本發(fā)明屬于電力系統(tǒng)信息安全，具體涉及一種電力業(yè)務(wù)數(shù)據(jù)安全能力動態(tài)調(diào)度分析方法及系統(tǒng)。

背景技術(shù)：

1、電力業(yè)務(wù)數(shù)據(jù)是指與電力系統(tǒng)運行、管理和決策相關(guān)的各種數(shù)據(jù)信息，電力業(yè)務(wù)數(shù)據(jù)在運營管理、智能調(diào)度、故障診斷等方面具有重要作用，有助于提高電力系統(tǒng)的可靠性、效率和安全性，支持清潔能源的整合應(yīng)用和智能電力系統(tǒng)的建設(shè)。

2、隨著智能電網(wǎng)的快速發(fā)展，新型電力系統(tǒng)面臨著日益復(fù)雜的網(wǎng)絡(luò)環(huán)境和多樣化的安全威脅。傳統(tǒng)靜態(tài)的數(shù)據(jù)安全防護措施已難以滿足動態(tài)變化的安全需求。因此，開發(fā)一種能夠?qū)崟r識別網(wǎng)絡(luò)異常行為，并根據(jù)網(wǎng)絡(luò)狀態(tài)動態(tài)調(diào)整數(shù)據(jù)安全防護策略的方案顯得尤為重要。

技術(shù)實現(xiàn)思路

1、有鑒于此，本發(fā)明的目的在于提出一種電力業(yè)務(wù)數(shù)據(jù)安全能力動態(tài)調(diào)度分析方法及系統(tǒng)，以解決傳統(tǒng)靜態(tài)的數(shù)據(jù)安全防護措施，難以滿足動態(tài)變化的安全需求的問題。

2、基于上述目的，第一方面，本發(fā)明提供了一種電力業(yè)務(wù)數(shù)據(jù)安全能力動態(tài)調(diào)度分析方法，包括：

3、對電力系統(tǒng)業(yè)務(wù)數(shù)據(jù)中的網(wǎng)絡(luò)用戶流量異常數(shù)據(jù)和網(wǎng)絡(luò)安全參數(shù)進行采集，得到網(wǎng)絡(luò)用戶流量異常數(shù)據(jù)和網(wǎng)絡(luò)安全參數(shù)；

4、對得到的所述網(wǎng)絡(luò)用戶流量異常數(shù)據(jù)和所述網(wǎng)絡(luò)安全參數(shù)進行預(yù)處理，對預(yù)處理后的所述網(wǎng)絡(luò)用戶流量異常數(shù)據(jù)和所述網(wǎng)絡(luò)安全參數(shù)進行特征提取，得到提取的特征結(jié)果；

5、基于層次分析法對提取的所述特征結(jié)果進行權(quán)重分配，獲得指定特征的權(quán)重；

6、根據(jù)提取的所述特征結(jié)果和指定特征的權(quán)重，利用神經(jīng)網(wǎng)絡(luò)建立異常檢測模型；

7、將實時采集的所述網(wǎng)絡(luò)用戶流量異常數(shù)據(jù)和所述網(wǎng)絡(luò)安全參數(shù)輸入所述異常檢測模型進行動態(tài)監(jiān)控，識別電力系統(tǒng)潛在的網(wǎng)絡(luò)安全威脅，并動態(tài)調(diào)動安全資源。

8、作為電力業(yè)務(wù)數(shù)據(jù)安全能力動態(tài)調(diào)度分析方法優(yōu)選方案，所述網(wǎng)絡(luò)用戶流量異常數(shù)據(jù)包括用戶ip路徑異常數(shù)據(jù)、ip流量異常數(shù)據(jù)、高危端口掃描數(shù)據(jù)和業(yè)務(wù)訪問關(guān)系異常數(shù)據(jù)中的至少一種；

9、通過netflow流量數(shù)據(jù)采集獲取用戶ip路徑異常數(shù)據(jù)、ip流量異常數(shù)據(jù)、高危端口掃描數(shù)據(jù)和業(yè)務(wù)訪問關(guān)系異常數(shù)據(jù)。

10、作為電力業(yè)務(wù)數(shù)據(jù)安全能力動態(tài)調(diào)度分析方法優(yōu)選方案，所述網(wǎng)絡(luò)安全參數(shù)包括網(wǎng)路時延、時延變化、丟包率和數(shù)據(jù)網(wǎng)絡(luò)擁塞危險度中的至少一種；

11、通過網(wǎng)絡(luò)中部署的旁路探針獲取網(wǎng)路時延、時延變化和丟包率；

12、通過snmp協(xié)議獲取數(shù)據(jù)網(wǎng)絡(luò)擁塞危險度。

13、作為電力業(yè)務(wù)數(shù)據(jù)安全能力動態(tài)調(diào)度分析方法優(yōu)選方案，所述基于層次分析法對提取的所述特征結(jié)果進行權(quán)重分配，獲得指定特征的權(quán)重包括：

14、確定各指定特征的權(quán)重作為目標(biāo)層，將ip路徑異常數(shù)據(jù)、ip流量異常數(shù)據(jù)、高危端口掃描數(shù)據(jù)、業(yè)務(wù)訪問關(guān)系異常數(shù)據(jù)、網(wǎng)路時延、時延變化、丟包率和數(shù)據(jù)網(wǎng)絡(luò)擁塞危險度劃分為八個預(yù)設(shè)準(zhǔn)則，所述八個預(yù)設(shè)準(zhǔn)則構(gòu)成準(zhǔn)則層；

15、對所述準(zhǔn)則層中指定因素的重要性進行兩兩比較，根據(jù)比較結(jié)果采用1-9標(biāo)度法進行打分，獲得每個比較對的平均得分；

16、根據(jù)每個所述比較對的平均得分，構(gòu)建n*n比較矩陣，n為準(zhǔn)則層因素數(shù)量，對所述比較矩陣進行一致性校驗，通過算數(shù)平均法計算所述比較矩陣的特征向量，并進行歸一化處理，獲得所述準(zhǔn)則層指定因素的權(quán)重值作為指定特征的權(quán)重。

17、作為電力業(yè)務(wù)數(shù)據(jù)安全能力動態(tài)調(diào)度分析方法優(yōu)選方案，對所述比較矩陣進行一致性校驗的步驟包括：

18、計算一致性指標(biāo)c?i，一致性指標(biāo)c?i的計算公式為：

19、

20、式中，λmax為比較矩陣的最大特征根；

21、查找與準(zhǔn)則層因素數(shù)量n相對應(yīng)的隨機一致性指標(biāo)ri；

22、計算一致性比率cr，一致性比率cr的計算公式為：

23、

24、若一致性比率cr小于預(yù)設(shè)一致性比率閾值，判定比較矩陣滿足一致性要求。

25、作為電力業(yè)務(wù)數(shù)據(jù)安全能力動態(tài)調(diào)度分析方法優(yōu)選方案，n*n比較矩陣的表達式為：

26、

27、式中，a表示n*n比較矩陣。

28、作為電力業(yè)務(wù)數(shù)據(jù)安全能力動態(tài)調(diào)度分析方法優(yōu)選方案，利用神經(jīng)網(wǎng)絡(luò)建立異常檢測模型過程中，所述神經(jīng)網(wǎng)絡(luò)采用循環(huán)神經(jīng)網(wǎng)絡(luò)rnn，通過調(diào)整所述神經(jīng)網(wǎng)絡(luò)的權(quán)重和偏置參數(shù)，使所述異常檢測模型區(qū)分正常數(shù)據(jù)和異常數(shù)據(jù)，并采用交叉驗證法對所述異常檢測模型的性能進行評估。

29、作為電力業(yè)務(wù)數(shù)據(jù)安全能力動態(tài)調(diào)度分析方法優(yōu)選方案，識別電力系統(tǒng)潛在的網(wǎng)絡(luò)安全威脅過程中，根據(jù)所述異常檢測模型的輸出結(jié)果判斷當(dāng)前網(wǎng)絡(luò)狀態(tài)是否存在安全風(fēng)險；

30、當(dāng)識別到當(dāng)前網(wǎng)絡(luò)狀態(tài)存在安全風(fēng)險后，觸發(fā)警報機制；根據(jù)網(wǎng)絡(luò)安全威脅的嚴(yán)重程度和類型，動態(tài)調(diào)動安全資源以應(yīng)對威脅，動態(tài)調(diào)動安全資源包括增加防火墻規(guī)則、啟動入侵檢測系統(tǒng)、限制可疑用戶的訪問權(quán)限；并根據(jù)需要調(diào)整安全策略和資源分配方案。

31、第二方面，本發(fā)明提供一種電力業(yè)務(wù)數(shù)據(jù)安全能力動態(tài)調(diào)度分析系統(tǒng)，包括：

32、業(yè)務(wù)數(shù)據(jù)采集模塊，用于對電力系統(tǒng)業(yè)務(wù)數(shù)據(jù)中的網(wǎng)絡(luò)用戶流量異常數(shù)據(jù)和網(wǎng)絡(luò)安全參數(shù)進行采集，得到網(wǎng)絡(luò)用戶流量異常數(shù)據(jù)和網(wǎng)絡(luò)安全參數(shù)；

33、特征提取模塊，用于對得到的所述網(wǎng)絡(luò)用戶流量異常數(shù)據(jù)和所述網(wǎng)絡(luò)安全參數(shù)進行預(yù)處理，對預(yù)處理后的所述網(wǎng)絡(luò)用戶流量異常數(shù)據(jù)和所述網(wǎng)絡(luò)安全參數(shù)進行特征提取，得到提取的特征結(jié)果；

34、權(quán)重分配模塊，用于基于層次分析法對提取的所述特征結(jié)果進行權(quán)重分配，獲得指定特征的權(quán)重；

35、異常檢測模型構(gòu)建模塊，用于根據(jù)提取的所述特征結(jié)果和指定特征的權(quán)重，利用神經(jīng)網(wǎng)絡(luò)建立異常檢測模型；

36、動態(tài)調(diào)度分析模塊，用于將實時采集的所述網(wǎng)絡(luò)用戶流量異常數(shù)據(jù)和所述網(wǎng)絡(luò)安全參數(shù)輸入所述異常檢測模型進行動態(tài)監(jiān)控，識別電力系統(tǒng)潛在的網(wǎng)絡(luò)安全威脅，并動態(tài)調(diào)動安全資源。

37、作為電力業(yè)務(wù)數(shù)據(jù)安全能力動態(tài)調(diào)度分析系統(tǒng)優(yōu)選方案，所述業(yè)務(wù)數(shù)據(jù)采集模塊中：

38、所述網(wǎng)絡(luò)用戶流量異常數(shù)據(jù)包括用戶ip路徑異常數(shù)據(jù)、ip流量異常數(shù)據(jù)、高危端口掃描數(shù)據(jù)和業(yè)務(wù)訪問關(guān)系異常數(shù)據(jù)中的至少一種；

39、通過netflow流量數(shù)據(jù)采集獲取用戶ip路徑異常數(shù)據(jù)、ip流量異常數(shù)據(jù)、高危端口掃描數(shù)據(jù)和業(yè)務(wù)訪問關(guān)系異常數(shù)據(jù)。

40、作為電力業(yè)務(wù)數(shù)據(jù)安全能力動態(tài)調(diào)度分析系統(tǒng)優(yōu)選方案，所述業(yè)務(wù)數(shù)據(jù)采集模塊中：

41、所述網(wǎng)絡(luò)安全參數(shù)包括網(wǎng)路時延、時延變化、丟包率和數(shù)據(jù)網(wǎng)絡(luò)擁塞危險度中的至少一種；

42、通過網(wǎng)絡(luò)中部署的旁路探針獲取網(wǎng)路時延、時延變化和丟包率；

43、通過snmp協(xié)議獲取數(shù)據(jù)網(wǎng)絡(luò)擁塞危險度。

44、作為電力業(yè)務(wù)數(shù)據(jù)安全能力動態(tài)調(diào)度分析系統(tǒng)優(yōu)選方案，所述權(quán)重分配模塊包括：

45、準(zhǔn)則層構(gòu)建子模塊，用于確定各指定特征的權(quán)重作為目標(biāo)層，將ip路徑異常數(shù)據(jù)、ip流量異常數(shù)據(jù)、高危端口掃描數(shù)據(jù)、業(yè)務(wù)訪問關(guān)系異常數(shù)據(jù)、網(wǎng)路時延、時延變化、丟包率和數(shù)據(jù)網(wǎng)絡(luò)擁塞危險度劃分為八個預(yù)設(shè)準(zhǔn)則，所述八個預(yù)設(shè)準(zhǔn)則構(gòu)成準(zhǔn)則層；

46、因素重要性比較子模塊，用于對所述準(zhǔn)則層中指定因素的重要性進行兩兩比較，根據(jù)比較結(jié)果采用1-9標(biāo)度法進行打分，獲得每個比較對的平均得分；

47、指定特征權(quán)重計算子模塊，用于根據(jù)每個所述比較對的平均得分，構(gòu)建n*n比較矩陣，n為準(zhǔn)則層因素數(shù)量，對所述比較矩陣進行一致性校驗，通過算術(shù)平均法計算所述比較矩陣的特征向量，并進行歸一化處理，獲得所述準(zhǔn)則層指定因素的權(quán)重值作為指定特征的權(quán)重。

48、作為電力業(yè)務(wù)數(shù)據(jù)安全能力動態(tài)調(diào)度分析系統(tǒng)優(yōu)選方案，所述指定特征權(quán)重計算子模塊中：

49、計算一致性指標(biāo)c?i，一致性指標(biāo)c?i的計算公式為：

50、

51、式中，λmax為比較矩陣的最大特征根；

52、查找與準(zhǔn)則層因素數(shù)量n相對應(yīng)的隨機一致性指標(biāo)ri；

53、計算一致性比率cr，一致性比率cr的計算公式為：

54、

55、若一致性比率cr小于預(yù)設(shè)一致性比率閾值，判定比較矩陣滿足一致性要求。

56、作為電力業(yè)務(wù)數(shù)據(jù)安全能力動態(tài)調(diào)度分析系統(tǒng)優(yōu)選方案，所述指定特征權(quán)重計算子模塊中，n*n比較矩陣的表達式為：

57、

58、式中，a表示n*n比較矩陣。

59、作為電力業(yè)務(wù)數(shù)據(jù)安全能力動態(tài)調(diào)度分析系統(tǒng)優(yōu)選方案，所述異常檢測模型構(gòu)建模塊中：

60、所述神經(jīng)網(wǎng)絡(luò)采用循環(huán)神經(jīng)網(wǎng)絡(luò)rnn，通過調(diào)整所述神經(jīng)網(wǎng)絡(luò)的權(quán)重和偏置參數(shù)，使所述異常檢測模型區(qū)分正常數(shù)據(jù)和異常數(shù)據(jù)，并采用交叉驗證法對所述異常檢測模型的性能進行評估。

61、作為電力業(yè)務(wù)數(shù)據(jù)安全能力動態(tài)調(diào)度分析系統(tǒng)優(yōu)選方案，所述動態(tài)調(diào)度分析模塊中，根據(jù)所述異常檢測模型的輸出結(jié)果判斷當(dāng)前網(wǎng)絡(luò)狀態(tài)是否存在安全風(fēng)險；

62、當(dāng)識別到當(dāng)前網(wǎng)絡(luò)狀態(tài)存在安全風(fēng)險后，觸發(fā)警報機制；根據(jù)網(wǎng)絡(luò)安全威脅的嚴(yán)重程度和類型，動態(tài)調(diào)動安全資源以應(yīng)對威脅，動態(tài)調(diào)動安全資源包括增加防火墻規(guī)則、啟動入侵檢測系統(tǒng)、限制可疑用戶的訪問權(quán)限；并根據(jù)需要調(diào)整安全策略和資源分配方案。

63、第三方面，本發(fā)明提供一種電子設(shè)備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執(zhí)行所述程序時實現(xiàn)第一方面或其任意可能實現(xiàn)方式的一種電力業(yè)務(wù)數(shù)據(jù)安全能力動態(tài)調(diào)度分析方法。

64、第四方面，本發(fā)明提供一種非暫態(tài)計算機可讀存儲介質(zhì)，所述非暫態(tài)計算機可讀存儲介質(zhì)存儲計算機指令，所述計算機指令用于使所述計算機執(zhí)行第一方面或其任意可能實現(xiàn)方式的一種電力業(yè)務(wù)數(shù)據(jù)安全能力動態(tài)調(diào)度分析方法中的步驟。

65、從上面所述可以看出，本發(fā)明提供的技術(shù)方案，實時采集電力系統(tǒng)業(yè)務(wù)數(shù)據(jù)中的網(wǎng)絡(luò)用戶流量異常數(shù)據(jù)和網(wǎng)絡(luò)安全參數(shù)，并對用戶流量異常數(shù)據(jù)和網(wǎng)絡(luò)安全參數(shù)進行預(yù)處理和特征提??；基于層次分析法對提取的特征進行權(quán)重分配，獲得各特征的權(quán)重；基于提取的特征和各特征的權(quán)重，利用神經(jīng)網(wǎng)絡(luò)建立異常檢測模型；將實時采集的用戶流量異常數(shù)據(jù)和網(wǎng)絡(luò)安全參數(shù)輸入異常檢測模型，進行動態(tài)監(jiān)控，識別潛在的網(wǎng)絡(luò)安全威脅，并動態(tài)調(diào)動安全資源。本發(fā)明通過實時采集和動態(tài)監(jiān)控，能夠及時發(fā)現(xiàn)并應(yīng)對潛在的網(wǎng)絡(luò)安全威脅；基于層次分析法和神經(jīng)網(wǎng)絡(luò)建立的異常檢測模型，提高威脅識別的準(zhǔn)確性。通過動態(tài)調(diào)度安全資源，根據(jù)威脅等級靈活調(diào)整防護策略，提高安全防護的靈活性。