高并發(fā)的數(shù)據(jù)安全能力微服務(wù)架構(gòu)及調(diào)度算法[EDA與制造][智能電網(wǎng)]

當(dāng)前,，電力系統(tǒng)業(yè)務(wù)以微服務(wù)為主,，業(yè)務(wù)架構(gòu)發(fā)生了顯著變化，數(shù)據(jù)安全能力需要與業(yè)務(wù)深度融合,。然而,，現(xiàn)有的數(shù)據(jù)安全能力仍以傳統(tǒng)軟硬件架構(gòu)為主,，無法滿足跨域流動場景的動態(tài)彈性防護(hù)需求，難以適應(yīng)業(yè)務(wù)架構(gòu)的變化,，亟需研究基于微服務(wù)化架構(gòu)的數(shù)據(jù)共享交互安全保護(hù)技術(shù),。然而由于電力系統(tǒng)產(chǎn)生的數(shù)據(jù)量巨大，不同數(shù)據(jù)又有著不同的數(shù)據(jù)安全需求,，普通的微服務(wù)架構(gòu)難以解決電力系統(tǒng)微服務(wù)架構(gòu)在高并發(fā)場景下的負(fù)載失衡,。針對以上問題，提出了一種基于開普勒優(yōu)化算法（Kepler Optimization Algorithm,， KOA）的數(shù)據(jù)安全能力微服務(wù)調(diào)度算法,，旨在實現(xiàn)負(fù)載平衡，從而提升系統(tǒng)的高并發(fā)處理能力,。通過對云集群節(jié)點(diǎn)資源和微服務(wù)性能進(jìn)行詳細(xì)建模,，以平衡集群負(fù)載與最小化微服務(wù)運(yùn)行時間為目標(biāo)構(gòu)建了優(yōu)化模型。實驗結(jié)果顯示,，基于KOA的數(shù)據(jù)安全能力微服務(wù)調(diào)度算法在均衡服務(wù)器負(fù)載,、提升集群系統(tǒng)處理效率以及降低任務(wù)響應(yīng)時間方面具有顯著效果，有效提升了系統(tǒng)的并發(fā)性能,。

發(fā)表于：9/11/2024 1:22:19 PM

基于貝葉斯網(wǎng)絡(luò)的多方關(guān)聯(lián)數(shù)據(jù)訪問安全風(fēng)險識別模型研究[EDA與制造][智能電網(wǎng)]

對于現(xiàn)代電力系統(tǒng)的數(shù)據(jù)中臺而言,，識別用戶訪問數(shù)據(jù)過程中的數(shù)據(jù)推斷風(fēng)險尤為關(guān)鍵。特別是多個用戶合謀竊取數(shù)據(jù)的行為,，可能會造成從非敏感數(shù)據(jù)推斷出敏感數(shù)據(jù),，導(dǎo)致敏感數(shù)據(jù)泄露，嚴(yán)重威脅電力調(diào)度和國家安全,。傳統(tǒng)的訪問控制機(jī)制無法識別這種風(fēng)險,。為此，提出一種基于貝葉斯網(wǎng)絡(luò)的多方關(guān)聯(lián)數(shù)據(jù)安全風(fēng)險識別模型MPA-BN,，綜合考慮用戶訪問行為、時間模式、接口類型和數(shù)據(jù)交互方式,，利用貝葉斯網(wǎng)絡(luò)分析用戶與服務(wù)接口之間的訪問關(guān)系,，深入挖掘數(shù)據(jù)之間的依賴關(guān)系和概率特征，識別數(shù)據(jù)中臺對外服務(wù)接口的相關(guān)性以及用戶組合的潛在風(fēng)險,。本研究使用的數(shù)據(jù)集來自電力公司數(shù)據(jù)中臺的脫敏日志,， 其中包含10 000個訪問用戶，生成日志的條目約100萬,。實驗結(jié)果表明,，該模型能夠有效識別多用戶合謀竊取敏感數(shù)據(jù)的風(fēng)險，為電力系統(tǒng)數(shù)據(jù)安全提供更有力的保障,。

發(fā)表于：9/11/2024 1:12:26 PM