[发明专利]一种智能电网信息敏感度的动态评估方法及系统

说明书

本发明公开了一种智能电网信息敏感度的动态评估方法及系统，主要包括以下步骤：首先考虑了数据客观性信息因素I、电力业务运营环境C以及业务参与者体验P对智能电网信息敏感度的影响，构建出智能电网业务信息敏感度多维度量体系；其次分析了I、C、P之间的多因素关联映射关系，提出电力业务场景多因素影响下的信息敏感度动态度量体系；最后提出电力业务场景自学习的数据敏感度动态评估方法，采用基于深度强化学习的动态反馈机制，实现了基于场景自适应的信息敏感度评估模型的动态优化。本发明的有益效果为使信息敏感度的评估更具通用性和针对性，实现了基于场景自适应的信息敏感度动态评估，从而提高了智能电网信息敏感度计算的准确性。

技术领域

本发明涉及信息安全技术领域，具体而言，涉及一种智能电网信息敏感度的动态评估方法及系统。

背景技术

随着当前智能电网终端设备智能化和互动化程度日益提升、网络通信方式日益多元复杂化，三遥、用电采集等智能电网业务敏感信息的感知、传输、共享和利用面临着极大的安全可靠挑战：一是在智能电网环境中，海量物联网、继电保护、PMU设备等遍布电网各处，它们实时感知、监控、发布电网设备状态、电网运行状态、市场交易状态等电力业务信息，在其数据传输过程中，相关业务状态信息或控制命令等敏感信息可能遭受窃听或流量追踪分析等攻击，轻则造成电力用户个人隐私泄露，重则威胁电网安全运行。二是在电力垂直行业应用生态链中，发电、输电、变电、配电、储电、用电、调度及经营管理等各方，常根据自身需要彼此间共享各自拥有的能源流、业务流、信息流等相关信息，致使各方的敏感数据在跨域共享和流通中面临隐私安全威胁。为了能对共享和流通中的敏感数据提供有效的全生命周期安全保护，我们需要预先知道电力业务相关信息的实际敏感度。

事实上，准确可靠的电力业务信息安全敏感度评估是保证电力业务敏感数据全域安全流通和可信共享的关键前提。目前，已有一些研究从不同的角度提出了敏感数据隐私度量方法：一是利用信息熵，根据隐私信息中所包含的不确定程度来度量隐私敏感度；二是基于概率统计的方法，利用概率分布信息来推断隐私信息泄露的可能性，以此度量信息的敏感度；三是基于集对分析理论，采取定性与定量相结合的方式来解决信息敏感度评估问题。然而，上述方法各自都存在一定的缺陷，且它们所考虑的因素单一。例如：基于信息熵的度量方法实质上是对信息不确定程度的度量，因此它对单一类型隐私数据的敏感度度量具有较好的效果。但在智能电网的复杂场景下，面对多源数据类型，且不同来源的数据有敏感性和非敏感性之分，它因单一考虑信息混乱变化因素将无法精准地对敏感数据进行恰当的评估。基于概率统计的方法则需要掌握一定程度的事件发生概率等先验信息。然而，在多数情况下这些先验信息无法提前获得，而由主观推断的数据准确性无法预估，因此在场景的应用上具有一定的局限性。基于集对分析理论的方法主要是针对两数据集之间的关联隐私信息的不确定性进行度量，它是需要具有给定数据集的前提条件，对于智能电网中数据的实时性等问题无法进行有效度量。

实际上，电力业务相关信息的敏感度具有时空性，不仅数据本身的时效直接影响信息的隐私泄露风险，而且业务运营环境也影响数据在传输过程中受到的安全威胁等级；此外，电力信息敏感度还与业务场景需求、信息产生者/使用者的主观体验和感受有关。因此信息的敏感度难免会受到多个方面因素的共同影响。如何有效度量智能电网业务信息敏感度？目前这方面的研究既不系统也不深入。一方面，针对在多重因素共同作用下敏感数据面临的隐私安全威胁，目前还缺乏合适的描述模型；另一方面，现有的敏感度度量方法仅关注敏感属性的核心载体(即：数据/信息)对该属性的客观性决定作用，而忽视了数据共享和流通中各参与实体(例如：数据生产者、数据所有者、数据使用者、数据中介者等)的隐私安全威胁体验对数据敏感度的主观性认知作用。

有鉴于此，特提出本申请。

发明内容