【精彩论文】基于函数挖掘的能源信息物理系统数据安全风险识别算法

观点凝练

摘要：数据安全风险评估对于能源信息物理系统安全稳定运行至关重要。现有的从二次设备、信息等角度来分析数据安全风险已经无法满足能源信息物理系统广泛的能源接入和各能源之间的能量、信息交互需求。首先提出基于粗糙集的数据安全风险要素特征选择算法，对影响能源信息物理系统中数据的安全风险特征集进行特征选择，降低能源信息物理系统数据安全风险要素集的维度；在此基础上，利用基因表达式编程（gene expression programming, GEP）的函数挖掘特性，提出基于混合GEP的能源信息物理系统数据安全风险识别算法，通过设计小生境种群生成策略以及动态自适应变异概率动态调整策略来提高数据安全风险识别的准确率和效率。仿真实验结果表明，所提算法对于复杂高维的能源信息物理系统数据安全风险集的识别和预测具有较高的准确率和较强的实用性，可为下一步制定能源信息物理系统数据安全防护策略提供理论方法支撑。
结论：为了更好地处理能源互联网下数据安全风险识别，本文提出了基于混合GEP的能源信息物理系统数据安全风险识别算法。首先构建能源信息物理系统数据安全风险决策表，并基于粗糙集对该数据安全风险决策表进行特征选择；在此基础上通过构建小生境种群生成策略以及动态自适应变异概率动态调整策略来构建基于混合基因表达式编程的数据安全风险识别模型。仿真实验表明本文所提出算法具有较强的高维数据处理能力以及数据安全风险识别准确率和预测精度。

数据安全风险识别是制定数据安全防护策略的前提和基础，本文研究工作可为能源互联网数据安全防护提供方法支撑。实际中能源互联网数据来源广泛，数据类型复杂，数据量较大，影响数据安全的风险要素众多，为了能对能源互联网数据实现全生命周期的安全防护，下一步将从数据采集、传输、存储、应用等角度梳理数据安全风险要素，构建一个数据全生命周期的数据安全风险要素集，并通过UML建模和关联分析的方法分析每一个数据安全风险要素之间的关系。

引文信息

邓松, 蔡清媛, 高昆仑, 等. 基于函数挖掘的能源信息物理系统数据安全风险识别算法[J]. 中国电力, 2021, 54(3): 23-30, 37.DENG Song, CAI Qingyuan, GAO Kunlun, et al. Data security risk recognition algorithm for energy cyber physics system based on function mining[J]. Electric Power, 2021, 54(3): 23-30, 37.

 往期回顾 

编辑：杨彪

审核：方彤

声明

根据国家版权局最新规定，纸媒、网站、微博、微信公众号转载、摘编《中国电力》编辑部的作品，转载时要包含本微信号名称、二维码等关键信息，在文首注明《中国电力》原创。个人请按本微信原文转发、分享。欢迎大家转载分享。