數(shù)據(jù)挖掘?qū)﹄娏π畔⒕W(wǎng)絡安全的應用_精選

1、 精編范文 數(shù)據(jù)挖掘?qū)﹄娏π畔⒕W(wǎng)絡安全的應用溫馨提示：本文是筆者精心整理編制而成，有很強的的實用性和參考性，下載完成后可以直接編輯，并根據(jù)自己的需求進行修改套用。數(shù)據(jù)挖掘?qū)﹄娏π畔⒕W(wǎng)絡安全的應用 本文關鍵詞：網(wǎng)絡安全, 數(shù)據(jù)挖掘, 電力, 信息數(shù)據(jù)挖掘?qū)﹄娏π畔⒕W(wǎng)絡安全的應用 本文簡介：摘要：傳統(tǒng)預測信息系統(tǒng)安全態(tài)勢的方法為廣義神經(jīng)網(wǎng)絡方法, 此種方法存在誤差高、實時性差等問題。提出基于數(shù)據(jù)挖掘的信息系統(tǒng)安全態(tài)勢評估方法。態(tài)勢評估是檢測信息系統(tǒng)安全性最為重要的措施之一, 可以為管理人員提供電力系統(tǒng)安全狀態(tài)信息。管理人員以此獲取系統(tǒng)中的異常問題, 從而采取針對性的措施提升系統(tǒng)的安全性能。關數(shù)據(jù)挖

2、掘?qū)﹄娏π畔⒕W(wǎng)絡安全的應用 本文內(nèi)容：摘要：傳統(tǒng)預測信息系統(tǒng)安全態(tài)勢的方法為廣義神經(jīng)網(wǎng)絡方法, 此種方法存在誤差高、實時性差等問題。提出基于數(shù)據(jù)挖掘的信息系統(tǒng)安全態(tài)勢評估方法。態(tài)勢評估是檢測信息系統(tǒng)安全性最為重要的措施之一, 可以為管理人員提供電力系統(tǒng)安全狀態(tài)信息。管理人員以此獲取系統(tǒng)中的異常問題, 從而采取針對性的措施提升系統(tǒng)的安全性能。關鍵詞：數(shù)據(jù)挖掘；電力工程；信息系統(tǒng)；網(wǎng)絡安全；態(tài)勢評估。1引言隨著信息技術的快速發(fā)展以及應用, 電力企業(yè)的信息化水平有了較大提升, 針對相應管理內(nèi)容建立了對應的電力信息管理系統(tǒng), 為企業(yè)的運營管理帶來了極大的便利, 提升了企業(yè)的運行效率。但電力信息管理系統(tǒng)

3、在應用過程中也面臨著很多安全性問題, 最為嚴重的就是網(wǎng)絡安全問題1,2。因為電力信息系統(tǒng)具有網(wǎng)絡環(huán)境開放性的特點, 這就給某些不法分子可乘之機。其通過不正當?shù)氖侄芜M入到電力信息系統(tǒng)中進行破壞, 同時電力信息系統(tǒng)網(wǎng)絡結(jié)構(gòu)的不確定性都是的電力信息系統(tǒng)安全存在較大問題。所以需要對電力信息系統(tǒng)的網(wǎng)絡安全態(tài)勢進行有效評估, 以此為參考依據(jù)制定出針對性的防范措施, 確保電力信息系統(tǒng)的網(wǎng)絡安全, 這對于進一步推動電力行業(yè)的發(fā)展具有非?，F(xiàn)實的意義。2信息系統(tǒng)的安全態(tài)勢評估框架以數(shù)據(jù)挖掘作為基礎的信息系統(tǒng)安全態(tài)勢評估框架3-6是建立在信息系統(tǒng)安全態(tài)勢評估對隨機事件評估以及分析過程基礎上來進行的, 其具體情況如圖

4、1所示。2.1數(shù)據(jù)發(fā)現(xiàn)和預處理分析模塊此模塊的功能在于實時處理信息系統(tǒng)內(nèi)外部環(huán)境的信息, 能夠采集和信息系統(tǒng)安全態(tài)勢評估有關的數(shù)據(jù)信息, 同時對于這些數(shù)據(jù)進行必要的劃分以及整合等方面的操作。通過這些操作可以使得數(shù)據(jù)轉(zhuǎn)換成為能夠進行數(shù)據(jù)挖掘的格式, 同時能夠得到與信息系統(tǒng)安全態(tài)勢評估有關的資產(chǎn)列表和威脅列表等信息。2.2安全態(tài)勢的分析和評估模塊此模塊的功能在于得到信息系統(tǒng)的資產(chǎn)脆弱性以及漏洞, 能夠確定出信息系統(tǒng)的威脅類型和威脅發(fā)生的可能性。另外, 能夠?qū)π畔⑾到y(tǒng)的風險防范能力進行分析, 從中得到信息系統(tǒng)安全態(tài)勢綜合評定結(jié)果。2.3風險決策模塊此模塊的功能在于參照信息系統(tǒng)所面臨的威脅情況和風險防

5、范能力, 確定出信息系統(tǒng)能夠采取的風險防范方。3建立基于數(shù)據(jù)挖掘的電力信息系統(tǒng)網(wǎng)絡安全態(tài)勢評估模型3.1支持向量機算法（SVM）（1）此種算法屬于新型的數(shù)據(jù)挖掘技術, 能夠通過對小樣本的分析得到問題的解?？偟膩碚f, SVM可以分為“分類”以及“回歸”兩種方法, 之所以要進行分類, 就是要獲取最佳的分類平面。具體操作時可將全部的樣本分成2類, 并且要確保不同樣本之間具有最大的距離, 具體原理如圖2所示。（2）首先要建立起電力信息系統(tǒng)安全態(tài)勢評估樣本集（xi, yi）, i=1, 2, , n。其中xi表示的為電力信息系統(tǒng)網(wǎng)絡安全態(tài)勢評估指標的集合, yi表示的為相應電力信息系統(tǒng)網(wǎng)絡安全等級。從中

6、能夠得到最佳的分類平面方程, 表示式（1）。根據(jù)式（5）就能夠獲取電力信息系統(tǒng)網(wǎng)絡安全態(tài)勢評估模型。3.2基于數(shù)據(jù)挖掘的電力信息系統(tǒng)網(wǎng)絡安全態(tài)勢評估流程基于數(shù)據(jù)挖掘的電力信息系統(tǒng)網(wǎng)絡安全態(tài)勢評估流程如圖3所示。（1）建立起較為完善的電力信息系統(tǒng)網(wǎng)絡安全態(tài)勢評估指標體系, 同時要對其中一個電力信息系統(tǒng)網(wǎng)絡安全態(tài)勢歷史樣本進行收集。（2）確定出電力信息系統(tǒng)網(wǎng)絡安全態(tài)勢評估指標權(quán)值。（3）按照電力信息系統(tǒng)網(wǎng)絡安全態(tài)勢評估權(quán)值對于歷史樣本實施有效處理, 從而獲取電力信息系統(tǒng)網(wǎng)絡安全態(tài)勢評估訓練集以及驗證集。（4）進行支持向量機參數(shù)C以及值的設置, 同時按照上述指標來學習電力信息系統(tǒng)網(wǎng)絡安全態(tài)勢評估訓練

7、集。（5）按照交叉測試的方式獲取電力信息系統(tǒng)網(wǎng)絡安全態(tài)勢評估結(jié)果, 若是無法達到標準規(guī)定就需要對上述參數(shù)進行調(diào)整, 之后繼續(xù)進行學習。（6）進行電力信息系統(tǒng)網(wǎng)絡安全態(tài)勢評估模型的建設, 同時對于驗證樣本實施測試以及分析。4電力信息系統(tǒng)網(wǎng)絡安全態(tài)勢評估模型的性能測試分析4.1樣本數(shù)據(jù)分析為了能夠有效分析基于數(shù)據(jù)挖掘的電力信息系統(tǒng)網(wǎng)絡安全態(tài)勢評估模型（SVM）性能, 可以通過仿真平臺來獲取樣本數(shù)據(jù), 如表1所示。同時可以采用層次分析法（AHP）以及BP神經(jīng)網(wǎng)絡（BPNN）實施對比實驗。對上述樣本數(shù)據(jù)進行分析, 得到電力信息系統(tǒng)網(wǎng)絡安全態(tài)勢評估指標權(quán)值結(jié)果, 如表2所示。4.2測試結(jié)果以及分析通過層

8、次分析法（AHP）以及BP神經(jīng)網(wǎng)絡（BPNN）對于電力信息系統(tǒng)網(wǎng)絡安全態(tài)勢評估模型進行計算分析, 為了能夠確保分析結(jié)果的準確性, 每一種模型采取5次測試實驗, 以此來確定出電力信息系統(tǒng)網(wǎng)絡安全態(tài)勢評估的正確率和誤差率, 具體可以用圖4、圖5表示。（1）因為AHP法屬于線性分析法, 不能有效呈現(xiàn)電力信息系統(tǒng)網(wǎng)絡安全態(tài)勢的隨機性特性, 所以通過AHP方法對于電力信息系統(tǒng)網(wǎng)絡安全態(tài)勢進行評估所得的正確率是最低的, 同時誤判率最高。此種方法在進行電力信息系統(tǒng)網(wǎng)絡安全態(tài)勢判定中存在較大的缺陷；（2）由于BP神經(jīng)網(wǎng)絡方法具有非常好的非線性學習能力, 能夠有效描述電力信息系統(tǒng)網(wǎng)絡安全態(tài)勢變化情況, 所以相對

9、于AHP方法來說, 通過BP神經(jīng)網(wǎng)絡方法對于電力信息系統(tǒng)網(wǎng)絡安全態(tài)勢評估的準確率有了較大的提升, 能夠有效降低電力信息系統(tǒng)網(wǎng)絡安全態(tài)勢評估誤判率。但是因為電力信息系統(tǒng)網(wǎng)絡安全態(tài)勢評估樣本數(shù)量相對較少, 通過BP神經(jīng)網(wǎng)絡方法對于電力信息系統(tǒng)網(wǎng)絡安全態(tài)勢評估會出現(xiàn)“過擬合”的情況, 這也造成了評估的正確率也沒有達到最高；（3）而通過支持向量機所建立的電力信息系統(tǒng)網(wǎng)絡安全態(tài)勢評估模型性能更具優(yōu)勢, 能夠更加準確表現(xiàn)出電力信息系統(tǒng)網(wǎng)絡安全態(tài)勢變化的特點, 同時能夠有效降低誤判率, 所以相對于AHP以及BPNN方法來說, 采取SVM方法的電力信息系統(tǒng)網(wǎng)絡安全態(tài)勢評估的正確率要高很多。5結(jié)語對于電力信息系

10、統(tǒng)來說, 網(wǎng)絡安全態(tài)勢評估的結(jié)果在很大程度上影響著其穩(wěn)定性, 但是通過層次分析法（AHP）以及BP神經(jīng)網(wǎng)絡（BPNN）對于電力信息系統(tǒng)網(wǎng)絡安全態(tài)勢評估模型進行計算分析時的誤差相對較大。本文提出了數(shù)據(jù)挖掘的電力信息系統(tǒng)網(wǎng)絡安全態(tài)勢評估模型, 通過支持向量機（SVM）來對電力信息系統(tǒng)網(wǎng)絡安全態(tài)勢實施評估可以獲取更加準確的結(jié)果, 對于推動電力系統(tǒng)發(fā)展具有重要的意義。參考文獻1高翔,陳貴鳳,趙宏雷.基于數(shù)據(jù)挖掘的電力信息系統(tǒng)網(wǎng)絡安全態(tài)勢評估J.電測與儀表,20_(12):15-17.2張吉生,張波,沈青.基于數(shù)據(jù)挖掘的信息系統(tǒng)安全態(tài)勢估計J.現(xiàn)代電子技術,20_,40(21):77-79+83.3裴秀高,王勇,呂豐.基于數(shù)據(jù)挖掘技術的電力入侵檢測系統(tǒng)防護結(jié)構(gòu)及性能分析J.上海電力學院學報,20_,26(04):391-394.4劉沛.入侵檢測技術在電力信息網(wǎng)絡安全中的應用分析J.通訊世界,20_(22):92-93.5胡福平.電力系統(tǒng)信息網(wǎng)絡安全防護及措施分析J.通信電源技術,20_,35(10):16