电力数据信息安全研究

电力数据信息安全研究

陈一恺

苏晋保德煤电有限公司 036604

摘要：随着大数据等新技术在电网中的应用，智能电网“输-变-配-用-调”各环节以及各业务应用中的大量数据成为有效元素整合起来，传统网络安全防护架构已经不能完全适用于现有智能电网体系。文章根据电力大数据的特性，运用特征提取、行为建模、关联分析、威胁预判等方式，探讨电力行业大数据网络安全分析技术的可行性，为新形势下电力行业网络安全事件预警与防护提供技术支持。

关键词：电力数据；数据处理；安全分析方法；解决方案

0引言

云计算、物联网、大数据、移动互联等信息化新技术快速发展与应用，促使每天产生大量的数据，这些数据已经渗透到经济社会各个方面和各个环节，成为一项重要资源[1]。电力行业网络规模日益庞大，结构日益复杂，电网关键环节自动化、智能化程度不断提升，数据交互及流量规模开始急剧增长，大量非结构化数据在收集、传输、处理、存储方面给传统安全防护架构提出了新的挑战。国网公司积极应对电力数据的增长，通过将基于电网实际的电力数据运用于配网规划业务、智能变电站、电网调度、用电信息采集、移动购电等，使得电力大数据广泛覆盖到“三集五大体系”中的大规划、大检修、大运行、大营销等诸多方面，推动国家电网公司的业务和管理水平的提升。信息化新技术应用的同时也伴随着信息安全风险的出现，因此，通过构建电力大数据信息安全分析架构，对其数据处理、安全分析方法进行系统地分析，为电力企业提供应对大数据的信息安全解决方案。

1电力大数据的应用特征

大数据本身具有4个典型特征：容量巨大；数据类型多样；价值密度低；处理速度快，对此业界已基本达成共识，但还没有统一的定义。大数据技术应用于电力行业，主要从某一类业务数据为基础，适应于典型应用场景，实现应用创新和管理提升。电力大数据应用于大规划，主要是针对电网趋势进行预测，通过用电量预测、空间负荷预测以及多项指标关联分析，进行综合分析，从而支持规划设计；电力大数据应用于大检修，通过视频监测变电站，实时准确识别多种表计、刀闸、开关与隔离开关的位置、状态或读数，利用大数据技术，智能分析视频数据，从而代替传统的传感器；电力大数据应用于大运行，通过对电网调度的电网设备台账信息、设备拓扑信息、设备遥信遥测的相关信息的历史时刻查询，预测分析未来状态，为设备状态管理提供完善建议，为电网调度提供辅助决策；电力大数据应用于大营销，拓展面向智能化、互动化的服务能力，面向用电信息采集、计量、收费和服务资源，开展用电互动服务，实时反馈用电、购电信息，例如营销微信平台、营销手机、营销支付宝等。

随着居民用电信息采集的表记终端数量达到上亿只，供电电压自动采集接入电压监测点达到上万个，输变电状态监测装置接入上万个，监测数据达到上千万条，电力大数据的应用也具有数据量大、数据类型多、实时性强等大数据的典型应用特征。

2电力大数据的信息安全风险

电力大数据在提升行业、企业管理水平和经济效益的同时，数据爆发式的增长也给数据存储、分析处理、统计计算带来极大的挑战，加大了数据在产生、传输、处理、存储、应用和运维管理各环节的安全风险。数据在产生和传输过程中存在传输中断、被恶意窃听、伪造和篡改的风险；数据在处理、存储和应用过程中，面临着部分用户越权读写、主机物理故障等风险；以及内部运维控制措施不当带来的风险等[3]。除了面临上述传统的安全风险外，电力大数据还面临新技术应用后所带来的新型安全风险。高级持续性威胁（AdvancedPersistentThreat，APT）攻击（长时间窃取数据）就是这种新型安全风险之一，其典型特点就是持续时间长，攻击者对于防护设备进行持续的试探和尝试，不断研究和测试攻击目标系统的弱点，一旦发现防护短板，就利用各种技术进行攻击[4]。这不仅对目前信息化新技术应用的业务系统造成巨大威胁，也对传统的信息安全防护体系提出了挑战。

3电力大数据的信息安全分析架构

新技术的发展也带动信息安全发展趋势从面向合规的安全向面向对抗的安全转变，从消极被动防御到积极主动防御甚至是攻防兼备、积极对抗的转变。100％的安全是绝对不可能的，但是可以主动认识潜在的威胁和敌人，充分分析电力大数据技术应用场景下的安全风险，具备先发制人、主动防御能力，这就是新型信息安全防御体系的理念。将该理念融入到大数据信息安全分析中，通过进一步研究数据分析、挖掘技术[5]，构建电力大数据信息安全分析架构。

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数据采集、数据存储、分析建模、应用展示，采用特征提取、恶意代码检测、行为建模、威胁研判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。

4电力大数据信息安全分析架构的分析方法

大数据的信息安全分析方法很多，随着数据挖掘技术的日渐成熟，分析算法也日渐丰富，其中关联分析、序列分析、空间同位算法、分类技术、离群算法等[7]针对大量序列式的分析具有很好的处理效果。不同的数据库采用不同的数据挖掘分析算法，例如关系数据库、事务数据库可以采用关联分析、序列分析、统计分析等算法进行数据挖掘；数据仓库采用联机分析处理等数据挖掘技术；文本数据库采用自动聚类、机器学习、模式匹配、数据摘要等数据挖掘技术；多媒体数据库采用聚类、关联分析等数据挖掘技术。因此，本文以关联分析、序列分析方法为例，根据数据流量、攻击行为特征与时间的相关性，对每个小时内各个指标值分别进行建模。指定数据的起止时间、观测周期长度，利用各指标值在不同时刻的取值，对指标数据通过关联分析、序列分析进行量化，计算各指标值均值和方差，将其作为指标的统计模型。采用异常检测与假设检验的方式，对攻击事件的指标突变异常和渐变异常进行检测与校验。

5结语

电力大数据信息安全分析的方法很多，全面预测电力大数据信息安全事件是多种分析方法综合应用的结果，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。

参考文献：

[1]闫龙川，李雅西，李斌臣，等.电力大数据面临的机遇与挑战[J].电力信息化，201311（4）：1-4.YANLong-chuan，LIYa-xi，LIBin-chen，etal.Opportunityandchallengeofbigdataforthepowerindustry[J].ElectricPowerInformationTechnology，2013，11（4）：1-4.

[2]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.

[3]王继业.电力行业的大数据安全防护[J].中国信息安全，2013（9）：85-86.

[4]王倩，朱宏峰，刘天华.大数据安全的现状与发展[J].计算机与网络，2013（16）：66-69.

[5]陈亮，胡威，曹孝元，等.智能电网中大数据应用关键技术研究[C]//中国电机工程学会2012电力行业信息化年会论文集，2012：1-4.