<?xml version="1.0" encoding="UTF-8"?>
<mods xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" version="3.1" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-1.xsd">
  <titleInfo>
    <title>Cybersecurity and privacy in AI - Forecasting demand on electricity grids</title>
  </titleInfo>
  <name type="corporate">
    <namePart>European Union Agency for Cybersecurity</namePart>
    <role>
      <roleTerm authority="marcrelator" type="text">creator</roleTerm>
    </role>
  </name>
  <typeOfResource>text</typeOfResource>
  <originInfo>
    <place>
      <placeTerm type="code" authority="marccountry">gr</placeTerm>
    </place>
    <place>
      <placeTerm type="text">Atenas</placeTerm>
    </place>
    <publisher>European Union Agency for Cybersecurity (ENISA)</publisher>
    <dateIssued>06/2023</dateIssued>
    <dateIssued encoding="marc">2023</dateIssued>
    <issuance>monographic</issuance>
  </originInfo>
  <language>
    <languageTerm authority="iso639-2b" type="code">eng</languageTerm>
  </language>
  <physicalDescription>
    <extent>54 p. ; 1 documento PDF</extent>
  </physicalDescription>
  <abstract>Este informe analiza los requisitos y medidas de ciberseguridad y privacidad en el uso de la inteligencia artificial (IA) para la previsión de la demanda en las redes eléctricas. El informe describe los principios fundamentales del escenario (activos, actores, procesos, etc.), identifica los riesgos de seguridad y privacidad que plantea y, por último, los controles de ciberseguridad y privacidad que contrarrestan los riesgos identificados.

Los objetivos de esta publicación se basan en proporcionar una descripción detallada de un escenario de previsión de la demanda en las redes eléctricas; identificar las medidas de ciberseguridad y privacidad de la IA teniendo en cuenta los requisitos, amenazas y vulnerabilidades definidos para este escenario y una guía práctica sobre cómo aplicarlas; y proporcionar recomendaciones sobre cómo equilibrar las compensaciones entre ciberseguridad privacidad y rendimiento en este escenario.</abstract>
  <targetAudience authority="marctarget">specialized</targetAudience>
  <note type="statement of responsibility">/ European Union Agency for Cybersecurity (ENISA)</note>
  <subject authority="lcsh">
    <topic>Ciberseguridad y confianza</topic>
  </subject>
  <subject authority="lcsh">
    <topic>Inteligencia Artificial</topic>
  </subject>
  <subject>
    <topic>privacidad</topic>
  </subject>
  <subject>
    <topic>IA</topic>
  </subject>
  <subject>
    <topic>redes eléctricas</topic>
  </subject>
  <identifier type="isbn">978-92-9204-620-0</identifier>
  <identifier type="isbn">DOI: 10.2824/92851</identifier>
  <identifier type="uri">https://www.enisa.europa.eu/publications/cybersecurity-and-privacy-in-ai-forecasting-demand-on-electricity-grids</identifier>
  <location>
    <url displayLabel="Acceso a la publicación">https://www.enisa.europa.eu/publications/cybersecurity-and-privacy-in-ai-forecasting-demand-on-electricity-grids</url>
  </location>
  <recordInfo>
    <recordContentSource authority="marcorg">ES-MaONT</recordContentSource>
    <recordCreationDate encoding="marc">230720</recordCreationDate>
    <recordChangeDate encoding="iso8601">20250327102721.0</recordChangeDate>
    <recordIdentifier source="ES-MaONT">00007532</recordIdentifier>
  </recordInfo>
</mods>
