论文部分内容阅读
摘要：随着电力企业智能化配电网的建设，大数据、云计算得到了广泛应用，智能变电站、电网调度以及电力用户的信息采集、移动购电等信息大而复杂，运用大数据技术构建电力大数据的信息平台，可以很好的为电力企业各项业务数据进行分析和处理，与此同时，信息化技术应用也会带来一定的风险，本文对电力大数据引发的信息安全风险进行分析，提出电力大数据信息安全分析技术。
关键词：电力大数据；信息安全；风险
1电力大数据引发的信息安全风险
1.1数据运行风险
大数据系统在运行的过程中必须要做好数据存储分析及处理工作，而且管理人员也应及时地完善系统运行技术，进而有效提高数据处理的质量和效率。如无法及时进行技术更新，就会引发数据运行风险，最后导致数据丢失和信息失真等问题。
1.2黑客攻击风险
黑客攻击问题成为大数据时代信息安全的大问题，黑客攻击通常是专业性较强、有组织、有预谋的攻击，通过窃取大数据、非法获得信息等来进行非法交易，其破坏性较大，甚至可能造成整个大数据系统的瘫痪，为电力企业带来不可估量的经济损失。
1.3电力企业隐私的泄露
电力企业在应用大数据系统的过程中，还要将企业、员工以及与之相关的信息发布到权威的网络平台上，信息进入到互联网当中后就可能会有泄露的风险，若无法采取有效措施加以控制，就可能会造成严重的风险。如不法分子盗取电力企业的信息或用户的个人信息从事非法交易，从而破坏电力市场的运营秩序。
2电力大数据的信息安全分析架构
电力大数据信息安全分析架构（见图1）。电力大数据信息安全分析架构代表一种技术、一种安全分析的理念和方法，是作为一个较为完备的基于大数据安全分析的解决方案的核心，承载大数据分析的核心功能，将分散的安全要素信息进行集中、存储、分析、可视化，对分析的结果进行分发，对分析的任务进行调度，将各个分散的安全分析技术整合到一起，实现各种技术间的互动。电力大数据信息安全分析架构分为采集层、数据层、分析层、管控层和展现层，分别完成天量异构数据的采集、预处理、存储、分析和展示，采用关联分析、序列分析、联机分析处理、机器学习、恶意代码分析、统计分析等多种分析手段对数据进行综合关联，完成数据分析和挖掘功能，为安全分析人员和管理人员提供快捷高效的决策支持。
3电力大数据信息安全分析技术
3.1数据库类型
电力大数据信息安全分析架构采集到的数据依据其业务应用的不同分为：1）关系数据库。关系数据库是建立在关系数据库模型基础上的数据库，是目前最流行、最丰富的数据源，是电力大数据信息安全分析处理的主要数据形式。2）数据仓库。数据仓库是多维数据库结构。数据仓库的实际数据结构可以是关系数据存储或多维数据立方体，提供数据的多维视图，并允许预计算、快速访问和汇总数据，通过多维数据视图和汇总数据预计算，运用联机分析处理允许在不同的抽象层提供数据，同时允许用户在不同的汇总级别观察数据。3）事务数据库。事务数据库由一个文件组成，其中每个记录代表一个事务。事务数据库中可有一些相關联的附加表存放事务。4）文本数据库。文本数据库是包含对象文字描述的数据库，是整篇文档。文本数据库可能是高度非结构化（HTML网页）、半结构化的（E-MAIL）或结构化的（如图书馆数据库）。5）多媒体数据库。多媒体数据库存放图像、音频和视频数据，用于图像内容、声音、视频的检索等。
3.2数据处理步骤
基于电力大数据信息安全分析技术，数据处理可以分为三个步骤，即数据处理目标、量化处理和评估与展示。在数据处理目标中，是依据不同数据库和数据类型，通过量化建模检测和预测来进行相关目标设立。在数据量化处理中，通过安全指标来判断数据信息的安全性，比如在正常情况下，局域网上具有固定采样周期，安全事件的数量具有一定规律并且波动范围分布相对稳定，在事件地址上也具有一定规律，并且增长速度上没有过快变化。在这个过程中要进行数据信息的安全保护，可以采用加密技术进行数据处理或者是采用数据扰乱技术，在数据中随机添加、替换、扰乱信息变量，对数据盗窃者进行数据混淆。在数据展示与评估部分通过使用相关函数来记录数据计算与处理，达到数据保密性与完整性。
3.3数据信息分析方法
电力大数据信息的安全分析方法中有很多，比如关联分析法、空间同位算法、离群算法、分类计数等。例如序列分析方法，可以在事务数据库和关系数据库中进行相关数据分析，可凭借序列分析方法对数据进行挖掘和分析，并进行联机处理，实现电力企业对数据信息管理和应用。
4结语
随着大数据技术的迅速演化，基于大数据的安全分析算法也在不断丰富。可以预见的是其前景乐观，新技术应用催生新的安全防护体系发展，大量数据挖掘分析算法综合运用、数据共享，可以更好地实现电力大数据信息安全态势评估。因此，电力大数据信息安全分析架构的广泛应用将指日可待。
参考文献：
[1]邹捷.大数据对信息安全的新挑战[J].计算机光盘软件与应用，2014（13）：163-164.
[2]李迪，冷金敏，冯涛.电力企业信息安全大数据分析方法和思路探讨[J].电子测试，2016（09）：73.
（作者单位：天津汇之禧信息技术有限公司1
天津市普迅电力信息技术有限公司2）
关键词：电力大数据；信息安全；风险
1电力大数据引发的信息安全风险
1.1数据运行风险
大数据系统在运行的过程中必须要做好数据存储分析及处理工作，而且管理人员也应及时地完善系统运行技术，进而有效提高数据处理的质量和效率。如无法及时进行技术更新，就会引发数据运行风险，最后导致数据丢失和信息失真等问题。
1.2黑客攻击风险
黑客攻击问题成为大数据时代信息安全的大问题，黑客攻击通常是专业性较强、有组织、有预谋的攻击，通过窃取大数据、非法获得信息等来进行非法交易，其破坏性较大，甚至可能造成整个大数据系统的瘫痪，为电力企业带来不可估量的经济损失。
1.3电力企业隐私的泄露
电力企业在应用大数据系统的过程中，还要将企业、员工以及与之相关的信息发布到权威的网络平台上，信息进入到互联网当中后就可能会有泄露的风险，若无法采取有效措施加以控制，就可能会造成严重的风险。如不法分子盗取电力企业的信息或用户的个人信息从事非法交易，从而破坏电力市场的运营秩序。
2电力大数据的信息安全分析架构
电力大数据信息安全分析架构（见图1）。电力大数据信息安全分析架构代表一种技术、一种安全分析的理念和方法，是作为一个较为完备的基于大数据安全分析的解决方案的核心，承载大数据分析的核心功能，将分散的安全要素信息进行集中、存储、分析、可视化，对分析的结果进行分发，对分析的任务进行调度，将各个分散的安全分析技术整合到一起，实现各种技术间的互动。电力大数据信息安全分析架构分为采集层、数据层、分析层、管控层和展现层，分别完成天量异构数据的采集、预处理、存储、分析和展示，采用关联分析、序列分析、联机分析处理、机器学习、恶意代码分析、统计分析等多种分析手段对数据进行综合关联，完成数据分析和挖掘功能，为安全分析人员和管理人员提供快捷高效的决策支持。
3电力大数据信息安全分析技术
3.1数据库类型
电力大数据信息安全分析架构采集到的数据依据其业务应用的不同分为：1）关系数据库。关系数据库是建立在关系数据库模型基础上的数据库，是目前最流行、最丰富的数据源，是电力大数据信息安全分析处理的主要数据形式。2）数据仓库。数据仓库是多维数据库结构。数据仓库的实际数据结构可以是关系数据存储或多维数据立方体，提供数据的多维视图，并允许预计算、快速访问和汇总数据，通过多维数据视图和汇总数据预计算，运用联机分析处理允许在不同的抽象层提供数据，同时允许用户在不同的汇总级别观察数据。3）事务数据库。事务数据库由一个文件组成，其中每个记录代表一个事务。事务数据库中可有一些相關联的附加表存放事务。4）文本数据库。文本数据库是包含对象文字描述的数据库，是整篇文档。文本数据库可能是高度非结构化（HTML网页）、半结构化的（E-MAIL）或结构化的（如图书馆数据库）。5）多媒体数据库。多媒体数据库存放图像、音频和视频数据，用于图像内容、声音、视频的检索等。
3.2数据处理步骤
基于电力大数据信息安全分析技术，数据处理可以分为三个步骤，即数据处理目标、量化处理和评估与展示。在数据处理目标中，是依据不同数据库和数据类型，通过量化建模检测和预测来进行相关目标设立。在数据量化处理中，通过安全指标来判断数据信息的安全性，比如在正常情况下，局域网上具有固定采样周期，安全事件的数量具有一定规律并且波动范围分布相对稳定，在事件地址上也具有一定规律，并且增长速度上没有过快变化。在这个过程中要进行数据信息的安全保护，可以采用加密技术进行数据处理或者是采用数据扰乱技术，在数据中随机添加、替换、扰乱信息变量，对数据盗窃者进行数据混淆。在数据展示与评估部分通过使用相关函数来记录数据计算与处理，达到数据保密性与完整性。
3.3数据信息分析方法
电力大数据信息的安全分析方法中有很多，比如关联分析法、空间同位算法、离群算法、分类计数等。例如序列分析方法，可以在事务数据库和关系数据库中进行相关数据分析，可凭借序列分析方法对数据进行挖掘和分析，并进行联机处理，实现电力企业对数据信息管理和应用。
4结语
随着大数据技术的迅速演化，基于大数据的安全分析算法也在不断丰富。可以预见的是其前景乐观，新技术应用催生新的安全防护体系发展，大量数据挖掘分析算法综合运用、数据共享，可以更好地实现电力大数据信息安全态势评估。因此，电力大数据信息安全分析架构的广泛应用将指日可待。
参考文献：
[1]邹捷.大数据对信息安全的新挑战[J].计算机光盘软件与应用，2014（13）：163-164.
[2]李迪，冷金敏，冯涛.电力企业信息安全大数据分析方法和思路探讨[J].电子测试，2016（09）：73.
（作者单位：天津汇之禧信息技术有限公司1
天津市普迅电力信息技术有限公司2）