一种基于CML的智能变电站设备网络结点连锁失效风险分析
方法
技术领域
背景技术
[0002] 智能变电站，作为智能
电网的核心
节点，其安全的重要性自然不言而喻，一旦出现问题，后果可能是灾难性的。一些不法分子也可能利用黑客技术窃取智能变电站的相关信息，使国家资产蒙受损失。因此，分析变电站可能存在的风险，确保
智能电网信息安全是我们的重要目标。
[0003] 针对电
力信息系统的安全性进行探讨已经成为目前学术界的研究热点之一。国际大电网组织(CIGRE)的JWG-DZ/B3/CZ-01工作组由包括DZ(电力信息与通信系统)、B3(变电站)、CZ(系统运行和控制)在内的三个专委会组成，其开展了“电力系统信息与通信系统安全”研究，并形成技术手册，在该工作组的研究报告中指出：“信息安全风险评估是电力安全防御中不可缺少的部分，但是在电力系统应用中，仍缺乏分析控制过程信息安全风险的完善方法”。CIGRE的JWG-DZ/B3/CZ-01工作组“Security for Information System and Intranets in Electric Power System”针对电力系统的信息安全问题及解决方法进行了研究，并探讨了电力信息网络安全体系的
框架、安全管理的策略。
[0004] 信息安全风险评估技术的相关工作在我国近几年刚刚进入发展时期，国内目前在信息系统安全评估理论的研究方面比缺乏，针对特定领域比如电力信息系统等的研究相对比较少。当今主流的信息安全风险评估方法都是将资产重要性、威胁等级和脆弱性等级作为量化指标，通过这三个指标得出安全事件的影响和可能性的值，再以此为
基础计算出对象的风险值。
发明内容
[0005] 有鉴于此，本发明的目的在于提供一种基于CML的智能变电站设备网络结点连锁失效风险分析方法。
[0006] 为达到上述目的，本发明提供如下技术方案：
[0007] 一种基于CML的智能变电站设备网络结点连锁失效风险分析方法，该方法为：
[0008] 通过对智能变电站设备节点以及节点间的设备连接建立网络，来评估不同设备节点在发生故障时对智能变电站整体设备网络的影响，从而对智能变电站信息安全风险进行有效分析。
[0009] 可选的，所述智能变电站设备的状态检测步骤为：
[0010] 步骤1：对于一个智能变电站系统，根据其安全特征，将智能变电站中设备节点映射为网络中的节点，设备节点间的数据交互映射为网络中的边，构建设备节点网络；
[0011] 步骤2：根据步骤1所构建的智能变电站设备节点网络，计算该网络的平均路径长度、整个网络的集聚系数和网络中设备节点的度分布，对比得出该智能变电站设备节点网络的分布特征，在具有小世界无标度特征的前提下对之后信息安全风险分析方法进行选用；
[0012] 步骤3：根据步骤2所述该智能变电站设备节点网络的分布特征，选用耦合映像格子CML对智能变电站设备节点网络进行节点连锁失效演化模型建立；
[0013] 步骤4：根据步骤3所用的CML连锁失效风险分析方法建立的模型，结合节点的漏洞评分列表对该智能变电站网络进行节点连锁失效结果模拟；也通过虚拟安全等级对该智能变电站设备节点网络进行节点的核心程度分析；
[0014] 步骤5：根据步骤4方法构建模型对智能变电站设备节点网络信息安全风险进行评估，结合具体的智能变电站设备漏洞数据，增加智能变电站设备节点网络拓扑图实现
可视化效果，通过在拓扑图上点击特定失效节点，在网络中经过CML方法连锁传播后模拟出整个网络中其他节点的失效情况，得出评估结果。
[0015] 可选的，所述网络的结构分析步骤为：
[0016] (1)计算网络的平均路径长度；
[0017] (2)计算网络的集聚系数；
[0018] (3)计算网络中节点的度分布；
[0019] (4)判断相较于随机网络，该网络是否具有更短的平均路径长度，更高的集聚系数，以及度分布是否符合幂律分布，确定是否符合小世界和无标度规律，是否能应用CML模型。
[0020] 可选的，其特征在于：所述信息安全风险分析实现步骤包括：
[0021] (1)根据所用的CML连锁失效风险分析方法建立的模型，结合节点的漏洞评分列表对该智能变电站网络进行节点连锁失效结果模拟；
[0022] (2)根据所用的CML连锁失效风险分析方法建立的模型，通过虚拟安全等级对该智能变电站设备节点网络进行节点的核心程度分析。
[0023] 本发明的有益效果在于：
[0024] (1)弥补传统智能变电站信息安全风险评估方法的不足，能够在线结合相应节点的漏洞评分数据对整体设备节点网络进行分析；
[0025] (2)本发明评估范围广泛，能够适应不同类型的智能变电站设备节点网络；
[0026] (3)本发明解决了传统智能变电站信息安全风险分析方法的参数设置主观，实时性差的问题。
[0027] (4)本发明还能对通过数据、程序
接口调用实现动态的设备节点网络连锁失效的可视化过程，以及给出对相关节点和漏洞的处理意见。
[0028] 本发明的其他优点、目标和特征在某种程度上将在随后的
说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
[0029] 为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作优选的详细描述，其中：
[0030] 图1为智能变电站节点示意图；
[0031] 图2为智能变电站节点连接示意图；
[0032] 图3为复杂网络度分布示意图；
[0033] 图4为本发明一个
实施例的演示示意图。
具体实施方式
[0034] 以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
[0035] 其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本发明的限制；为了更好地说明本发明的实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
[0036] 本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或
位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本发明的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
[0037] 如图1～图4。为实施例中CML设备节点连锁失效风险分析方法。该方法包括：
[0038] 步骤1、对于一个智能变电站系统，根据其安全特征，将智能变电站中设备节点映射为网络中的节点，设备节点间的数据交互映射为网络中的边，构建设备节点网络；
[0039] 按照步骤1所述，根据其结构特征，将智能变电站设备节点和节点间的连接关系拓扑成智能变电站设备节点网络，复杂网络可以用一个由点集V和边集E构成的图G＝(V,E)来抽象表示。图中的节点为复杂网络系统中实体的映射，边则为复杂网络系统中实体间关系的映射，边可以有权重和方向，权重表征节点间联系的紧密程度，方向表征节点间联系的单向或者多向。智能变电站设备节点可以依照如上的关系建立网络。
[0040] 步骤2、根据步骤1所构建的智能变电站设备节点网络，计算该网络的平均路径长度、整个网络的集聚系数和网络中设备节点的度分布，对比得出该智能变电站设备节点网络的分布特征，在其具有小世界无标度特征的前提下对之后信息安全风险分析方法进行选用；
[0041] 依次计算所建立网络的如下参数：
[0042] 1)度分布：网络中所有节点v的度k的平均值称为网络的平均值：
[0043]
[0044] 2)平均路径长度：网络的平均路径长度L定义为任意两个节点之间的距离的平均值：
[0045]
[0046] 3)聚类系数：节点vi的ki个邻居节点之间实际存在的边数Ei和总的可能的边数之比就定义为节点vi的聚类系数Ci:
[0047]
[0048] 整个网络的聚类系数C为Ci的平均值。
[0049] 4)度相关性：度相关性用于描述网络中节点之间的连接关系，若度较大的节点倾向于连接度大的节点，则称此网络是正相关的；否则称之为负相关的。只需计算
顶点度的Pearson相关系数r即可描述网络的度相关性。
[0050]
[0051] 其中ji，ki分别表示连接第i条边的两个顶点j,k的度。M表示网络的总边数。
[0052] 步骤3根据步骤2所述该智能变电站设备节点网络的分布特征，选用CML(coupled map lattice)即耦合映像格子对智能变电站设备节点网络进行节点连锁失效演化模型建立；
[0053] 将智能变电站中设备节点映射为网络中的节点，设备节点间的数据交互映射为网络中的边。经考察，智能变电站设备节点网络中的平均路径长度较小，整个网络的集聚系数较高，符合小世界网络的特征。同时网络中设备节点的度分布服从幂律分布，也符合无标度网络的特征。
[0054] 可以看出智能变电站的设备节点网络同时具有小世界和无标度网络的特征，即网络中小网络的内聚程度高，少量的节点具有较高的出入度，大量的节点凝聚在少量的HUB节点周围。上述对智能变电站设备节点网络性质的分析为之后对信息安全风险分析模型的选择建立了基础。
[0055] 为了模拟设备在遭受攻击等设备节点失效情况下智能电网的变化情况，考虑对节点i的状态于时刻m施加一个扰动R≥1，使得该节点在m时刻发生了故障，节点i的状态变化由下式描述：
[0056]
[0057] 步骤4、根据步骤3所用的CML连锁失效风险分析方法建立的模型，可以结合节点的漏洞评分列表对该智能变电站网络进行节点连锁失效结果模拟；也可以通过虚拟安全等级对该智能变电站设备节点网络进行节点的核心程度分析；
[0058] 步骤5、根据步骤4所述方法构建模型对智能变电站设备节点网络信息安全风险进行评估，结合具体的智能变电站设备漏洞数据，增加智能变电站设备节点网络拓扑图实现可视化效果，通过在拓扑图上点击特定失效节点，在网络中经过CML方法连锁传播后模拟出整个网络中其他节点的失效情况，得出评估结果，见图4。表1为智能变电站引入
机器学习后的风险模型选择。
[0059] 表1：智能变电站引入机器学习后的风险模型选择
[0060]
[0061] 最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行
修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的
权利要求范围当中。
