欧美一级片一区,99久久99久久精品国产片,欧美日韩精品在线一区二区

基于贝叶斯网络的多方关联数据访问安全风险识别模型研究

电子技术应用

齐俊1，2，周小明3，许超2，赵景宏2，刘大禾4

1.沈阳工业大学电气工程学院；2.国网辽宁省电力有限公司信息通信分公司； 3.国网辽宁省电力有限公司；4.北京邮电大学计算机学院

摘要： 对于现代电力系统的数据中台而言，识别用户访问数据过程中的数据推断风险尤为关键。特别是多个用户合谋窃取数据的行为，可能会造成从非敏感数据推断出敏感数据，导致敏感数据泄露，严重威胁电力调度和国家安全。传统的访问控制机制无法识别这种风险。为此，提出一种基于贝叶斯网络的多方关联数据安全风险识别模型MPA-BN，综合考虑用户访问行为、时间模式、接口类型和数据交互方式，利用贝叶斯网络分析用户与服务接口之间的访问关系，深入挖掘数据之间的依赖关系和概率特征，识别数据中台对外服务接口的相关性以及用户组合的潜在风险。本研究使用的数据集来自电力公司数据中台的脱敏日志，其中包含10 000个访问用户，生成日志的条目约100万。实验结果表明，该模型能够有效识别多用户合谋窃取敏感数据的风险，为电力系统数据安全提供更有力的保障。

關鍵詞： 数据中台数据推断风险贝叶斯网络隐私保护

中圖分類號：TP309 文獻標志碼：A DOI: 10.16157/j.issn.0258-7998.245390
中文引用格式： 齊俊，周小明，許超，等. 基于貝葉斯網絡的多方關聯數據訪問安全風險識別模型研究[J]. 電子技術應用，2024，50(9)：9-17.
英文引用格式： Qi Jun，Zhou Xiaoming，Xu Chao，et al. Research on multi-party associated data access security risk identification model based on Bayesian network[J]. Application of Electronic Technique，2024，50(9)：9-17.

Research on multi-party associated data access security risk identification model based on Bayesian network

Qi Jun1，2，Zhou Xiaoming3，Xu Chao2，Zhao Jinghong2，Liu Dahe4

1.School of Electrical Engineering， Shenyang University of Technology； 2.Information and Communication Branch of State Grid Liaoning Electric Power Co.， Ltd.； 3.State Grid Liaoning Electric Power Co.， Ltd.； 4.School of Computer Science， Beijing University of Posts and Telecommunications

Abstract： For the data center of modern power systems, identifying data inference risks during user access to data is particularly crucial. Especially when multiple users collude to steal data, it may lead to the inference of sensitive data from non sensitive data, resulting in sensitive data leakage and posing a serious threat to power dispatch and national security. Traditional access control mechanisms cannot identify this risk. Therefore, this article proposes a multi-party association data security risk identification model MPA-BN based on Bayesian networks, which comprehensively considers user access behavior, time patterns, interface types, and data interaction methods. Bayesian networks are used to analyze the access relationship between users and service interfaces, deeply explore the dependency relationship and probability characteristics between data, identify the correlation between external service interfaces in data, and potential risks of user combinations. The dataset used in this study is from the desensitization logs of the power company's data center, which includes 10 000 visiting users and generates approximately 1 million log entries. The experimental results show that the model can effectively identify the risk of multiple users colluding to steal sensitive data, providing stronger protection for the security of power system data.

Key words : data middle platform；data inference risk；Bayesian network；privacy protection

引言

在現代社會中，電力系統作為關鍵基礎設施，對于維護國家能源安全和社會穩定發揮著至關重要的作用[1]。電力數據中臺作為該系統的核心組成部分[2]，負責聚合、清洗和組織數據，為各種業務系統和用戶提供必要的數據服務，因此電力系統數據的安全保護不容忽視。數據的泄露和濫用可能會導致重大的經濟損失和社會影響，甚至對國家安全構成威脅[3]。

傳統的訪問控制模型，如自主訪問控制（DAC）、強制訪問控制（MAC）、基于角色的訪問控制（RBAC）和基于屬性的訪問控制（ABAC），并不能完全防止對敏感數據的直接攻擊[4]。試圖推斷敏感數據的用戶實際上擁有訪問權限，而這些訪問控制模型本身無法確定查詢結果是否導致敏感信息的泄露[5]。因此，從所謂的非敏感數據中推導出機密敏感數據是一種被稱為推理攻擊的問題[6]。這些攻擊極難防止，因為其利用了人類認知、邏輯方法、背景知識以及來自受保護數據之外的信息源[7]。例如，不同用戶可能會訪問電力系統數據，如供應負荷數據、消費者用電量和設備狀態。通過結合這些數據，推斷出特定用戶的私人用電細節[8]，如居民生活習慣、商業用戶的運營狀態，甚至國家電力消費趨勢和能源需求[9]。

為了解決這個問題，本文提出了一個基于貝葉斯網絡[10]的多方關聯數據訪問安全風險識別模型(Multi-Party Associated based on Bayesian Network, MPA-BN)。該模型通過分析用戶與數據之間的依賴性和不確定性，有效地識別了潛在的數據推斷風險。本文的主要貢獻包括：

(1) 提出了用戶行為和多用戶合謀行為的概念，對數據中臺訪問行為進行了形式化描述，為區分正常行為和合謀行為提供了基礎。

(2) 創新性地提出了一種多用戶合謀概率模型，定義了推理風險概率計算公式，為定量評估數據推斷風險提供了新的解決方案。

(3) 提出了一種新穎的網絡結構模型MPA-BN，專門針對數據中臺背景進行了適配，提高了處理效率和準確性。

(4) 在真實數據集上驗證了MPA-BN模型的有效性，實驗結果顯示其具有良好的準確性和穩定性。

本文詳細內容請下載：

http://m.tom3567.com/resource/share/2000006135

作者信息：

齊俊1，2，周小明3，許超2，趙景宏2，劉大禾4

（1.沈陽工業大學電氣工程學院，遼寧沈陽110000；

2.國網遼寧省電力有限公司信息通信分公司，遼寧沈陽110000；

3.國網遼寧省電力有限公司，遼寧沈陽 110000；

4.北京郵電大學計算機學院，北京100876）