CN116405242A - 一种面向数据采集与监控系统的安全状态识别方法 - Google Patents
一种面向数据采集与监控系统的安全状态识别方法 Download PDFInfo
- Publication number
- CN116405242A CN116405242A CN202310120299.3A CN202310120299A CN116405242A CN 116405242 A CN116405242 A CN 116405242A CN 202310120299 A CN202310120299 A CN 202310120299A CN 116405242 A CN116405242 A CN 116405242A
- Authority
- CN
- China
- Prior art keywords
- indexes
- monitoring system
- data acquisition
- cloud
- safety
- 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.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 76
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000011156 evaluation Methods 0.000 claims abstract description 57
- 238000007726 management method Methods 0.000 claims description 18
- 230000002265 prevention Effects 0.000 claims description 10
- 238000012550 audit Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000011084 recovery Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000009430 construction management Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 230000008520 organization Effects 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 2
- 238000013480 data collection Methods 0.000 claims 4
- 230000000694 effects Effects 0.000 description 3
- 238000011002 quantification Methods 0.000 description 3
- 230000004069 differentiation Effects 0.000 description 2
- 238000012854 evaluation process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/50—Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems
- G06F21/55—Detecting local intrusion or implementing counter-measures
- G06F21/552—Detecting local intrusion or implementing counter-measures involving long-term monitoring or reporting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/50—Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems
- G06F21/57—Certifying or maintaining trusted computer platforms, e.g. secure boots or power-downs, version controls, system software checks, secure updates or assessing vulnerabilities
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
- H04L63/1408—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic by monitoring network traffic
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
- H04L63/1441—Countermeasures against malicious traffic
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/20—Network architectures or network communication protocols for network security for managing network security; network security policies in general
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Abstract
本发明公开了一种面向数据采集与监控系统的安全状态识别方法,包括:基于数据采集与监控系统安全状态指标,构建数据采集与监控系统安全状态指标层次模型;基于所述数据采集与监控系统安全状态指标层次模型,确定风险等级评语集,构建标准评估云,基于所述标准评估云制定评分细则,获取评分数据;基于所述数据采集与监控系统安全状态指标确定各个指标主观权重,结合所述评分数据确定各个指标客观权重,计算所述主观权重和所述客观权重的最优组合权重,获取组合权重结果;基于所述组合权重结果,通过逆向云发生器获取二级指标的数字特征,获取综合评估云,通过对比综合评估云与标准评估云,确定所述数据采集与监控系统的安全状态等级。
Description
技术领域
本发明属于数据采集与监控安全技术领域,尤其涉及一种面向数据采集与监控系统的安全状态识别方法。
背景技术
随着工控系统信息化的不断加深,网络威胁进一步延伸到工控领域中。数据采集与监控系统作为大型工控系统的核心,一旦出现安全问题,将会对国家和社会造成巨大财产损失,因此如何对数据采集与监控系统进行风险评估以发现系统存在的风险,并选择恰当的防护措施加以防控,成为了当前急需解决的问题。如今,数据采集与监控系统面临着诸多威胁,评估数据采集与监控系统的安全状态,已经成为工业控制安全领域亟待解决的重要课题。但鉴于目前的主要技术实现方案,还存在指标选取不具有代表性和权重选取困难,以及量化不确定性存在困难等缺点。为此,本发明将克服数据采集与监控系统的安全状态识别方法中指标选取不具有代表性、权重确定不合理性和不确定性量化困难等问题,以此提高数据采集与监控系统的安全状态识别的准确度和识别效率。
发明内容
为解决上述技术问题,本发明提出了一种面向数据采集与监控系统的安全状态识别方法,解决现有技术中数据采集与监控系统中安全状态识别存在指标选取和不确定性量化困难的问题,提高了数据采集与监控系统的安全状态识别的准确度和识别效率。
为实现上述目的,本发明提供了一种面向数据采集与监控系统的安全状态识别方法,包括以下步骤:
基于数据采集与监控系统安全状态指标,构建数据采集与监控系统安全状态指标层次模型;所述数据采集与监控系统安全状态指标层次模型包括目标层、准则层和指标层,所述目标层包括面向数据采集与监控系统的安全状态,所述准则层包括若干个一级指标,所述指标层包括所述准则层中每个一级指标对应若干个二级指标;
基于所述数据采集与监控系统安全状态指标层次模型,确定风险等级评语集,构建标准评估云,基于所述标准评估云制定评分细则,获取评分数据;
基于所述数据采集与监控系统安全状态指标确定各个指标主观权重,结合所述评分数据确定各个指标客观权重,计算所述主观权重和所述客观权重的最优组合权重,获取组合权重结果;
基于所述组合权重结果,通过逆向云发生器获取二级指标的数字特征,获取综合评估云,通过对比所述综合评估云与所述标准评估云,确定所述数据采集与监控系统的安全状态等级。
可选的,所述一级指标包括:设备安全指标、控制安全指标、网络安全指标、应用安全指标、数据安全指标、物理环境安全指标、管理及制度保障指标;
所述设备安全指标对应的二级指标包括:设备和应用等的用户身份鉴别、访问控制、安全审计、入侵防范、主机剩余信息保护、主机恶意代码防范、备份和恢复、主机物理安全、可信验证;所述控制安全指标对应的二级指标包括:安全软件选择与管理、配置和补丁管理、远程访问安全、工控业务数据安全;所述网络安全指标对应的二级指标包括:数据传输完整性与保密性、网络访问控制、网络监测与审计、非法外连检测;所述应用安全指标对应的二级指标包括:用户身份鉴别、应用健壮性、应用资源控制;所述数据安全指标对应的二级指标包括:数据保密性保护、数据完整性保护、数据备份与恢复;所述物理环境安全指标对应的二级指标包括:工控网物理环境安全、工控网设备物理防护;所述管理及制度保障指标对应的二级指标包括:安全策略与制度管理、安全管理机构和人员、安全建设管理。
可选的,所述风险等级评语集按照从低到高划分为若干安全状态等级,并对所述安全状态等级设置对应的数值范围,数值越高的相应指标或者系统的风险越高,安全性越差。
可选的,构建所述标准评估云包括:利用黄金分割率变量云化方法计算出各个指标对应风险等级的云数字特征,通过正态云发生器获取不同等级下的云滴群,构建标准评估云。
可选的,获取评分数据的方法包括:
其中,X表示专家评分值,q1表示不通过项数,q2表示部分通过项数,Q表示总评测项数。
可选的,确定各个所述指标主观权重包括:通过层次分析法对所述数据采集与监控系统安全状态指标进行两两重要性比较,获取对应的判断矩阵,对所述判断矩阵进行一致性检验,获取各个指标主观权重。
可选的,确定各个所述指标客观权重包括:基于所述各个指标主观权重结合所述评分数据分别计算所有专家对每个二级指标的均值,计算每个二级指标的标准差,计算每个二级指标的变异系数,然后分别对同一个一级指标下二级指标的变异系数进行归一化处理,获取各个二级指标客观权重,对于一级指标的客观权重计算,则先对所有二级指标的变异系数进行归一化处理,再对所得值求和,即可获得一级指标的客观权重。
可选的,获取所述组合权重结果包括:通过构建所述主观权重与所述客观权重之间的偏差平方和最小化优化模型来确定最优的指标组合权重,获取组合权重结果。
可选的,获取所述综合评估云包括:基于所述组合权重结果,通过逆向云发生器获取二级指标的数字特征,通过综合云计算获取所述准则层各一级指标的云数字特征,利用一级指标组合权重,获取面向数据采集与监控系统的云数字特征,基于所述面向数据采集与监控系统的云数字特征获取综合评估云。
可选的,确定所述数据采集与监控系统的安全状态等级包括:
通过KL散度结合最大边界曲线相似度计算方法,对所述综合评估云与所述标准评估云进行对比,相似度最高的风险云等级为所述数据采集与监控系统的安全状态等级。
本发明技术效果:本发明公开了一种面向数据采集与监控系统的安全状态识别方法,构建了数据采集与监控系统安全状态指标体系层次模型,包含设备安全、控制安全、网络安全、应用安全等7个一级指标,和设备和应用等的用户身份鉴别、访问控制、安全审计、入侵防范等47个二级指标,指标覆盖了数据采集与监控系统安全状态的指标体系,指标体系全面、层次性强;设定了五个风险评语等级,同时利用度量正态云之间相似度的算法,考虑到超熵的作用,使相似度具有良好的区分度,提高了评估结果的准确性。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本发明实施例一种面向数据采集与监控系统的安全状态识别方法的流程示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
如图1所示,本实施例中提供一种面向数据采集与监控系统的安全状态识别方法,包括以下步骤:
基于数据采集与监控系统安全状态指标,构建数据采集与监控系统安全状态指标层次模型;所述数据采集与监控系统安全状态指标层次模型包括目标层、准则层和指标层,所述目标层包括面向数据采集与监控系统的安全状态,所述准则层包括若干个一级指标,所述指标层包括所述准则层中每个一级指标对应若干个二级指标;
基于所述数据采集与监控系统安全状态指标层次模型,确定风险等级评语集,构建标准评估云,基于所述标准评估云制定评分细则,获取评分数据;
基于所述数据采集与监控系统安全状态指标确定各个指标主观权重,结合所述评分数据确定各个指标客观权重,计算所述主观权重和所述客观权重的最优组合权重,获取组合权重结果;
基于所述组合权重结果,通过逆向云发生器获取二级指标的数字特征,获取综合评估云,通过对比所述综合评估云与所述标准评估云,确定所述数据采集与监控系统的安全状态等级。
步骤1:构建数据采集与监控系统安全状态指标体系层次模型,从左到右分别是目标层、准则层和指标层,准则层包含设备安全、控制安全、网络安全、应用安全等7个一级指标,指标层包含设备和应用等的用户身份鉴别、访问控制、安全审计、入侵防范等多个二级指标。
二级指标,有些指标只设一层无法准确的表征需要更多地指标将其细化,对这样的指标,可将其分解,成为二级评估指标,作为递阶层次的第四层,以此类推。
步骤2:在步骤1安全状态指标体系的基础上,确定风险评语集,构建标准评估云,制定相应的评分细则,获取评分数据;
步骤3:再步骤2专家打分基础上,通过层次分析法确定各指标主观权重,变异系数法确定各指标客观权重,计算二者之间的最优组合权重,作为各指标的最终权重结果;
步骤4:最后,通过逆向云发生器获得二级指标的数字特征,逐级综合评估,获取综合评估云图。再利用相似度计算方法将综合评估云与步骤2所构建的标准评估云进行对比,即可得到相应的系统安全状态等级。
进一步地,所述步骤1包括:
数据采集与监控系统安全状态指标体系层次模型由目标层、准则层和指标层组成,目标层是整个系统的安全状态,准则层包含设备安全、控制安全、网络安全、应用安全、数据安全、物理环境安全、管理及制度保障等7个一级指标,设备安全指标层包含设备和应用等的用户身份鉴别、访问控制、安全审计、入侵防范、主机剩余信息保护、主机恶意代码防范、备份和恢复、主机物理安全、可信验证等;控制安全指标层包括安全软件选择与管理、配置和补丁管理、远程访问安全、工控业务数据安全等;网络安全指标层包括数据传输完整性与保密性、网络访问控制、网络监测与审计、非法外连检测等;应用安全指标层包括用户身份鉴别、应用健壮性、应用资源控制等;数据安全安全指标层包括数据保密性保护、数据完整性保护、数据备份与恢复等;物理环境安全指标层包括工控网物理环境安全、工控网设备物理防护等;管理及制度保障指标层包括安全策略与制度管理、安全管理机构和人员、安全建设管理等。
进一步地,所述步骤2包括:
在步骤1安全状态指标体系的基础上,确定风险评语集,安全状态等级按照系统风险一旦发生将会造成的影响严重程度进行划分,分为了五个等级,即很低、低、中等、高、很高,表示为V={V1,V2,V3,V4,V5},对应的数值范围为[0,5],数值越高,说明相应指标或者系统的风险越高,安全性越差。安全状态风险等级用模糊值表示,在评估过程中需要将其进行变量云化,以云数字特征形式表现为标准评估云。基本步骤是,首先利用黄金分割率变量云化方法来计算出相应风险等级的云数字特征,然后通过正态云发生器得到不同等级下的云滴群,即可构建出标准评估云。
根据步骤1得到的指标评分的评测项,构建标准评估云,制定相应的评分细则,即按照所制定的指标评测项,针对系统实际情况,删除不适用的评测项后,统计出每一项指标剩余的总评测项数、通过项数、部分通过项数和不通过项数,然后按照下述公式1计算出每一项指标相应的评分基准范围,再组织工控领域相关专家根据评分基准适当进行调节和评分,一般控制在0.5分内,以此得到评分数据;
其中,X表示专家评分值,q1表示不通过项数,q2表示部分通过项数,Q表示总评测项数。
进一步地,所述步骤3包括:
在步骤2专家打分基础上,通过层次分析法确定各指标主观权重,变异系数法确定各指标客观权重,计算二者之间的最优组合权重,作为各指标的最终权重结果,具体步骤如下:
对于数据采集与监控系统安全状态指标,利用层次分析法对指标进行两两重要性比较,得到相应的判断矩阵,然后对判断矩阵进行一致性检验,进而计算得到相应的主观权重结果;
然后将专家评分结果分别计算所有专家对每个二级指标的均值,计算每个二级指标的标准差,计算每个二级指标的变异系数,然后分别对同一个一级指标下二级指标的变异系数进行归一化处理,获取各个二级指标客观权重,对于一级指标的客观权重计算,则先对所有二级指标的变异系数进行归一化处理,再对所得值求和,即可获得一级指标的客观权重;
其次通过构建主观权重与客观权重之间的偏差平方和最小化优化模型来确定最优的指标组合权重,得到组合权重结果;
进一步地,所述步骤4包括:
结合步骤3权重优化模型计算出相应指标的组合权重,通过逆向云算法得到了各二级指标的云数字特征之后,通过综合云计算得到准则层各一级指标的云数字特征Ex,En,He,再利用所得的一级指标组合权重,计算得到整个目标的云数字特征,得到反映数据采集与监控系统整体安全状态的云图。
利用KL散度结合最大边界曲线相似度计算方法将综合评估云与步骤2所构建的标准评估云进行对比,相似度最高的风险云等级即为该系统安全状态等级。
本发明公开了一种面向数据采集与监控系统的安全状态识别方法,构建了数据采集与监控系统安全状态指标体系层次模型,包含设备安全、控制安全、网络安全、应用安全等7个一级指标,和设备和应用等的用户身份鉴别、访问控制、安全审计、入侵防范等47个二级指标,指标覆盖了数据采集与监控系统安全状态的指标体系,指标体系全面、层次性强;设定了五个风险评语等级,同时利用度量正态云之间相似度的算法,考虑到超熵的作用,使相似度具有良好的区分度,提高了评估结果的准确性。
以上,仅为本申请较佳的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应该以权利要求的保护范围为准。
Claims (10)
1.一种面向数据采集与监控系统的安全状态识别方法,其特征在于,包括以下步骤:
基于数据采集与监控系统安全状态指标,构建数据采集与监控系统安全状态指标层次模型;所述数据采集与监控系统安全状态指标层次模型包括目标层、准则层和指标层,所述目标层包括面向数据采集与监控系统的安全状态,所述准则层包括若干个一级指标,所述指标层包括所述准则层中每个一级指标对应若干个二级指标;
基于所述数据采集与监控系统安全状态指标层次模型,确定风险等级评语集,构建标准评估云,基于所述标准评估云制定评分细则,获取评分数据;
基于所述数据采集与监控系统安全状态指标确定各个指标主观权重,结合所述评分数据确定各个指标客观权重,计算所述主观权重和所述客观权重的最优组合权重,获取组合权重结果;
基于所述组合权重结果,通过逆向云发生器获取二级指标的数字特征,获取综合评估云,通过对比所述综合评估云与所述标准评估云,确定所述数据采集与监控系统的安全状态等级。
2.如权利要求1所述的面向数据采集与监控系统的安全状态识别方法,其特征在于,所述一级指标包括:设备安全指标、控制安全指标、网络安全指标、应用安全指标、数据安全指标、物理环境安全指标、管理及制度保障指标;
所述设备安全指标对应的二级指标包括:设备和应用等的用户身份鉴别、访问控制、安全审计、入侵防范、主机剩余信息保护、主机恶意代码防范、备份和恢复、主机物理安全、可信验证;所述控制安全指标对应的二级指标包括:安全软件选择与管理、配置和补丁管理、远程访问安全、工控业务数据安全;所述网络安全指标对应的二级指标包括:数据传输完整性与保密性、网络访问控制、网络监测与审计、非法外连检测;所述应用安全指标对应的二级指标包括:用户身份鉴别、应用健壮性、应用资源控制;所述数据安全指标对应的二级指标包括:数据保密性保护、数据完整性保护、数据备份与恢复;所述物理环境安全指标对应的二级指标包括:工控网物理环境安全、工控网设备物理防护;所述管理及制度保障指标对应的二级指标包括:安全策略与制度管理、安全管理机构和人员、安全建设管理。
3.如权利要求1所述的面向数据采集与监控系统的安全状态识别方法,其特征在于,所述风险等级评语集按照从低到高划分为若干安全状态等级,并对所述安全状态等级设置对应的数值范围,数值越高的相应指标或者系统的风险越高,安全性越差。
4.如权利要求3所述的面向数据采集与监控系统的安全状态识别方法,其特征在于,构建所述标准评估云包括:利用黄金分割率变量云化方法计算出各个指标对应风险等级的云数字特征,通过正态云发生器获取不同等级下的云滴群,构建标准评估云。
6.如权利要求1所述的面向数据采集与监控系统的安全状态识别方法,其特征在于,确定各个所述指标主观权重包括:通过层次分析法对所述数据采集与监控系统安全状态指标进行两两重要性比较,获取对应的判断矩阵,对所述判断矩阵进行一致性检验,获取各个指标主观权重。
7.如权利要求6所述的面向数据采集与监控系统的安全状态识别方法,其特征在于,确定各个所述指标客观权重包括:基于所述各个指标主观权重结合所述评分数据分别计算所有专家对每个二级指标的均值,计算每个二级指标的标准差,计算每个二级指标的变异系数,然后分别对同一个一级指标下二级指标的变异系数进行归一化处理,获取各个二级指标客观权重,对于一级指标的客观权重计算,则先对所有二级指标的变异系数进行归一化处理,再对所得值求和,即可获得一级指标的客观权重。
8.如权利要求7所述的面向数据采集与监控系统的安全状态识别方法,其特征在于,获取所述组合权重结果包括:通过构建所述主观权重与所述客观权重之间的偏差平方和最小化优化模型来确定最优的指标组合权重,获取组合权重结果。
9.如权利要求1所述的面向数据采集与监控系统的安全状态识别方法,其特征在于,获取所述综合评估云包括:基于所述组合权重结果,通过逆向云发生器获取二级指标的数字特征,通过综合云计算获取所述准则层各一级指标的云数字特征,利用一级指标组合权重,获取面向数据采集与监控系统的云数字特征,基于所述面向数据采集与监控系统的云数字特征获取综合评估云。
10.如权利要求9所述的面向数据采集与监控系统的安全状态识别方法,其特征在于,确定所述数据采集与监控系统的安全状态等级包括:
通过KL散度结合最大边界曲线相似度计算方法,对所述综合评估云与所述标准评估云进行对比,相似度最高的风险云等级为所述数据采集与监控系统的安全状态等级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310120299.3A CN116405242A (zh) | 2023-02-13 | 2023-02-13 | 一种面向数据采集与监控系统的安全状态识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310120299.3A CN116405242A (zh) | 2023-02-13 | 2023-02-13 | 一种面向数据采集与监控系统的安全状态识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116405242A true CN116405242A (zh) | 2023-07-07 |
Family
ID=87013040
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310120299.3A Pending CN116405242A (zh) | 2023-02-13 | 2023-02-13 | 一种面向数据采集与监控系统的安全状态识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116405242A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117556429A (zh) * | 2024-01-11 | 2024-02-13 | 北京警察学院 | 公共安全视频图像系统的安全防护能力评价方法和系统 |
-
2023
- 2023-02-13 CN CN202310120299.3A patent/CN116405242A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117556429A (zh) * | 2024-01-11 | 2024-02-13 | 北京警察学院 | 公共安全视频图像系统的安全防护能力评价方法和系统 |
CN117556429B (zh) * | 2024-01-11 | 2024-04-19 | 北京警察学院 | 公共安全视频图像系统的安全防护能力评价方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105516130B (zh) | 一种数据处理方法和装置 | |
CN107819771B (zh) | 一种基于资产依赖关系的信息安全风险评估方法及系统 | |
CN107204876B (zh) | 一种网络安全风险评估方法 | |
CN107623697B (zh) | 一种基于攻防随机博弈模型的网络安全态势评估方法 | |
Yang et al. | A new cyber security risk evaluation method for oil and gas SCADA based on factor state space | |
CN107491694B (zh) | 用于量化评估scada系统信息安全脆弱性的方法 | |
CN112039903B (zh) | 基于深度自编码神经网络模型的网络安全态势评估方法 | |
CN109117641A (zh) | 一种基于i-hmm的网络安全风险评估方法 | |
CN111723367B (zh) | 一种电力监控系统业务场景处置风险评价方法及系统 | |
CN115086089B (zh) | 一种用于网络安全评估预测的方法及系统 | |
CN116405242A (zh) | 一种面向数据采集与监控系统的安全状态识别方法 | |
CN108259223B (zh) | 防止gps欺骗的无人机网络系统安全态势感知评估方法 | |
CN114362994B (zh) | 多层异粒度智能聚合铁路系统运行行为安全风险识别方法 | |
CN116842443A (zh) | 一种基于博弈论-变权的岩爆烈度等级预测方法 | |
Tianshui et al. | A new security and privacy risk assessment model for information system considering influence relation of risk elements | |
CN109962916B (zh) | 一种基于多属性的工业互联网安全态势评价方法 | |
Lai et al. | A security risk assessment method of website based on threat analysis combined with AHP and entropy weight | |
CN115758387A (zh) | 一种信息安全风险评估方法 | |
CN115640581A (zh) | 一种数据安全风险评估方法、装置、介质及电子设备 | |
Qi et al. | A combined prediction method of industrial internet security situation based on time series | |
CN111935062A (zh) | 一种网络安全成熟度的计算方法和模型 | |
Yin et al. | A network security situation assessment model based on BP neural network optimized by DS evidence theory | |
CN110991906A (zh) | 云系统信息安全风险评估方法 | |
Xi et al. | Power mobile terminal security assessment based on weights self-learning | |
Qingchuan et al. | Effectiveness Evaluation of Ship Communication System Based on Grey Analytic Hierarchy Process |
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 |