CN108388975B - 一种基于传染病模型的信息安全风险传播控制方法及装置 - Google Patents
一种基于传染病模型的信息安全风险传播控制方法及装置 Download PDFInfo
- Publication number
- CN108388975B CN108388975B CN201810035084.0A CN201810035084A CN108388975B CN 108388975 B CN108388975 B CN 108388975B CN 201810035084 A CN201810035084 A CN 201810035084A CN 108388975 B CN108388975 B CN 108388975B
- Authority
- CN
- China
- Prior art keywords
- node
- extinction
- infection
- indicate
- accounting
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Water Supply & Treatment (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Primary Health Care (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于传染病模型的信息安全风险传播控制方法及装置,方法包括:生成电力信息物理系统的拓扑结构并将其表示为一个无向加权稀疏邻接矩阵;计算节点的脆弱性和相关性、承受能力;根据传染病的传播矩阵模型,构造节点风险传播矩阵;计算其中消亡节点占比并将其与预设节点消亡占比值对比,当大于预设节点消亡占比值时评估获得电网中节点的故障规模;当小于时,计算易感节点的邻居节点中免疫节点占比以及节点被攻击感染所需要的时间,判断感染节点是否转换成免疫节点和消亡节点,并评估和输出获得电网中节点的故障规模。本发明可以准确的得到电力系统中的风险范围,可以及时的对被攻击的节点进行补救措施,从而更好的保障电网系统信息安全。
Description
技术领域
本发明涉及一种基于传染病模型的信息安全风险传播控制方法及装置,属于电力系统信息安全的技术领域。
背景技术
随着计算机网络与互联网技术的迅猛发展,电力行业的信息化建设也得到了广泛的关注,随着电力行业的生产操作、数据交互、存储等工作方式对信息化技术的依赖性逐步增大,其数据资料及信息资源不仅支撑着电力行业总体系统的正常运转,同时也成为电力行业生存发展的核心关键资产。电力系统作为国家最重要的基础性工程之一,一直都面临内部和外部的安全威胁,信息安全问题不可忽视,一旦出现关键数据信息泄露等情况,后果将不堪设想。目前,电力系统信息安全建设标准与规范尚不成熟,仍然存在一定的盲目性和不完善性,电力系统的信息安全风险评估机制相对起步较晚,现阶段的风险评估机制存在着相当程度的评估精度准确性差、完善性欠缺与效率值较低等不足。所以,一个合理、完善的信息安全风险评估方案就显得格外重要。
随着配电网规模不断增大,电力企业信息网络日趋复杂,网络风险种类不断涌现,急需加强对电力信息网络状态的实时掌控,保障信息网络的安全运行,如何对电力信息风险进行准确的评估和预测,已经成为当前网络信息安全研究的重点问题之一。信息安全风险评估是信息安全管理的一项重要工作,它是在安全事件发生中来评估此次风险将涉及的规模,以便及时进行相应的补救工作,这是一种十分有效的保障信息安全的手段。
现有的信息安全风险传播机制不能准确而迅速的判断出节点的故障规模,因此针对电网节点提出一种新的有效的信息安全风险传播机制对电网信息的安全保护意义重大。
根据SIR传染病模型来建立电网节点的感染模型,将电网中所有的节点划分为三类:S表示健康节点(易感节点)、I表示感染节点、R表示退出感染模型的节点,包括免疫节点和死亡节点。
基于SIR传染病模型的信息安全风险传播机制配主要需考虑两个方面的问题:(1)如何量化计算每个节点的对攻击的承受能力,包括节点的脆弱性和相关性;
(2)如何利用SIR传播模型将节点的感染情况表示出来。
发明内容
本发明所要解决的技术问题在于克服现有技术的不足,提供一种基于传染病模型的信息安全风险传播控制方法及装置,解决现有的信息安全风险传播机制不能准确而迅速的判断出节点的故障规模的问题,通过使用本方法可以使得配电网复杂节点下的风险得到快速评估,保证配电网的安全稳定运行。
本发明具体采用以下技术方案解决上述技术问题:
一种基于传染病模型的信息安全风险传播控制方法,包括:
步骤1、生成电力信息物理系统的拓扑结构并将此拓扑结构用一个无向加权稀疏邻接矩阵来表示;
步骤2、根据所述无向加权稀疏邻接矩阵计算节点的脆弱性;
步骤3、根据所述无向加权稀疏邻接矩阵计算节点的相关性;
步骤4、根据所计算节点的脆弱性和相关性计算节点的承受能力;
步骤5、根据SIR传染病的传播矩阵模型,构造节点风险传播矩阵,其中矩阵的对角线元素表示节点的状态,包括易感节点、感染节点、免疫节点和消亡节点;
步骤6、根据节点风险传播矩阵,计算矩阵中消亡节点占比并将其与预设节点消亡占比值对比,当计算的消亡节点占比大于预设节点消亡占比值时评估获得电网中节点的故障规模;当计算的消亡节点占比小于预设节点消亡占比值时,进入步骤7;
步骤7、计算易感节点的邻居节点中免疫节点占比;
步骤8、计算感染节点被攻击感染所需要的时间;
步骤9、基于节点的承受能力计算的感染节点的恢复时间,若节点恢复时间大于可行恢复时间值,将该感染节点在节点恢复时间之后转换成消亡节点,并执行步骤6至步骤9;若节点恢复时间小于可行恢复时间值,将该感染节点在节点恢复时间之后就转换成免疫节点;
步骤10、根据步骤9确定获得节点风险传播矩阵中的易感节点、感染节点、免疫节点和消亡节点的数目,并评估获得电网中节点的故障规模;
步骤11、输出所评估的电网中节点的故障规模。
进一步地,作为本发明的一种优选技术方案,所述方法中无向加权稀疏邻接矩阵为一个N×N阶的Z条连边的无向加权稀疏邻接矩阵,其中N为节点总数目,Z为总连边数目。
一种基于传染病模型的信息安全风险传播控制装置,包括:
拓扑矩阵构成器,用于生成电力信息物理系统的拓扑结构并将此拓扑结构用一个无向加权稀疏邻接矩阵来表示;
节点能力评估器,用于根据所述无向加权稀疏邻接矩阵计算节点的脆弱性和相关性、承受能力;
节点感染评估器,用于根据SIR传染病的传播矩阵模型,构造节点风险传播矩阵,其中矩阵的对角线元素表示节点的状态,包括易感节点、感染节点、免疫节点和消亡节点;计算矩阵中消亡节点占比并将其与预设节点消亡占比值对比,当计算的消亡节点占比大于预设节点消亡占比值时评估获得电网中节点的故障规模;当计算的消亡节点占比小于预设节点消亡占比值时,计算易感节点的邻居节点中免疫节点占比;并计算感染节点被攻击感染所需要的时间;基于节点的承受能力计算的感染节点的恢复时间,若节点恢复时间大于可行恢复时间值,将该感染节点在节点恢复时间之后转换成消亡节点,并计算矩阵中消亡节点占比;若节点恢复时间小于可行恢复时间值,将该感染节点在节点恢复时间之后就转换成免疫节点;确定获得节点风险传播矩阵中的易感节点、感染节点、免疫节点和消亡节点的数目,并评估获得并输出电网中节点的故障规模。
本发明采用上述技术方案,能产生如下技术效果:
本发明的目的就是提供一种基于传染病模型的信息安全风险传播机制,来评估配电网复杂节点下的风险规模问题,本机制是一种策略性方法及装置,通过对电网的节点拓扑结构的构造,对每个节点的具体脆弱性和相关性进行量化,在传染病的SIR传播模型下对风险感染到每个节点的时间进行独立计算,从而来最终评估风险传播的范围。
本发明根据SIR传染病模型来计算节点的实时节点状态值,用来评估电力信息物理系统中节点的风险范围,通过使用本发明可以使得配电网复杂节点下的风险得到快速评估,保证配电网的安全稳定运行。
附图说明
图1为本发明基于传染病模型的信息安全风险传播控制方法的流程示意图。
图2为本发明基于传染病模型的信息安全风险传播控制装置的模块示意图。
具体实施方式
下面结合说明书附图对本发明的实施方式进行描述。
如图1所示,本发明设计了一种基于传染病模型的信息安全风险传播控制方法,该方法具体包括以下步骤:
步骤1:将电力信息物理系统中的每个节点编号为1,2,3,...,N,生成电力信息融合系统的无向加权拓扑网络结构,将该电力信息物理系统拓扑结构的节点用一个N×N阶的Z条连边的无向加权稀疏邻接矩阵H来表示,其中N为节点总数目,Z为总连边数目;进入步骤2;
步骤2:根据计算节点i的脆弱性,其中i,j∈1,2,3,...,N;Eij为节点i与其相连节点之间的紧密性,Mi表示节点i的所有邻居的组合,Gi表示节点i的所有邻居节点的个数;进入步骤3;
步骤3:节点的相关性Li和与此节点的邻居节点个数Pi及与邻居节点直接相连的节点个数相关,根据计算节点i的相关性,其中Mi表示节点i的所有的邻居集合。进入步骤4;
步骤4:根据Xi=(1+α)Fi+(1+β)Li,(i=1,2,3,...,N)计算节点i的承受能力,其中α为脆弱性能力系数,β为相关性能力系数。进入步骤5;
步骤5:根据SIR传染病的传播模型,构造N×N的节点风险传播矩阵C,其中矩阵的对角线元素表示节点的状态包括易感节点、感染节点、免疫节点和消亡节点。进入步骤6。
步骤6:根据节点风险传播矩阵模型,计算其中的消亡节点占比D,如果D≥Da,进入步骤10评估获得电网中节点的故障规模;如果D<Da,其中小于预设节点消亡占比值Da表示系统崩溃临界值,进入步骤7;
步骤7:计算易感节点的邻居节点中免疫节点占比Zi,(i=1,2,3...,N),如果Zi=1,那么这个节点不具有感染性。进入步骤8;
步骤8:根据Ti=λXi,(i=1,2,3,...,N)计算节点i被攻击感染所需要的时间,其中λ为攻击能力系数。进入步骤9;
步骤9:根据计算节点i的恢复时间,其中γ为恢复系数;并且,通过传播矩阵C来识别感染节点,根据计算感染节点的恢复时间来判断此节点将转换成免疫节点或消亡节点,如果Vi>Vt,此节点在时间Vi后转为消亡节点,进入步骤6至步骤9;如果Vi≤Vt,此节点在Vi后转为免疫节点,其中Vt是节点可行恢复时间值,进入步骤10;
步骤10:根据上述过程通过风险传播矩阵C确定获得节点风险传播矩阵中的易感节点、感染节点、消亡节点和免疫节点的数目,确定SIR传染病模型传播矩阵模型后评估电力信息系统节点的故障规模。进入步骤11;
步骤11:输出所评估的电网中节点的故障规模;进入步骤12;
步骤12:循环结束。
通过上述方法,基于传染病模型评估电力系统节点被感染的范围,通过本发明方法,可以准确的得到电力系统中每一时刻的风险范围,可以及时的对被攻击的节点进行补救措施,从而更好的保障电网系统信息安全。
在上述基础上,本发明还提出一种基于传染病模型的信息安全风险传播控制装置,如图2所示,主要包括三个部分:拓扑结构生成器、节点能力评估器、节点风险监测器。图中的拓扑结构生成器主要用于生成完整细致的电力信息物理系统的拓扑结构,并根据此拓扑结构生成相应的电力信息系统的无向加权拓扑矩阵;节点能力评估器是利用电力信息物理系统来评估每个节点的脆弱性和相关性,计算出每个节点的感染时间和恢复时间;节点感染评估器是根据SIR传染病模型来计算节点的实时节点状态值,用来评估电力信息物理系统中节点的风险范围。
其中,拓扑矩阵构成器,主要用于生成电力信息物理系统的拓扑结构,并将此拓扑结构用一个无向加权稀疏邻接矩阵来表示,将电网的电力信息物理系统中的每个节点无差别的表示出来,节点与节点之间的交互通道抽象为节点网络的连边。将该电网节点结构表示为一个N×N阶的Z条连边的无向加权稀疏邻接矩阵,其中N为节点总数目,Z为总连边数目,用Eij,(Eij∈[0,1])表示两个节点之间的紧密性,两个节点之间的紧密性由两个节点之间的信息交互频率和信息交互数据流的大小所决定,Eij的值越大表示节点之间的联系越紧密,但是当两个节点的交互频率或信息交互的数据流为0或很少时,用Eij=0来表述两个节点之间的紧密性,也就是认为两个节点之间没有直接联系。矩阵中Eii=0,那么此N×N的电网节点拓扑矩阵表示为:
所述节点能力评估器,主要用于通过对电网节点拓扑结构的生成,将电网节点拓扑矩阵表达出来,通过电网节点拓扑矩阵我们可以量化的计算每个节点的脆弱性和相关性。本专利中将节点的脆弱性定义为节点i的与其相邻节点的紧密性的平均值,如果节点i与邻居节点的紧密性大,那么这个节点就更加脆弱,节点的脆弱性Fi用以下公式表示:
式中:Eij为节点i与其相连节点之间的紧密性,Mi为节点i的所有邻居的组合,Gi为节点i的所有邻居节点的个数。
本发明中将节点的相关性定义为与此节点的邻居节点个数及与邻居节点直接相连的节点个数相关,节点的相关性Li用以下公式表示:
式中:Pi为邻居节点个数,Mi表示节点i的所有的邻居集合。
本发明中将节点的承受能力定义为节点脆弱性和节点相关性的线性表达,电网节点的承受攻击的能力与每个节点的节点脆弱性Fi和相关性Li成正比,节点的承受能力用以下公式表示:
Xi=(1+α)Fi+(1+β)Li,(i=1,2,3,...,N)
式中:Fi为节点的脆弱性,Li为节点的相关性,其中α为脆弱性能力系数,β为相关性能力系数。节点的攻击感染时间用以下公式表示:
Ti=λXi,(i=1,2,3,...,N)
式中:λ为攻击能力系数,Xi为节点的承受能力。攻克每个节点所需要的时间与节点的承受攻击的能力成正比,节点的恢复时间用以下公式表示:
式中γ为恢复系数,Xi为节点的承受能力。
所述节点感染评估器,主要用于构造节点感染矩阵,将电网中所有的节点划分为三类,S表示(易感节点),I表示感染节点,R表示退出感染模型的节点,包括免疫节点和死亡节点,根据SIR传播模型来计算电力信息物理系统中节点的感染范围。电网中节点的风险传播是从感染节点传播到与其直接相连的邻居节点,不会跨节点传播,也不会重复传播,根据节点SIR传染病的传播模型,构造N×N的节点风险传播矩阵,其中矩阵的对角线元素表示节点的状态,包括易感节点,感染节点,免疫节点和消亡节点。该N×N风险传播矩阵表示为:
其中Cii的取值为节点i的安全状态,取值为S,I,R0,R1,其中Cii=S表示节点为易感节点;Cii=I表示节点为感染节点;Cii=R0表示节点为消亡节点,Cii=R1表示节点为免疫节点。Cij(i≠j)的取值为0或1,Cij=0表示节点i和节点j没有直接联系,Cij=1表示节点i和节点j之间有直接联系,即互为邻居节点。
其中,风险在节点之间的传播方式表现在风险传播矩阵上:
1、感染节点i的状态值为I,搜索风险传播矩阵中第i行中的元素Cij,j∈(1,2,...,n),如果Cij的值为1,那么风险将从节点i传播到节点j,节点j被感染的时间为Tj=λXj,(j=1,2,3,...,N)。
2、感染节点从被感染时起会以一定的速度进行自我恢复,恢复过程中依然会将风险传播给其邻居节点,根据计算节点的恢复时间,若此恢复时间Vi大于时间Vt,那么此节点在时间Vt后自动转为消亡节点,此节点的状态值由I转为Ro;若此恢复节点的恢复时间Vi小于时间Vt,那么此节点在时间Vi后转为免疫节点,此节点的状态值由I转为R1。
3、计算感染节点i的免疫节点占比,若节点的免疫占比为1,那么此节点不再具有传播性。
时刻观测节点状态值,计算每一时刻的消亡节点占比D,若节点的消亡时间占比大于Da,那么直接确定获得节点风险传播矩阵模型中的易感节点、感染节点、消亡节点和免疫节点的数目,计算得到节点的风险规模并输出风险规模值。
上述过程根据SIR传染病传播的模型,在风险传播矩阵上对节点的感染情况进行计算,实现电网节点的感染范围的实时评估。
综上,本发明在结构复杂的电网系统中研究信息安全风险传播,能够得出电网结构中的节点的风险范围。本发明将节点的脆弱性和节点相关性结合起来表示节点的抗攻击能力,将SIR传染病模型运用到节点间的风险传播中,十分贴合电网系统中信息安全风险的感染过程,可以很好的预测节点风险的范围。
上面结合附图对本发明的实施方式作了详细说明,但是本发明并不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下做出各种变化。
Claims (8)
1.一种基于传染病模型的信息安全风险传播控制方法,其特征在于,包括:
步骤1、生成电力信息物理系统的拓扑结构并将此拓扑结构用一个无向加权稀疏邻接矩阵来表示;
步骤2、根据所述无向加权稀疏邻接矩阵计算节点的脆弱性;
步骤3、根据所述无向加权稀疏邻接矩阵计算节点的相关性;
步骤4、根据所计算节点的脆弱性和相关性计算节点的承受能力;
步骤5、根据SIR传染病的传播矩阵模型,构造节点风险传播矩阵,其中矩阵的对角线元素表示节点的状态,包括易感节点、感染节点、免疫节点和消亡节点;
步骤6、根据节点风险传播矩阵,计算矩阵中消亡节点占比并将其与预设节点消亡占比值对比,当计算的消亡节点占比大于预设节点消亡占比值时评估获得电网中节点的故障规模;当计算的消亡节点占比小于预设节点消亡占比值时,进入步骤7;
步骤7、计算易感节点的邻居节点中免疫节点占比;
步骤8、计算感染节点被攻击感染所需要的时间;
步骤9、基于节点的承受能力计算感染节点的恢复时间,若感染节点的恢复时间大于可行恢复时间值,将该感染节点在感染节点的恢复时间之后转换成消亡节点,并执行步骤6至步骤9;若感染节点的恢复时间小于可行恢复时间值,将该感染节点在感染节点的恢复时间之后则转换成免疫节点;
步骤10、根据步骤9确定获得节点风险传播矩阵中的易感节点、感染节点、免疫节点和消亡节点的数目,并评估获得电网中节点的故障规模;
步骤11、输出所评估的电网中节点的故障规模。
2.根据权利要求1所述基于传染病模型的信息安全风险传播控制方法,其特征在于,所述步骤1中无向加权稀疏邻接矩阵为一个N×N阶的Z条连边的无向加权稀疏邻接矩阵,其中N为节点总数目,Z为总连边数目。
3.根据权利要求1所述基于传染病模型的信息安全风险传播控制方法,其特征在于,所述步骤2中计算节点的脆弱性Fi采用公式:
其中,i,j∈1,2,3,...,N,i表示节点,N表示节点总数目;Eij表示节点i与其相连节点之间的紧密性,Mi表示节点i的所有的邻居集合,Gi表示节点i的所有邻居节点的个数。
4.根据权利要求1所述基于传染病模型的信息安全风险传播控制方法,其特征在于,所述步骤3中计算节点的相关性Li采用公式:
其中,i=1,2,3,...,N,i表示节点,N表示节点总数目;Pi表示节点i的邻居节点个数;Mi表示节点i的所有的邻居集合,Pm表示邻居节点的个数。
5.根据权利要求1所述基于传染病模型的信息安全风险传播控制方法,其特征在于,所述步骤4中计算节点的承受能力Xi采用公式:
Xi=(1+α)Fi+(1+β)Li
其中,i=1,2,3,...,N,i表示节点,N表示节点总数目;Fi表示节点i的脆弱性;Li表示节点i的相关性;α表示脆弱性能力系数,β表示相关性能力系数。
6.根据权利要求1所述基于传染病模型的信息安全风险传播控制方法,其特征在于,所述步骤8中计算感染节点被攻击感染所需要的时间采用公式:
Ti=λXi
其中,i=1,2,3,...,N,i表示节点,N表示节点总数目;λ表示攻击能力系数;Xi表示节点i的承受能力。
7.根据权利要求1所述基于传染病模型的信息安全风险传播控制方法,其特征在于,所述步骤9中计算感染节点的恢复时间Vi采用公式:
其中,i∈1,2,3,...,N,i表示节点,N表示节点总数目;γ为恢复系数;Xi表示节点i的承受能力,
并且,当判断为Vi>Vt,此节点在恢复时间Vi后转为消亡节点;当判断为Vi≤Vt,此节点在恢复时间Vi后转为免疫节点,其中Vt是节点的可行恢复时间值。
8.一种基于传染病模型的信息安全风险传播控制装置,其特征在于,包括:
拓扑矩阵构成器,用于生成电力信息物理系统的拓扑结构并将此拓扑结构用一个无向加权稀疏邻接矩阵来表示;
节点能力评估器,用于根据所述无向加权稀疏邻接矩阵计算节点的脆弱性和相关性、承受能力;
节点感染评估器,用于根据SIR传染病的传播矩阵模型,构造节点风险传播矩阵,其中矩阵的对角线元素表示节点的状态,包括易感节点、感染节点、免疫节点和消亡节点;计算矩阵中消亡节点占比并将其与预设节点消亡占比值对比,当计算的消亡节点占比大于预设节点消亡占比值时评估获得电网中节点的故障规模;当计算的消亡节点占比小于预设节点消亡占比值时,计算易感节点的邻居节点中免疫节点占比;并计算感染节点被攻击感染所需要的时间;基于节点的承受能力计算的感染节点的恢复时间,若感染节点的恢复时间大于可行恢复时间值,将该感染节点在感染节点的恢复时间之后转换成消亡节点,并计算矩阵中消亡节点占比;若感染节点的恢复时间小于可行恢复时间值,将该感染节点在感染节点的恢复时间之后则转换成免疫节点;确定获得节点风险传播矩阵中的易感节点、感染节点、免疫节点和消亡节点的数目,并评估获得并输出电网中节点的故障规模。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810035084.0A CN108388975B (zh) | 2018-01-15 | 2018-01-15 | 一种基于传染病模型的信息安全风险传播控制方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810035084.0A CN108388975B (zh) | 2018-01-15 | 2018-01-15 | 一种基于传染病模型的信息安全风险传播控制方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108388975A CN108388975A (zh) | 2018-08-10 |
CN108388975B true CN108388975B (zh) | 2019-09-10 |
Family
ID=63076291
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810035084.0A Active CN108388975B (zh) | 2018-01-15 | 2018-01-15 | 一种基于传染病模型的信息安全风险传播控制方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108388975B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108965325B (zh) * | 2018-08-17 | 2019-07-12 | 清华大学 | 电力系统节点薄弱性评估方法及装置 |
CN109271784A (zh) * | 2018-09-22 | 2019-01-25 | 肖哲睿 | 一种信息网络安全风险管理系统 |
CN109697563B (zh) * | 2018-12-24 | 2020-06-19 | 浙江大学 | 一种考虑隐性故障的电力信息物理系统风险保障预警方法 |
CN110458324B (zh) * | 2019-07-04 | 2023-07-25 | 赣州市银税之家企业服务有限公司 | 风险概率的计算方法、装置和计算机设备 |
CN110582074A (zh) * | 2019-09-02 | 2019-12-17 | 北京航空航天大学 | 一种基于感染传播模型的车联网信息安全风险传播控制方法 |
CN110766321B (zh) * | 2019-10-23 | 2022-04-22 | 浙江工商大学 | 基于物资可靠性的应急物流网络风险传播方法及其系统 |
CN110895744B (zh) * | 2019-11-18 | 2022-04-22 | 国网浙江省电力有限公司经济技术研究院 | 考虑电网三道防线的电力信息物理系统数据传播建模方法 |
CN112435061B (zh) * | 2020-11-26 | 2022-11-04 | 广东电网有限责任公司 | 基于si传染病模型的电动汽车增长率确定方法和装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105512957A (zh) * | 2015-12-10 | 2016-04-20 | 国网福建省电力有限公司 | 一种电力系统中信息物理安全风险的评估方法 |
CN105871882B (zh) * | 2016-05-10 | 2019-02-19 | 国家电网公司 | 基于网络节点脆弱性和攻击信息的网络安全风险分析方法 |
-
2018
- 2018-01-15 CN CN201810035084.0A patent/CN108388975B/zh active Active
Non-Patent Citations (1)
Title |
---|
《考虑个体行为的复杂网络病毒传播研究》;巩永旺;《中国博士学位论文全文数据库 信息技术辑》;20150515;全文 |
Also Published As
Publication number | Publication date |
---|---|
CN108388975A (zh) | 2018-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108388975B (zh) | 一种基于传染病模型的信息安全风险传播控制方法及装置 | |
Anwar et al. | Identification of vulnerable node clusters against false data injection attack in an AMI based smart grid | |
Lee et al. | Vulnerability analysis of cascading dynamics in smart grids under load redistribution attacks | |
CN103840967B (zh) | 一种电力通信网中故障定位的方法 | |
CN106101252A (zh) | 基于大数据和可信计算的信息安全风险防护系统 | |
CN106411904B (zh) | 一种基于微观状态预测的网络风险控制方法 | |
CN105516177B (zh) | 基于sdn和nfv的5g网络多级攻击缓解方法 | |
CN106899442A (zh) | 基于作战链路效率的指控网络抗毁测度方法 | |
CN104901306B (zh) | 一种考虑连锁故障的电网运行安全裕度计算方法 | |
CN109145428A (zh) | 一种连锁故障模式下信息物理融合系统脆弱性评估方法 | |
Anwar et al. | Anomaly detection in electric network database of smart grid: Graph matching approach | |
Soltan et al. | EXPOSE the line failures following a cyber-physical attack on the power grid | |
CN106850558A (zh) | 基于季节模型时间序列的智能电表状态异常检测方法 | |
CN106713354A (zh) | 一种基于不可检测信息攻击预警技术的电力信息物理系统脆弱性节点评估方法 | |
Chen et al. | On the connectivity of multi-layered networks: Models, measures and optimal control | |
CN108011894A (zh) | 一种软件定义网络下僵尸网络检测系统及方法 | |
Yunming et al. | Measure of invulnerability for command and control network based on mission link | |
Deka et al. | Data attack on strategic buses in the power grid: Design and protection | |
CN108090677A (zh) | 一种关键基础设施可靠性测评方法 | |
Toshpulatov et al. | Anomaly detection on smart meters using hierarchical self organizing maps | |
CN108880905B (zh) | 基于节点及链路重要度的电力通信网可靠性研究方法 | |
Yang et al. | An immunization strategy for social network worms based on network vertex influence | |
CN113344743B (zh) | 一种智能电网的故障危害指数计算与脆弱性评估方法 | |
Chen et al. | Reliability assessment of distribution network considering cyber attacks | |
Nakarmi et al. | Interaction graphs for reliability analysis of power grids: A survey |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |