引言

云计算、物联网、大数据、移动互联网等新信息技术的快速发展和应用，促进了大量数据的日常生成，渗透到经济社会的各个方面和环节，成为重要的资源[1]。电力行业网络规模越来越大，结构越来越复杂，电网关键环节自动化，智能化程度不断提高，数据交互和流量规模开始急剧增长。大量非结构化数据在收集、传输、处理和存储方面对传统的安全保护架构提出了新的挑战。国家电网公司积极应对电力数据的增长，将基于电网的实际电力数据应用于配网规划业务、智能变电站、电网调度、电力信息采集、移动电力采购等，使电力大数据广泛覆盖“三集五大体系”大规划、大维护、大运营、大营销等方面，促进国家电网公司业务和管理水平的提高。信息新技术的应用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，系统分析其数据处理和安全分析方法，为电力企业提供大数据信息安全解决方案。

电力大数据1的应用特点

大数据本身有四个典型特征：容量大、数据类型多样、价值密度低、处理速度快，行业基本达成共识，但没有统一定义。大数据技术应用于电力行业，主要基于某一类业务数据，适应典型应用场景，实现应用创新和管理改进。电力大数据应用于大规划，主要针对电网趋势预测，通过电力预测、空间负荷预测和多个指标相关分析，支持规划设计；电力大数据应用于大维护，通过视频监控变电站，实时准确识别各种表计、刀闸、开关和隔离开关的位置、状态或读数，利用大数据技术智能分析视频数据，取代传统传感器；电力大数据应用于大运行，通过电网设备台账信息、设备拓扑信息、设备遥信遥测相关信息的历史时刻查询、预测和分析未来状态，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，拓展智能互动服务能力，收集、计量、收费和服务资源，开展电力互动服务，实时反馈电力，购买电力信息，如营销微信平台、营销手机、营销支付宝等。

随着居民电信息采集终端数量达到数亿，供电电压自动采集接入电压监测点达到数万，输变电状态监测装置接入数万，监测数据达到数千万，电力大数据应用也具有数据量大、数据类型多、实时性强的典型应用特点。

2.电力大数据信息安全风险

在提高行业、企业管理水平和经济效益的同时，数据的爆炸性增长也给数据存储、分析处理和统计带来了巨大的挑战，增加了数据生成、传输、处理、存储、应用和运维管理的安全风险。数据在生成和传输过程中存在传输中断、恶意窃听、伪造和篡改的风险；在数据处理、存储和应用过程中，面临部分用户越权读写、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[3]。除上述传统安全风险外，电力大数据还面临着新技术应用带来的新安全风险。高级持续威胁（AdvancedPersistentThreat，APT）攻击（长期窃取数据）是这种新的安全风险之一，其典型特点是持续时间长。攻击者不断测试和尝试防护设备，不断研究和测试攻击目标系统的弱点，一旦发现防护缺陷，使用各种技术进行攻击[4]。这不仅对当前新技术应用的业务系统构成了巨大威胁，也挑战了传统的信息安全保护系统。

3.电力大数据信息安全分析架构

新技术的发展也带动了信息安全从合规安全向对抗安全的转变，从消极被动防御到积极防御，甚至攻防兼备的转变。100%的安全是绝对不可能的，但可以主动了解潜在的威胁和敌人，充分分析电力大数据技术应用场景下的安全风险，具备先发制人和主动防御能力，这是新型信息安全防御体系的理念。将这一理念融入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，一种安全分析的概念和方法，是基于大数据安全分析的完整解决方案的核心，承载着大数据分析的核心功能，集中、存储、分析、可视化、分析结果、分析任务调度、分散安全分析技术，实现各种技术的互动。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、应用显示、特征提取、恶意代码检测、行为建模、威胁判断等分析手段，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速高效的决策支持。

4电力大数据信息安全分析架构分析方法

大数据的信息安全分析方法很多。随着数据挖掘技术的日益成熟，分析算法也越来越丰富，包括相关分析、序列分析、空间同位算法、分类技术、离群算法等。[7]对大量序列分析有很好的处理效果。不同的数据库采用不同的数据挖掘分析算法，如关系数据库、事务数据库可采用相关分析、序列分析、统计分析等算法进行数据挖掘；数据库采用在线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、相关分析等数据挖掘技术。因此，本文以相关分析和序列分析方法为例，根据数据流、攻击行为特征和时间的相关性，对每小时内的指标值进行建模。指定数据的起止时间，观察周期长度，利用指标值在不同时间的值，通过相关分析和序列分析量化指标数据，计算指标值的平均值和方差，作为指标的统计模型。采用异常检测和假设检测的方渐变异常进行检测和验证。

5结语

电力大数据信息安全分析的方法有很多。全面预测电力大数据信息安全事件是各种分析方法综合应用的结果。随着大数据技术的快速发展，基于大数据的安全分析算法不断丰富。可以预见，其前景乐观，新技术的应用催生了新的安全保护体系的发展。大量数据挖掘分析算法的综合应用和数据共享可以更好地实现电力大数据信息安全状况的评价。