一種電網安全風險預測方法技術

本發明專利技術涉及一種電網安全風險預測方法，所述方法包括：處理篩選的網絡安全態勢因子；確定安全態勢狀態分類標準；根據電網實際情況構建隱馬爾科夫模型；根據設備當前的安全態勢更新所述隱馬爾科夫模型參數；計算整個電力網絡的安全態勢；計算設備的預測風險值和加權預測風險值；本發明專利技術對網絡安全態勢因子進行深入研究，篩選出對安全態勢影響最大的幾個因子，降低了數據處理的工作量，利用和安全態勢因子有關的數據進行模型訓練，有效緩解了隱馬爾可夫轉換矩陣過于龐大的問題，同時，緩解了預測精度不高、參數確定困難等問題。

【技術實現步驟摘要】

本專利技術涉及一種安全風險預測方法，具體講涉及一種電網安全風險預測方法。
技術介紹
當前，我國的信息化安全建設也隨著技術的發展不斷進步，但是，受到網絡危害的人數也在逐年增加。從國家信息安全形勢來說，當前，信息系統的基礎性、全局性、全員性作用日益增強，信息安全作為信息化深入推進的重要保障，已成為國家安全戰略的重要組成部分。國家先后頒布了《2006-2020年國家信息化發展戰略》，《關于加強工業控制系統信息安全管理工作的通知》(2011年)；《國務院關于大力推進信息化發展和切實保障信息安全的若干意見》(2012年)，目的是增強重要信息系統和基礎信息網絡安全防護能力，提高信息化裝備的安全可控水平。網絡風險預測是網絡安全的一個重要子課題，具有廣闊的應用前景,較高的學術價值和理論研究意義。當前用于網絡風險預測的方法有很多，不少學者在網絡態勢預測領域已經開展了許多研究工作，并取得了一定的成果。灰色預測方法使用難度低，對于線性數據具有良好的預測效果，但是預測精度略顯不夠，不能反映網絡的實際情況等問題；基于免疫理論的網絡安全態勢評估方法只能反映安全態勢的趨勢，對網絡安全態勢預測的實時性精度有待提高；基于似然BP的網絡安全態勢預測方法，通過態勢評估模型建立態勢序列作為訓練序列，但是該方法參數訓練過程復雜，收斂速度慢，不能滿足實時性要求；基于RBF神經網絡的態勢預測方法，利用RBF神經網絡處理非線性態勢值，通過態勢值之間的關系進行態勢預測，但是該方法在實時網絡態勢感知中，容易陷入局部最優化問題，可能會導致結果的不穩定；隱Markov模型在網絡安全領域應用十分廣泛，但是該方法存在狀態轉換矩陣龐大的缺點。灰色預測和隱馬爾科夫預測在預測方面都有著非常廣泛的應用，但是其也有較為明顯的弱點，灰色預測對于預測需要的數據量較少，但是預測的精度也較低，不能反映實際網絡的實際情況。隱馬爾可夫模型可以用來預測網絡安全態勢，但是存在狀態轉換矩陣過于龐大的問題。而傳統的網絡安全態勢預測方法僅針對網絡安全態勢本身的數據進行分析，利用數據挖掘技術挖掘安全態勢數據序列的變化規律來達到預測目的，沒有對網絡安全態勢因子進行深入研究，存在預測精度不高、參數確定困難等問題。為此，迫切需要一種電網安全風險預測方法，使得該方法結合灰色預測以及隱馬爾可夫模型預測方法的優勢，解決預測精度不高、參數確定困難等問題。
技術實現思路
為了解決現有技術中所存在的上述不足，本專利技術提供一種電網安全風險預測方法，所述方法包括：I、處理篩選的網絡安全態勢因子；II、確定安全態勢狀態分類標準；III、根據電網實際情況構建隱馬爾科夫模型；IV、根據設備當前的安全態勢更新所述隱馬爾科夫模型參數；V、計算整個電力網絡的安全態勢；VI、計算設備的預測風險值和加權預測風險值。優選的，所述步驟I主要網絡安全態勢因子的篩選包括：(1)確定網絡安全態勢因子的范圍；(2)用隨時刻K變化的態勢數列和態勢因子數列分別作為參考數列和比較數列；(3)對所述參考數列和比較數列進行無量綱化處理；(4)求所述參考數列與比較數列的灰色關聯系數；(5)計算關聯度；(6)篩選比較所述關聯度計算結果，當所述關聯度大于閾值的時候，選用該因子，否則剔除。優選的，所述步驟(1)網絡安全態勢因子包括：從入侵檢測日志、主機設備運行狀態、節點流量監控設備、實時告警系統獲得的多源異質觀測數據。優選的，所述步驟(4)參考數列與比較數列的灰色關聯系數εi(K)如下式所示：ϵi(K)=minimink|X0(0)(K)-Xi(0)(K)|+ρmaximaxk|X0(0)(K)-Xi(0)(K)||X0(0)(K)-Xi(0)(K)|+ρmaximaxk|X0(0)(K)-Xi(0)(K)|---(1)]]>式中，ρ∈[0，∞)：分辨系數，通常取0.5；隨時刻K變化的態勢數列，隨時刻K變化的第i個態勢因子數列，分別為兩級最小差和兩級最大差，代表不同的K取值下，取值的最小和最大值，i：第i個因子數列。優選的，所述步驟(5)的關聯度ρ0,i如下式所示：ρ0,i=1LΣK=1Lϵi(K)---(2)]]>式中，K和K-1分別表示第K時刻和第K-1時刻，L表示εi(K)中時刻K的取值數量。優選的，以灰色預測模型為基礎，在其上下兩側平行的劃分m個狀態，確定所述步驟II安全態勢狀態分類標準，其中m為整數；所述灰色預測模型包括：將處理過的主要網絡安全態勢因子結合灰色理論建立而成的模型；所述灰色預測模型基本思想包括：用原始數據組成原始序列，經累加生成法生成序列，對生成變換后的序列建立微分方程型的模型。優選的，所述步驟III符合電網實際情況的隱馬爾科夫模型包括：根據網絡安全態勢因子的相關歷史數據訓練隱馬爾科夫模型的參數，生成符合電網實際情況的隱馬爾科夫模型。優選的，用所述隱馬爾科夫模型判斷，所述步驟IV的設備安全當前態勢，并實時更新所述隱馬爾科夫模型參數。優選的，根據設備占電網安全的權重實現所述步驟V的整個電力網絡的安全態勢計算。優選的，用所述隱馬爾科夫模型計算所述步驟VI設備的預測風險值和加權預測風險值。與現有技術相比，本專利技術具有以下優益效果：(1)本專利技術對網絡安全態勢因子進行深入研究，篩選出對安全態勢影響最大的幾個因子，降低了數據處理的工作量。(2)本專利技術利用和安全態勢因子有關的數據進行模型訓練，有效緩解了隱馬爾可夫轉換矩陣過于龐大的問題。(3)本專利技術提出了一種基于馬爾科夫模型的電網安全風險預測方法，緩解了預測精度不高、參數確定困難等問題。附圖說明圖1為本專利技術的電網安全風險預測方法流程圖；圖2為本專利技術運用關聯度篩選主要網絡安全態勢因子流程圖。具體實施方式為了更好地理解本專利技術，下面結合說明書附圖和實例對本專利技術的內容做進一步的說明。本專利技術提供一種電網安全風險預測方法，所述方法包括如下步驟：步驟I、篩選出主要網絡安全態勢因子并將其進行處理：獲取電力網絡中的設備的歷史日志信息等，通過灰色關聯度分析計算，篩選出影響網絡安全態勢的主要網絡安全態勢因子，根據篩選出來的網絡安全態勢因子處理相關歷史數據，并進行無量綱化處理。所述步驟I中，在互聯網實際應用中，網絡安全態勢的因子是從入侵檢測日志、主機設備運行狀態、節點流量監控設備、實時告警系統獲得的多源異質觀測數據。影響網絡安全態勢的因子較多，本專利技術利用灰色理論中的灰色關聯度分析法，分析因子與網絡安全態勢的關聯度，選取對網絡安全態勢有主要影響的因子。具體步驟是指：(1a)確定態勢因子的范圍，在該范圍內進行篩選。(1b)選擇一個態勢因子，整理生成隨時刻K變化的態勢數列以及態勢因子數列分別作為參考數列和比較數列。(1c)對參考數列和比較數列進行無量綱化處理。(1d)求參考數列與比較數列的灰色關聯系數，公式為ϵi(K)=minimink|X0(0)(K)-Xi(0)(K)|+ρmaximaxk|X0(0)(K)-Xi(0)(K)||X0(0)(K)-Xi(0)(K)|+ρmaximaxk|X0(0)(K)-Xi(0)(K)|---(1)]]>式中，ρ∈[0，∞)：分辨系數，通常取0.5；隨時刻K變化的態勢數列，隨時刻K變化的第i個態勢因子數本文檔來自技高網...

【技術保護點】
一種電網安全風險預測方法，其特征在于，所述方法包括：I、處理篩選的網絡安全態勢因子；II、確定安全態勢狀態分類標準；III、根據電網實際情況構建隱馬爾科夫模型；IV、根據設備當前的安全態勢更新所述隱馬爾科夫模型參數；V、計算整個電力網絡的安全態勢；VI、計算設備的預測風險值和加權預測風險值。

【技術特征摘要】
1.一種電網安全風險預測方法，其特征在于，所述方法包括：I、處理篩選的網絡安全態勢因子；II、確定安全態勢狀態分類標準；III、根據電網實際情況構建隱馬爾科夫模型；IV、根據設備當前的安全態勢更新所述隱馬爾科夫模型參數；V、計算整個電力網絡的安全態勢；VI、計算設備的預測風險值和加權預測風險值。2.如權利要求1所述的電網安全風險預測方法，其特征在于，所述步驟I主要網絡安全態勢因子的篩選包括：(1)確定網絡安全態勢因子的范圍；(2)用隨時刻K變化的態勢數列和態勢因子數列分別作為參考數列和比較數列；(3)對所述參考數列和比較數列進行無量綱化處理；(4)求所述參考數列與比較數列的灰色關聯系數；(5)計算關聯度；(6)篩選比較所述關聯度計算結果，當所述關聯度大于閾值的時候，選用該因子，否則剔除。3.如權利要求2所述的電網安全風險預測方法，其特征在于，所述步驟(1)網絡安全態勢因子包括：從入侵檢測日志、主機設備運行狀態、節點流量監控設備、實時告警系統獲得的多源異質觀測數據。4.如權利要求2所述的電網安全風險預測方法，其特征在于，所述步驟(4)參考數列與比較數列的灰色關聯系數εi(K)如下式所示：ϵi(K)=minimink|X0(0)(K)-Xi(0)(K)|+ρmaximaxk|X0(0)(K)-Xi(0)(K)||X0(0)(K)-Xi(0)(K)|+ρmaximaxk|X0(0)(K)-Xi(0)(K)|---(1)]]>式中，ρ∈[0，∞)：分辨系數，通常取0.5；隨時刻K變化的態勢數...

【專利技術屬性】
技術研發人員：李偉偉，管小娟，馬媛媛，邵志鵬，石聰聰，周誠，李勇，汪晨，費稼軒，
申請(專利權)人：全球能源互聯網研究院，國網江蘇省電力公司，國家電網公司，
類型：發明
國別省市：北京;11