Le simulazioni delle prestazioni degli edifici possono informare sulle fughe di privacy dell’IoT negli edifici

Jul 19, 2023

Rapporti scientifici volume 13, numero articolo: 7602 (2023) Citare questo articolo

567 accessi

83 Altmetrico

Dettagli sulle metriche

Man mano che i dispositivi IoT diventano più economici, più piccoli e distribuiti in modo più capillare, possono rivelare più informazioni rispetto a quanto previsto e minacciare la privacy degli utenti. I sensori IEQ (Indoor Environmental Quality) precedentemente installati per il risparmio energetico e il monitoraggio della salute interna sono emersi come una strada per dedurre informazioni sensibili sugli occupanti. Ad esempio, i sensori di luce sono un canale noto per controllare lo stato di occupazione della stanza con luci sensibili al movimento. I segnali luminosi possono anche dedurre dati sensibili come l'identità degli occupanti e le informazioni sullo schermo digitale. Per limitare il superamento dei sensori, esploriamo la selezione del posizionamento dei sensori come metodologia. Nello specifico, in questa esplorazione di prova di concetto, dimostriamo il potenziale dei modelli di simulazione basati sulla fisica per quantificare il numero minimo di posizioni necessarie per acquisire inferenze sensibili. Mostriamo come un singolo sensore ben posizionato possa essere sufficiente in specifici contesti edilizi per catturare olisticamente i suoi stati ambientali e come ulteriori sensori ben posizionati possano contribuire a inferenze più granulari. Contribuiamo con un flusso di lavoro indipendente dal dispositivo e adattivo all'edificio per catturare rispettosamente l'attività deducibile degli occupanti ed elaborare le implicazioni dell'incorporazione delle simulazioni di edifici negli schemi di rilevamento nel mondo reale.

A causa della maggiore consapevolezza delle misure di riduzione energetica negli edifici negli ultimi due decenni, sono stati introdotti numerosi progressi tecnologici per monitorare i cambiamenti delle condizioni interne. Sensori e attuatori sono diventati sempre più integrati negli edifici per ridurre il consumo energetico complessivo e migliorare al tempo stesso il comfort degli occupanti1,2. Ad esempio, i sistemi di automazione degli edifici possono ridurre il consumo energetico di un edificio attenuando l'illuminazione artificiale quando nell'edificio viene rilevata una quantità di luce diurna sufficiente3. L'edificio può anche utilizzare sensori di presenza e di qualità dell'aria per ridurre la domanda di energia da parte delle unità di riscaldamento, ventilazione e condizionamento dell'aria (HVAC) in previsione della presenza o del comfort degli occupanti4. Il numero di sensori installati negli edifici non potrà che aumentare con l’aumento dei prezzi dell’energia e con i noti vantaggi degli ambienti intelligenti5. Tuttavia, esistono ancora numerose sfide nell’utilizzo dei dati raccolti dai sensori per migliorare l’utilità degli occupanti.

Innanzitutto, e fondamentalmente, i sensori hanno frequenze di raccolta dati diverse, quindi i ricercatori non possono semplicemente acquistare un sensore ambientale e installarlo per catturare tutta l’attività che avviene all’interno. La frequenza della raccolta dei dati limita i tipi di comportamenti degli occupanti che possono essere dedotti. Ad esempio, il teorema del campionamento di Nyquist-Shannon dimostra che è necessario campionare a più del doppio della componente di frequenza più alta del segnale per invertirla correttamente6. Le differenze di scala temporale significano che i ricercatori non possono utilizzare una fotocamera con un’immagine ogni 30 secondi per catturare il comportamento dei soggetti che si verifica ogni 15 secondi senza perdere dati. L'aumento della frequenza, d'altro canto, può causare altri effetti indesiderati, come l'aliasing del segnale. Un ricercatore (progettista o gestore della struttura) deve ancora decidere le specifiche del sensore installato, come frequenza, modalità e variabile osservata; l'atto stesso di acquistare l'hardware limita per sempre il comportamento osservabile a valle.

In secondo luogo, il posizionamento dei sensori ha un grande effetto sull'utilità a valle dei dati raccolti dal sensore, ma il posizionamento viene spesso trascurato o inizia in modo casuale e poi viene migliorato in modo iterativo7. I sensori distribuiti in posizioni errate possono provocare letture errate8,9, ma può sembrare più conveniente installare i sensori e iniziare a raccogliere dati il ​​prima possibile. Inoltre, i sensori precedentemente installati per la valutazione di un edificio possono diventare insufficienti o indesiderabili per nuovi usi dello spazio. Ad esempio, alcuni residenti possono trasferirsi, rendendo superflui i precedenti sensori in luoghi non più occupati. Allo stesso modo, altri residenti possono trasferirsi, rendendo la copertura precedente inadeguata per il nuovo utilizzo dello spazio. L'ottimizzazione della posizione e del numero di sensori può comportare un minore consumo energetico e letture migliori, ma è difficile incorporare e mantenere manualmente le considerazioni sui cambiamenti dei contesti e degli obiettivi di rilevamento per un numero crescente di sensori.