق قد لا تمتلك دائماً مجموعات كبيرة من الأمثلة المؤكدة لحالات سحب الكهرباء اللازمة لتدريب أنظمة التعلم الآلي التقليدية.
