安全驱动的边云数据协同策略研究

分布式计算虽然能弥补传统集中式计算网络拥堵、计算能力低的缺点,但对边缘设备隐私安全和可信感知存在不足。随着数字新技术的快速发展,利用新一代信息技术满足边云现场环境下的边云数据协同需求日益增长。本论文首先通过研究边缘计算和云计算的发展趋势,识别边云协同关键技术,然后分析边云数据协同面临的数据传输安全、数据通信安全、数据存储安全等问题,得出边云数据协同安全风险方法措施,最后结合边云现场环境下的工业信息物理系统数据协同安全需求,提出了一种基于边云协同的动态数据安全存储策略,该策略以“事前准备–事中防御–事后响应”为指导思想,既能够充分利用云计算和边缘计算的技术优势,又可以满足数据协同的安全性和实时性要求。

基于SF_6气体分解特性的GIS设备故障诊断方法

阐述GIS等设备内部故障时绝缘材料分解产物的特征、SF_6气体分解原理,分析相关分解产物及设备故障的关系,通过检测SF_6气体分解产物的组分及含量来判断GIS内部绝缘缺陷或故障。

单相接地故障与串联谐振的辨识

采用时域法分析了串联谐振的发展过程,研究了中性点电压的变化特点,发现串联谐振时中性点电压的发展过程与单相接地故障消失后的情形完全不同.通过辨识单相接地故障与串联谐振,提出了一种消弧线圈有效退出的控制策略,并通过理论分析和仿真实验证实了该方法的可行性和有效性.

机器学习系统毒化攻击综述

自机器学习被应用到许多关键性领域以来,机器学习系统的脆弱性也引起了人们的高度重视。其中,针对机器学习系统的毒化攻击得到了研究者的广泛关注,呈现了一些研究成果。因此,将系统地介绍当前机器学习系统毒化攻击的研究进展,对机器学习系统毒化攻击算法进行分类和总结,包括针对机器学习中的线性分类器、支持向量机、贝叶斯分类器和深度神经网络等几类常见模型的毒化攻击等攻击算法,目标是使现有的关于机器学习系统毒化攻击的研究成果更加清晰,为相关研究者的研究工作提供启发。

基于贝叶斯和大数据分析的业务连续性风险管理

容灾备份恢复已经上升到国家信息化发展的战略高度。业务连续性是容灾备份的一个应用延伸,是指在中断事件发生后,在预先确定的可接受水平上连续提供服务的能力。通过分析关键风险因素对业务连续性的影响,制作了云环境下业务连续性保护评价指标体系,然后利用贝叶斯网络构建风险评估模型并给出风险分析方法。基于大数据下的云日志解析来实现状态、阈值、趋势、评价等风险预警的云服务技术,构建风险预警系统,并配套实施相应的保障电网业务连续性的风险管理机制。