CN117439822B - 一种基于物联网的网络安全数据管理系统及方法 - Google Patents
一种基于物联网的网络安全数据管理系统及方法 Download PDFInfo
- Publication number
- CN117439822B CN117439822B CN202311755924.8A CN202311755924A CN117439822B CN 117439822 B CN117439822 B CN 117439822B CN 202311755924 A CN202311755924 A CN 202311755924A CN 117439822 B CN117439822 B CN 117439822B
- Authority
- CN
- China
- Prior art keywords
- reference data
- network security
- data structure
- characteristic
- situation
- 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
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000013523 data management Methods 0.000 title claims abstract description 13
- 238000012423 maintenance Methods 0.000 claims abstract description 95
- 238000012544 monitoring process Methods 0.000 claims abstract description 67
- 230000002159 abnormal effect Effects 0.000 claims abstract description 31
- 238000001514 detection method Methods 0.000 claims abstract description 14
- 230000015556 catabolic process Effects 0.000 claims abstract description 10
- 238000006731 degradation reaction Methods 0.000 claims abstract description 10
- 238000004458 analytical method Methods 0.000 claims description 72
- 238000000605 extraction Methods 0.000 claims description 46
- 238000011156 evaluation Methods 0.000 claims description 45
- 238000007726 management method Methods 0.000 claims description 39
- 238000012806 monitoring device Methods 0.000 claims description 25
- 230000008569 process Effects 0.000 claims description 9
- 239000000284 extract Substances 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 230000009471 action Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
- 230000036632 reaction speed Effects 0.000 description 1
Classifications
-
- 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
- H04L63/1416—Event detection, e.g. attack signature detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/04—Processing captured monitoring data, e.g. for logfile generation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0805—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability
- H04L43/0817—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability by checking functioning
-
- 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
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
- H04L9/40—Network security protocols
Landscapes
- Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Hardware Design (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Environmental & Geological Engineering (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Alarm Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及网络安全态势感知技术领域,具体为一种基于物联网的网络安全数据管理系统及方法,包括为电力监控系统配置态势感知系统,构建对态势感知系统进行性能监测的参考数据结构;分别对各参考数据结构中的历史运维检修记录进行特征影响程度值的评估;对所有参考等级下的参考数据结构进行信息遍历,对呈现出态势感知系统准确率异常的参考数据结构进行特征标记;对参考数据结构进行导致态势感知系统准确率异常的影响因素提取和特征影响因素的识别提取;对态势感知系统出现性能下降现象的概率值进行评估,当概率值大于阈值时,向管理人员端口发送对态势感知系统进行性能检测的预警提示。
Description
技术领域
本发明涉及网络安全态势感知技术领域,具体为一种基于物联网的网络安全数据管理系统及方法。
背景技术
电力监控系统以计算机、通讯设备、测控单元为基本工具,为变配电系统的实时数据采集、开关状态检测及远程控制提供了基础平台,它可以和检测、控制设备构成任意复杂的监控系统,在变配电监控中发挥了核心作用,可以帮助企业消除孤岛、降低运作成本,提高生产效率,加快对变配电过程中异常的反应速度。
目前电网公司对电力监控系统的网络安全要求越来越严格,往往通过建立电力监控系统的网络安全态势感知系统,来实现对电网公司内各电力监控系统的全方位、全天候的网络安全态势感知,以便及时地发现各类网络安全风险以及非法访问事件,从而实现电力监控系统网络安全的态势感知及预警;为了保证接入到电力监控系统中的网络安全态势感知系统的监控能力,对网络安全态势感知系统展开性能测试和性能监测是必要的。
发明内容
本发明的目的在于提供一种基于物联网的网络安全数据管理系统及方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:一种基于物联网的网络安全数据管理方法,方法包括:
步骤S100:为电力监控系统配置态势感知系统,对态势感知系统对电力监控系统完成的每一次网络安全态势分析进行记录提取;分别对每一条历史网络安全态势分析记录进行特征分析;
步骤S200:每当态势感知系统对电力监控系统完成一次网络安全态势分析,提取运维人员对电力监控系统相应产生的一条历史运维检修记录;获取在每一条历史运维检修记录产生的同时,运维人员根据在相应历史运维检修记录中的实际运维检修情况,对相应历史网络安全态势分析记录所评价的准确率;
步骤S300:将各历史运维检修记录与相应的历史网络安全态势分析记录进行对应,构建得到一组对态势感知系统进行性能监测的参考数据结构;分别对各参考数据结构中的历史运维检修记录进行特征影响程度值的评估;
步骤S400:基于各参考数据结构中相应历史网络安全态势分析记录的准确率,对各参考数据结构进行评估,得到各参考数据结构所对应的参考等级;其中,参考数据结构中相应历史网络安全态势分析记录的准确率越高,相应的参考等级越高;
步骤S500:对所有参考等级下的参考数据结构进行信息遍历,对呈现出态势感知系统准确率异常的参考数据结构进行特征标记;分别对各含有特征标记的参考数据结构进行导致态势感知系统准确率异常的影响因素提取;
步骤S600:在对所有含有特征标记的参考数据结构提取得到的影响因素集合中,对导致态势感知系统准确率异常的特征影响因素进行识别提取;根据特征影响因素在所有参数数据结构中的提取分布情况,对含有特征标记的参考数据结构进行特征标记管理;
步骤S700:根据在所有参考数据结构中的最终特征标记分别情况,对态势感知系统出现性能下降现象的概率值进行评估,当概率值大于阈值时,向管理人员端口发送对态势感知系统进行性能检测的预警提示。
进一步的,步骤S100包括:
步骤S101:分别在任意一条历史网络安全态势分析记录中,捕捉态势感知系统对从电力监控系统内的网络安全监控设备中采集得到的网络安全数据集,进行特征提取后得到的特征数据集合Q,提取特征数据集合Q作为任意一条历史网络安全态势分析记录的第一特征信息;
步骤S102:分别在任意一条历史网络安全态势分析记录中,获取态势感知系统将特征数据集合Q分别按照各预设评估指标数学模型内的形式化推理过程,计算得到对应各网络安全态势评估预警项上的评估预警值;汇集所有网络安全态势评估预警项上的评估预警值,得到评估预警值序列R,提取评估预警值序列R作为任意一条历史网络安全态势分析记录的第二特征信息;
通常在态势感知系统中可得到的网络安全态势评估预警项包括WEB应用安全预警、文件篡改预警、WEB漏扫预警;
步骤S103:分别在任意一条历史网络安全态势分析记录中,捕捉态势感知系统从电力监控系统内的网络安全监控设备中开始进行网络安全数据的采集,到对各网络安全态势评估预警项上的评估预警值输出完成所花费的总响应时长T,提取总响应时长T作为任意一条历史网络安全态势分析记录的第三特征信息。
进一步的,步骤S300包括:
步骤S301:当对某电力监控设备A捕捉到存有运维人员执行运维检修操作的操作记录时,将某电力监控设备A,判断为在相应历史运维检修记录中被涉及的电力监控设备;当捕捉到在运维人员在某电力监控设备A上执行运维检修操作的时间段t内,某电力监控设备B未处于作业状态,对某电力监控设备B所有历史作业记录对应的作业时间段te进行提取;对包含时间段t,或者与时间段t存在时间重合的作业时间段te的个数进行累计,得到累计个数x,获取作业时间段te的总个数y,计算概率值α=x/y,当概率值α大于阈值时,将某电力监控设备B,判断为在相应历史运维检修记录中被涉及的电力监控设备;
上述计算的概率值,计算的是当前某电力监控设备B未处于作业状态,是由于受运维人员在对某电力监控设备A进行运维检修的影响的可能性大小,概率值越大,说明某电力监控设备B本该在当前时间段内进行作业的可能性越大,即呈现当前未作业状态是受运维人员在对某电力监控设备A进行运维检修的影响的可能性越大;
步骤S302:分别在任意历史运维检修记录中,捕捉运维人员实际执行的所有运维检修操作,所涉及电力监控系统内的电力监控设备总数K;分别获取在任意历史运维检修记录中,运维人员从开始至执行完所有运维检修操作所花费的总时长Tw,计算任意历史运维检修记录的特征影响程度值β=K×Tw;
上述计算得到的特征影响程度值反应了运维人员在开展针对相应历史网络安全态势分析记录的运维检修工作实际过程中的难易程度值,特征影响程度值越大,说明在相应运维检修工作过程中所解决的网络安全问题越复杂,运维检修工作在实际开展过程中越难,影响范围越广。
进一步的,步骤S500包括:
步骤S501:设在某参考等级R1中存在参考数据结构F,其中,参考数据结构F中历史网络安全态势分析记录f1的第一特征信息为Q(f1),第二特征信息为R(f1),第三特征信息为T(f1),其中,参考数据结构F中历史运维检修记录f2的特征影响程度值为β(f2);设在某参考等级R2中存在参考数据结构G,其中,参考数据结构G中历史网络安全态势分析记录g1的第一特征信息为Q(g1),第二特征信息为R(g1),第三特征信息为T(g1),其中,参考数据结构G中历史运维检修记录g2的特征影响程度值为β(g2);
步骤S502:当参考数据结构F与参考数据结构G满足,R1>R2;说明f1的准确率大于g1的准确率,参考数据结构F的参考等级高于参考数据结构G的参考等级,|β(f2)-β(g2)|<δ1,且|T(f1)-T(g1)|<δ2,其中,δ1为第一阈值,δ2为第二阈值,判断在参考数据结构G中呈现出态势感知系统的准确率异常现象,将参考数据结构G进行特征标记;
步骤S503:将Q(f1)与Q(g1)进行特征信息偏差比对,对参考数据结构G提取得到第一影响因素集合W1=Q(g1)-Q(g1)∩Q(f1);将R(f1)与R(g1)在相同网络安全态势评估预警项上进行评估预警值的偏差比对,汇集评估预警值的偏差值大于阈值的所有网络安全态势评估预警项,对参考数据结构G提取得到第二影响因素集合W2;
上述第一影响因素集合和第二影响因素集合内的各因素,均为相较于参考数据结构F,从参考数据结构G中提取得到的存在影响态势感知系统准确率下降的可能因素。
进一步的,步骤S600包括:
步骤S601:汇集所有含有特征标记的参考数据结构的第一影响因素集合W1得到集合W1’,汇集所有含有特征标记的参考数据结构的第二影响因素集合W2得到集合W2’;当在集合W1’中存在特征信息e,且含有特征信息e的第一影响因素集合W1的个数为n1,含有特征标记的参考数据结构的总个数为N,计算特征信息e的特征值D(e)=n1/N,若特征信息e的特征值D(e)大于阈值,判断特征信息e为一个特征影响因素;
步骤S602:当在集合W2’中存在网络安全态势评估预警项h,且含有网络安全态势评估预警项h的第二影响因素集合W2的个数为n2,含有特征标记的参考数据结构的总个数为N,计算网络安全态势评估预警项h的特征值D(h)=n2/N,若网络安全态势评估预警项h的特征值D(h)大于阈值,判断网络安全态势评估预警项h为一个特征影响因素;
步骤S603:对所有特征影响因素进行提取,对各含有特征标记的参考数据结构的第一影响因素集合W1和第二影响因素集合W2进行遍历,当在含有特征标记的某参考数据结构的第一影响因素集合W1和第二影响因素集合W2中均未捕捉到存在特征影响因素,对某参考数据结构的特征标记进行保留,当在含有特征标记的某参考数据结构的第一影响因素集合W1或第二影响因素集合W2中捕捉到存在特征影响因素,对某参考数据结构的特征标记进行剔除。
进一步的,步骤S700包括:
步骤S701:获取当前对态势感知系统进行性能监测所提取得到的参考数据结构的总数S1,累计含有特征标记的参考数据结构的总数S2;
步骤S702:计算态势感知系统出现性能下降现象的概率值Ψ=S2/S1。
为更好的实现上述方法还提出了一种网络安全数据管理系统,系统包括记录信息提取管理模块、参考数据结构提取模块、影响因素提取管理模块、参考数据结构特征标记管理模块、性能检测预警提示管理模块;
记录信息提取管理模块,用于为电力监控系统配置态势感知系统,对态势感知系统对电力监控系统完成的每一次网络安全态势分析进行记录提取;分别对每一条历史网络安全态势分析记录进行特征分析;每当态势感知系统对电力监控系统完成一次网络安全态势分析,提取运维人员对电力监控系统相应产生的一条历史运维检修记录;获取在每一条历史运维检修记录产生的同时,运维人员根据在相应历史运维检修记录中的实际运维检修情况,对相应历史网络安全态势分析记录所评价的准确率;
参考数据结构提取模块,用于将各历史运维检修记录与相应的历史网络安全态势分析记录进行对应,构建得到一组对态势感知系统进行性能监测的参考数据结构;分别对各参考数据结构中的历史运维检修记录进行特征影响程度值的评估;基于各参考数据结构中相应历史网络安全态势分析记录的准确率,对各参考数据结构进行评估,得到各参考数据结构所对应的参考等级;其中,参考数据结构中相应历史网络安全态势分析记录的准确率越高,相应的参考等级越高;
影响因素提取管理模块,分别对各含有特征标记的参考数据结构进行导致态势感知系统准确率异常的影响因素提取;在对所有含有特征标记的参考数据结构提取得到的影响因素集合中,对导致态势感知系统准确率异常的特征影响因素进行识别提取;
参考数据结构特征标记管理模块,用于对所有参考等级下的参考数据结构进行信息遍历,对呈现出态势感知系统准确率异常的参考数据结构进行特征标记;用于根据特征影响因素在所有参数数据结构中的提取分布情况,对含有特征标记的参考数据结构进行特征标记管理;
性能检测预警提示管理模块,根据在所有参考数据结构中的最终特征标记分别情况,对态势感知系统出现性能下降现象的概率值进行评估,当概率值大于阈值时,向管理人员端口发送对态势感知系统进行性能检测的预警提示。
进一步的,影响因素提取管理模块包括影响因素提取管理单元、特征影响因素识别提取单元;
影响因素提取管理单元,用于分别对各含有特征标记的参考数据结构进行导致态势感知系统准确率异常的影响因素提取;
特征影响因素识别提取单元,用于在对所有含有特征标记的参考数据结构提取得到的影响因素集合中,对导致态势感知系统准确率异常的特征影响因素进行识别提取。
与现有技术相比,本发明所达到的有益效果是:本发明通过构建对态势感知系统进行性能监测的若干参考数据结构,并从若干参考数据结构中对含有能呈现出态势感知系统的准确率处于不同性能状态条件下的数据现象的参考数据结构进行识别提取,通过对能导致态势感知系统准确率异常的影响因素以及特征影响因素的提取过程,实现对因存有能影响态势感知系统准确率下降的因素,从而导致态势感知系统的准确率处于不同性能状态条件的参考数据结构筛选出来,实现对网络安全态势感知系统的实时性能监测,保证接入到电力监控系统中的网络安全态势感知系统的监控能力,实现对电力监控系统的全方位、全天候的网络安全态势感知。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明一种基于物联网的网络安全数据管理方法的流程示意图;
图2是本发明一种基于物联网的网络安全数据管理系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1-图2,本发明提供技术方案:一种基于物联网的网络安全数据管理方法,方法包括:
步骤S100:为电力监控系统配置态势感知系统,对态势感知系统对电力监控系统完成的每一次网络安全态势分析进行记录提取;分别对每一条历史网络安全态势分析记录进行特征分析;
其中,步骤S100包括:
步骤S101:分别在任意一条历史网络安全态势分析记录中,捕捉态势感知系统对从电力监控系统内的网络安全监控设备中采集得到的网络安全数据集,进行特征提取后得到的特征数据集合Q,提取特征数据集合Q作为任意一条历史网络安全态势分析记录的第一特征信息;
步骤S102:分别在任意一条历史网络安全态势分析记录中,获取态势感知系统将特征数据集合Q分别按照各预设评估指标数学模型内的形式化推理过程,计算得到对应各网络安全态势评估预警项上的评估预警值;汇集所有网络安全态势评估预警项上的评估预警值,得到评估预警值序列R,提取评估预警值序列R作为任意一条历史网络安全态势分析记录的第二特征信息;
通常在态势感知系统中可得到的网络安全态势评估预警项包括WEB应用安全预警、文件篡改预警、WEB漏扫预警;
步骤S103:分别在任意一条历史网络安全态势分析记录中,捕捉态势感知系统从电力监控系统内的网络安全监控设备中开始进行网络安全数据的采集,到对各网络安全态势评估预警项上的评估预警值输出完成所花费的总响应时长T,提取总响应时长T作为任意一条历史网络安全态势分析记录的第三特征信息;
步骤S200:每当态势感知系统对电力监控系统完成一次网络安全态势分析,提取运维人员对电力监控系统相应产生的一条历史运维检修记录;获取在每一条历史运维检修记录产生的同时,运维人员根据在相应历史运维检修记录中的实际运维检修情况,对相应历史网络安全态势分析记录所评价的准确率;
步骤S300:将各历史运维检修记录与相应的历史网络安全态势分析记录进行对应,构建得到一组对态势感知系统进行性能监测的参考数据结构;分别对各参考数据结构中的历史运维检修记录进行特征影响程度值的评估;
其中,步骤S300包括:
步骤S301:当对某电力监控设备A捕捉到存有运维人员执行运维检修操作的操作记录时,将某电力监控设备A,判断为在相应历史运维检修记录中被涉及的电力监控设备;当捕捉到在运维人员在某电力监控设备A上执行运维检修操作的时间段t内,某电力监控设备B未处于作业状态,对某电力监控设备B所有历史作业记录对应的作业时间段te进行提取;对包含时间段t,或者与时间段t存在时间重合的作业时间段te的个数进行累计,得到累计个数x,获取作业时间段te的总个数y,计算概率值α=x/y,当概率值α大于阈值时,将某电力监控设备B,判断为在相应历史运维检修记录中被涉及的电力监控设备;
步骤S302:分别在任意历史运维检修记录中,捕捉运维人员实际执行的所有运维检修操作,所涉及电力监控系统内的电力监控设备总数K;分别获取在任意历史运维检修记录中,运维人员从开始至执行完所有运维检修操作所花费的总时长Tw,计算任意历史运维检修记录的特征影响程度值β=K×Tw;
步骤S400:基于各参考数据结构中相应历史网络安全态势分析记录的准确率,对各参考数据结构进行评估,得到各参考数据结构所对应的参考等级;其中,参考数据结构中相应历史网络安全态势分析记录的准确率越高,相应的参考等级越高;
步骤S500:对所有参考等级下的参考数据结构进行信息遍历,对呈现出态势感知系统准确率异常的参考数据结构进行特征标记;分别对各含有特征标记的参考数据结构进行导致态势感知系统准确率异常的影响因素提取;
其中,步骤S500包括:
步骤S501:设在某参考等级R1中存在参考数据结构F,其中,参考数据结构F中历史网络安全态势分析记录f1的第一特征信息为Q(f1),第二特征信息为R(f1),第三特征信息为T(f1),其中,参考数据结构F中历史运维检修记录f2的特征影响程度值为β(f2);设在某参考等级R2中存在参考数据结构G,其中,参考数据结构G中历史网络安全态势分析记录g1的第一特征信息为Q(g1),第二特征信息为R(g1),第三特征信息为T(g1),其中,参考数据结构G中历史运维检修记录g2的特征影响程度值为β(g2);
步骤S502:当参考数据结构F与参考数据结构G满足,R1>R2,|β(f2)-β(g2)|<δ1,且|T(f1)-T(g1)|<δ2,其中,δ1为第一阈值,δ2为第二阈值,判断在参考数据结构G中呈现出态势感知系统的准确率异常现象,将参考数据结构G进行特征标记;
步骤S503:将Q(f1)与Q(g1)进行特征信息偏差比对,对参考数据结构G提取得到第一影响因素集合W1=Q(g1)-Q(g1)∩Q(f1);将R(f1)与R(g1)在相同网络安全态势评估预警项上进行评估预警值的偏差比对,汇集评估预警值的偏差值大于阈值的所有网络安全态势评估预警项,对参考数据结构G提取得到第二影响因素集合W2;
例如说,R(f1)中WEB应用安全预警值为40,R(g1)中WEB应用安全预警值为36;R(f1)中文件篡改预警值为30,R(g1)中文件篡改预警值为38;R(f1)中WEB漏扫预警值为26,R(g1)中WEB漏扫预警值为28;阈值为5;
综上,WEB应用安全预警项的偏差值为4,文件篡改预警项的偏差值为8,WEB漏扫预警项上的偏差值为2;
综上,最终提取得到的第二影响因素集合W2为{文件篡改预警项、WEB漏扫预警项};
步骤S600:在对所有含有特征标记的参考数据结构提取得到的影响因素集合中,对导致态势感知系统准确率异常的特征影响因素进行识别提取;根据特征影响因素在所有参数数据结构中的提取分布情况,对含有特征标记的参考数据结构进行特征标记管理;
其中,步骤S600包括:
步骤S601:汇集所有含有特征标记的参考数据结构的第一影响因素集合W1得到集合W1’,汇集所有含有特征标记的参考数据结构的第二影响因素集合W2得到集合W2’;当在集合W1’中存在特征信息e,且含有特征信息e的第一影响因素集合W1的个数为n1,含有特征标记的参考数据结构的总个数为N,计算特征信息e的特征值D(e)=n1/N,若特征信息e的特征值D(e)大于阈值,判断特征信息e为一个特征影响因素;
步骤S602:当在集合W2’中存在网络安全态势评估预警项h,且含有网络安全态势评估预警项h的第二影响因素集合W2的个数为n2,含有特征标记的参考数据结构的总个数为N,计算网络安全态势评估预警项h的特征值D(h)=n2/N,若网络安全态势评估预警项h的特征值D(h)大于阈值,判断网络安全态势评估预警项h为一个特征影响因素;
步骤S603:对所有特征影响因素进行提取,对各含有特征标记的参考数据结构的第一影响因素集合W1和第二影响因素集合W2进行遍历,当在含有特征标记的某参考数据结构的第一影响因素集合W1和第二影响因素集合W2中均未捕捉到存在特征影响因素,对某参考数据结构的特征标记进行保留,当在含有特征标记的某参考数据结构的第一影响因素集合W1或第二影响因素集合W2中捕捉到存在特征影响因素,对某参考数据结构的特征标记进行剔除;
步骤S700:根据在所有参考数据结构中的最终特征标记分别情况,对态势感知系统出现性能下降现象的概率值进行评估,当概率值大于阈值时,向管理人员端口发送对态势感知系统进行性能检测的预警提示;
其中,步骤S700包括:
步骤S701:获取当前对态势感知系统进行性能监测所提取得到的参考数据结构的总数S1,累计含有特征标记的参考数据结构的总数S2;
步骤S702:计算态势感知系统出现性能下降现象的概率值Ψ=S2/S1。
为更好的实现上述方法还提出了一种网络安全数据管理系统,系统包括记录信息提取管理模块、参考数据结构提取模块、影响因素提取管理模块、参考数据结构特征标记管理模块、性能检测预警提示管理模块;
记录信息提取管理模块,用于为电力监控系统配置态势感知系统,对态势感知系统对电力监控系统完成的每一次网络安全态势分析进行记录提取;分别对每一条历史网络安全态势分析记录进行特征分析;每当态势感知系统对电力监控系统完成一次网络安全态势分析,提取运维人员对电力监控系统相应产生的一条历史运维检修记录;获取在每一条历史运维检修记录产生的同时,运维人员根据在相应历史运维检修记录中的实际运维检修情况,对相应历史网络安全态势分析记录所评价的准确率;
参考数据结构提取模块,用于将各历史运维检修记录与相应的历史网络安全态势分析记录进行对应,构建得到一组对态势感知系统进行性能监测的参考数据结构;分别对各参考数据结构中的历史运维检修记录进行特征影响程度值的评估;基于各参考数据结构中相应历史网络安全态势分析记录的准确率,对各参考数据结构进行评估,得到各参考数据结构所对应的参考等级;其中,参考数据结构中相应历史网络安全态势分析记录的准确率越高,相应的参考等级越高;
影响因素提取管理模块,分别对各含有特征标记的参考数据结构进行导致态势感知系统准确率异常的影响因素提取;在对所有含有特征标记的参考数据结构提取得到的影响因素集合中,对导致态势感知系统准确率异常的特征影响因素进行识别提取;
其中,影响因素提取管理模块包括影响因素提取管理单元、特征影响因素识别提取单元;
影响因素提取管理单元,用于分别对各含有特征标记的参考数据结构进行导致态势感知系统准确率异常的影响因素提取;
特征影响因素识别提取单元,用于在对所有含有特征标记的参考数据结构提取得到的影响因素集合中,对导致态势感知系统准确率异常的特征影响因素进行识别提取;
参考数据结构特征标记管理模块,用于对所有参考等级下的参考数据结构进行信息遍历,对呈现出态势感知系统准确率异常的参考数据结构进行特征标记;用于根据特征影响因素在所有参数数据结构中的提取分布情况,对含有特征标记的参考数据结构进行特征标记管理;
性能检测预警提示管理模块,根据在所有参考数据结构中的最终特征标记分别情况,对态势感知系统出现性能下降现象的概率值进行评估,当概率值大于阈值时,向管理人员端口发送对态势感知系统进行性能检测的预警提示。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于物联网的网络安全数据管理方法,其特征在于,所述方法包括:
步骤S100:为电力监控系统配置态势感知系统,对态势感知系统对电力监控系统完成的每一次网络安全态势分析进行记录提取;分别对每一条历史网络安全态势分析记录进行特征分析;
步骤S200:每当态势感知系统对电力监控系统完成一次网络安全态势分析,提取运维人员对电力监控系统相应产生的一条历史运维检修记录;获取在每一条历史运维检修记录产生的同时,运维人员根据在相应历史运维检修记录中的实际运维检修情况,对相应历史网络安全态势分析记录所评价的准确率;
步骤S300:将各历史运维检修记录与相应的历史网络安全态势分析记录进行对应,构建得到一组对态势感知系统进行性能监测的参考数据结构;分别对各参考数据结构中的历史运维检修记录进行特征影响程度值的评估;
步骤S400:基于各参考数据结构中相应历史网络安全态势分析记录的准确率,对所述各参考数据结构进行评估,得到各参考数据结构所对应的参考等级;其中,参考数据结构中相应历史网络安全态势分析记录的准确率越高,相应的参考等级越高;
步骤S500:对所有参考等级下的参考数据结构进行信息遍历,对呈现出态势感知系统准确率异常的参考数据结构进行特征标记;分别对各含有特征标记的参考数据结构进行导致态势感知系统准确率异常的影响因素提取;
步骤S600:在对所有含有特征标记的参考数据结构提取得到的影响因素集合中,对导致态势感知系统准确率异常的特征影响因素进行识别提取;根据特征影响因素在所有参数数据结构中的提取分布情况,对含有特征标记的参考数据结构进行特征标记管理;
步骤S700:根据在所有参考数据结构中的最终特征标记所呈现的分布情况,对态势感知系统出现性能下降现象的概率值进行评估,当概率值大于阈值时,向管理人员端口发送对态势感知系统进行性能检测的预警提示。
2.根据权利要求1所述的一种基于物联网的网络安全数据管理方法,其特征在于,所述步骤S100包括:
步骤S101:分别在任意一条历史网络安全态势分析记录中,捕捉态势感知系统对从电力监控系统内的网络安全监控设备中采集得到的网络安全数据集,进行特征提取后得到的特征数据集合Q,提取所述特征数据集合Q作为所述任意一条历史网络安全态势分析记录的第一特征信息;
步骤S102:分别在任意一条历史网络安全态势分析记录中,获取态势感知系统将所述特征数据集合Q分别按照各预设评估指标数学模型内的形式化推理过程,计算得到对应各网络安全态势评估预警项上的评估预警值;汇集所有网络安全态势评估预警项上的评估预警值,得到评估预警值序列R,提取所述评估预警值序列R作为所述任意一条历史网络安全态势分析记录的第二特征信息;
步骤S103:分别在任意一条历史网络安全态势分析记录中,捕捉态势感知系统从电力监控系统内的网络安全监控设备中开始进行网络安全数据的采集,到对各网络安全态势评估预警项上的评估预警值输出完成所花费的总响应时长T,提取所述总响应时长T作为所述任意一条历史网络安全态势分析记录的第三特征信息。
3.根据权利要求2所述的一种基于物联网的网络安全数据管理方法,其特征在于,所述步骤S300包括:
步骤S301:当对某电力监控设备A捕捉到存有运维人员执行运维检修操作的操作记录时,将所述某电力监控设备A,判断为在相应历史运维检修记录中被涉及的电力监控设备;当捕捉到在运维人员在某电力监控设备A上执行运维检修操作的时间段t内,某电力监控设备B未处于作业状态,对所述某电力监控设备B所有历史作业记录对应的作业时间段te进行提取;对包含所述时间段t,或者与所述时间段t存在时间重合的作业时间段te的个数进行累计,得到累计个数x,获取作业时间段te的总个数y,计算概率值α=x/y,当概率值α大于阈值时,将所述某电力监控设备B,判断为在相应历史运维检修记录中被涉及的电力监控设备;
步骤S302:分别在任意历史运维检修记录中,捕捉运维人员实际执行的所有运维检修操作,所涉及电力监控系统内的电力监控设备总数K;分别获取在任意历史运维检修记录中,运维人员从开始至执行完所有运维检修操作所花费的总时长Tw,计算所述任意历史运维检修记录的特征影响程度值β=K×Tw。
4.根据权利要求3所述的一种基于物联网的网络安全数据管理方法,其特征在于,所述步骤S500包括:
步骤S501:设在某参考等级R1中存在参考数据结构F,其中,参考数据结构F中历史网络安全态势分析记录f1的第一特征信息为Q(f1),第二特征信息为R(f1),第三特征信息为T(f1),其中,参考数据结构F中历史运维检修记录f2的特征影响程度值为β(f2);设在某参考等级R2中存在参考数据结构G,其中,参考数据结构G中历史网络安全态势分析记录g1的第一特征信息为Q(g1),第二特征信息为R(g1),第三特征信息为T(g1),其中,参考数据结构G中历史运维检修记录g2的特征影响程度值为β(g2);
步骤S502:当参考数据结构F与参考数据结构G满足,R1>R2,|β(f2)-β(g2)|<δ1,且|T(f1)-T(g1)|<δ2,其中,δ1为第一阈值,δ2为第二阈值,判断在参考数据结构G中呈现出态势感知系统的准确率异常现象,将所述参考数据结构G进行特征标记;
步骤S503:将Q(f1)与Q(g1)进行特征信息偏差比对,对所述参考数据结构G提取得到第一影响因素集合W1=Q(g1)-Q(g1)∩Q(f1);将R(f1)与R(g1)在相同网络安全态势评估预警项上进行评估预警值的偏差比对,汇集评估预警值的偏差值大于阈值的所有网络安全态势评估预警项,对所述参考数据结构G提取得到第二影响因素集合W2。
5.根据权利要求4所述的一种基于物联网的网络安全数据管理方法,其特征在于,所述步骤S600包括:
步骤S601:汇集所有含有特征标记的参考数据结构的第一影响因素集合W1得到集合W1’,汇集所有含有特征标记的参考数据结构的第二影响因素集合W2得到集合W2’;当在集合W1’中存在特征信息e,且含有特征信息e的第一影响因素集合W1的个数为n1,含有特征标记的参考数据结构的总个数为N,计算特征信息e的特征值D(e)=n1/N,若特征信息e的特征值D(e)大于阈值,判断所述特征信息e为一个特征影响因素;
步骤S602:当在集合W2’中存在网络安全态势评估预警项h,且含有网络安全态势评估预警项h的第二影响因素集合W2的个数为n2,含有特征标记的参考数据结构的总个数为N,计算网络安全态势评估预警项h的特征值D(h)=n2/N,若网络安全态势评估预警项h的特征值D(h)大于阈值,判断所述网络安全态势评估预警项h为一个特征影响因素;
步骤S603:对所有特征影响因素进行提取,对各含有特征标记的参考数据结构的第一影响因素集合W1和第二影响因素集合W2进行遍历,当在含有特征标记的某参考数据结构的第一影响因素集合W1和第二影响因素集合W2中均未捕捉到存在特征影响因素,对所述某参考数据结构的特征标记进行保留,当在含有特征标记的某参考数据结构的第一影响因素集合W1或第二影响因素集合W2中捕捉到存在特征影响因素,对所述某参考数据结构的特征标记进行剔除。
6.根据权利要求5所述的一种基于物联网的网络安全数据管理方法,其特征在于,所述步骤S700包括:
步骤S701:获取当前对态势感知系统进行性能监测所提取得到的参考数据结构的总数S1,累计含有特征标记的参考数据结构的总数S2;
步骤S702:计算态势感知系统出现性能下降现象的概率值Ψ=S2/S1。
7.用于执行权利要求1-6中任意一项所述的一种基于物联网的网络安全数据管理方法的网络安全数据管理系统,其特征在于,所述系统包括记录信息提取管理模块、参考数据结构提取模块、影响因素提取管理模块、参考数据结构特征标记管理模块、性能检测预警提示管理模块;
所述记录信息提取管理模块,用于为电力监控系统配置态势感知系统,对态势感知系统对电力监控系统完成的每一次网络安全态势分析进行记录提取;分别对每一条历史网络安全态势分析记录进行特征分析;每当态势感知系统对电力监控系统完成一次网络安全态势分析,提取运维人员对电力监控系统相应产生的一条历史运维检修记录;获取在每一条历史运维检修记录产生的同时,运维人员根据在相应历史运维检修记录中的实际运维检修情况,对相应历史网络安全态势分析记录所评价的准确率;
所述参考数据结构提取模块,用于将各历史运维检修记录与相应的历史网络安全态势分析记录进行对应,构建得到一组对态势感知系统进行性能监测的参考数据结构;分别对各参考数据结构中的历史运维检修记录进行特征影响程度值的评估;基于各参考数据结构中相应历史网络安全态势分析记录的准确率,对所述各参考数据结构进行评估,得到各参考数据结构所对应的参考等级;其中,参考数据结构中相应历史网络安全态势分析记录的准确率越高,相应的参考等级越高;
所述影响因素提取管理模块,分别对各含有特征标记的参考数据结构进行导致态势感知系统准确率异常的影响因素提取;在对所有含有特征标记的参考数据结构提取得到的影响因素集合中,对导致态势感知系统准确率异常的特征影响因素进行识别提取;
所述参考数据结构特征标记管理模块,用于对所有参考等级下的参考数据结构进行信息遍历,对呈现出态势感知系统准确率异常的参考数据结构进行特征标记;用于根据特征影响因素在所有参数数据结构中的提取分布情况,对含有特征标记的参考数据结构进行特征标记管理;
所述性能检测预警提示管理模块,根据在所有参考数据结构中的最终特征标记所呈现的分布情况,对态势感知系统出现性能下降现象的概率值进行评估,当概率值大于阈值时,向管理人员端口发送对态势感知系统进行性能检测的预警提示。
8.根据权利要求7所述的网络安全数据管理系统,其特征在于,所述影响因素提取管理模块包括影响因素提取管理单元、特征影响因素识别提取单元;
所述影响因素提取管理单元,用于分别对各含有特征标记的参考数据结构进行导致态势感知系统准确率异常的影响因素提取;
所述特征影响因素识别提取单元,用于在对所有含有特征标记的参考数据结构提取得到的影响因素集合中,对导致态势感知系统准确率异常的特征影响因素进行识别提取。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311755924.8A CN117439822B (zh) | 2023-12-20 | 2023-12-20 | 一种基于物联网的网络安全数据管理系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311755924.8A CN117439822B (zh) | 2023-12-20 | 2023-12-20 | 一种基于物联网的网络安全数据管理系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117439822A CN117439822A (zh) | 2024-01-23 |
CN117439822B true CN117439822B (zh) | 2024-03-08 |
Family
ID=89552049
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311755924.8A Active CN117439822B (zh) | 2023-12-20 | 2023-12-20 | 一种基于物联网的网络安全数据管理系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117439822B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117830961B (zh) * | 2024-03-06 | 2024-05-10 | 山东达斯特信息技术有限公司 | 一种基于图像分析的环保设备运维行为分析方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110445807A (zh) * | 2019-08-23 | 2019-11-12 | 瑞森网安(福建)信息科技有限公司 | 网络安全态势感知系统及方法 |
CN116345696A (zh) * | 2023-05-29 | 2023-06-27 | 南京上古网络科技有限公司 | 一种基于全域监测的异常信息分析管理系统及方法 |
CN117201273A (zh) * | 2023-09-11 | 2023-12-08 | 江苏安恒网络安全有限公司 | 安全告警自动化分析降噪方法、装置及服务器 |
-
2023
- 2023-12-20 CN CN202311755924.8A patent/CN117439822B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110445807A (zh) * | 2019-08-23 | 2019-11-12 | 瑞森网安(福建)信息科技有限公司 | 网络安全态势感知系统及方法 |
CN116345696A (zh) * | 2023-05-29 | 2023-06-27 | 南京上古网络科技有限公司 | 一种基于全域监测的异常信息分析管理系统及方法 |
CN117201273A (zh) * | 2023-09-11 | 2023-12-08 | 江苏安恒网络安全有限公司 | 安全告警自动化分析降噪方法、装置及服务器 |
Also Published As
Publication number | Publication date |
---|---|
CN117439822A (zh) | 2024-01-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117439822B (zh) | 一种基于物联网的网络安全数据管理系统及方法 | |
CN112925279A (zh) | 一种基于mes系统的故障综合分析系统 | |
CN117235649A (zh) | 一种基于大数据的工业设备状态智能监测系统及方法 | |
CN107195014A (zh) | 一种基于二维码扫描的定点定期巡检方法及系统 | |
CN115372816B (zh) | 基于数据分析的配电开关设备运行故障预测系统及方法 | |
CN114707363B (zh) | 用于配网工程管理的问题数据处理方法及系统 | |
CN117149733B (zh) | 一种基于大数据的多平台日志审计分析系统及方法 | |
CN117436846A (zh) | 基于神经网络的设备预测性维护方法及系统 | |
CN116986246A (zh) | 一种用于对输煤皮带进行智能巡检系统及巡检方法 | |
CN115757363B (zh) | 一种三维地籍数据库的多层级管理方法及系统 | |
CN112001466A (zh) | 一种智能电缆的射频识别系统、方法及装置 | |
CN117312290A (zh) | 一种提高异构系统数据质量的方法 | |
CN102073930A (zh) | 一种基于虚拟机的针对电力调度自动化系统的安全风险评估方法 | |
CN117195451A (zh) | 一种基于图论的桥梁监测数据修复方法 | |
CN116545111A (zh) | 一种基于变电站内外网的信息交互系统 | |
CN115187880A (zh) | 基于图像识别的通信光缆缺陷检测方法、系统及存储介质 | |
CN112153341B (zh) | 一种任务监督方法、装置、系统、电子设备及存储介质 | |
CN113593069A (zh) | 数学孪生智能巡检系统 | |
CN105989432A (zh) | 用于资产维护管理或评价绩效的计算机处理系统及方法 | |
CN117902474B (zh) | 一种基于多模态数据分析的起重机安全监测系统及方法 | |
CN116150636B (zh) | 一种传动模组的故障监测方法及系统 | |
CN117172139B (zh) | 通信用铜包铝合金电缆的性能测试方法及系统 | |
CN111027913B (zh) | 一种适用于动产融资类仓储物流数据的管理方法 | |
CN115001138A (zh) | 一种电力系统主网检修单开竣工自动许可系统及方法 | |
CN117853304A (zh) | 一种地铁通风设备运行状态监测方法及系统 |
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 |