LSTM-GAN:融合GAN和Bi-LSTM 的无监督时间序列异常检测

多元时间序列数据的异常检测旨在发现对应时序特征中不符合一般规律的特异性模式,识别特定时间步长中的异常状态.针对多元时序数据时间依赖性建模难以及数据维度不断增加导致难以有效进行异常检测等问题,本文以自编码器为基础,融合生成对抗网络(Generative Adversarial Network,GAN)和双向长短期记忆神经网络(Bi-directional Long Short-Term Memory,Bi-LSTM),提出了一种无监督异常检测模型LSTM-GAN,该模型在每一轮训练中,以迭代的方式重构正常数据,通过GAN来放大异常,Bi-LSTM来捕获时间特性,训练完成后的模型用于时序数据的异常检测.本文在4个公开数据集上和几种先进同类方法进行了对比实验,实验结果表明,LSTM-GAN的检测性能提升了4.4%~16.6%,在IT数据集SMD中的模型检测F1分数达到0.9672,实现了高效的时序数据异常检测.

面向电力调度指令的区块链隐私可追踪存证方案

在区块链上对电力调度指令进行可信存证是解决异议调度追责困难的有效手段。电力调度包含指令发起者、接收者、调度指令等高度敏感内容,调度指令存证需在保证敏感内容隐私性的同时验证接收者身份及调度指令的合规性,并在异议调度发生时追踪发起者身份。现有的区块链隐私存证方案大多采用中心化管理方式,这与区块链分布式设置相违背。针对电力调度指令存证的特定需求,设计一个支持调度发起者身份隐私且可追踪、接收者身份以及调度指令隐私且合规的区块链存证方案。将接收者身份及调度指令进行编码,经承诺加密并提供相应的零知识证明保证承诺密文合规后存储至区块链上。采用秘密共享方案对传统的群签名算法进行改进,在不影响签名与验证效率的前提下,将群管理员数量由单方拓展至多方。当异议调度发生时,多名群管理员共同追踪异议调度发起者身份,揭示接收者身份及调度指令信息。理论分析与实验结果表明,该方案具有较高的安全性,执行效率满足实施需求。

可监管的区块链交易隐私保护方案

为了解决区块链交易中兼具隐私保护和监管功能的问题,提出一种可监管的区块链交易隐私保护方案。通过采用概率公钥加密算法实现区块链交易用户真实身份的隐藏,利用承诺方案和零知识证明技术实现交易金额的隐私保护,并保证交易的合法性验证,借助基于身份的加密体制实现监管机构对区块链交易的监督,并且监管机构无须存储用户的真实身份和密钥信息,大幅降低存储计算和密钥管理压力。该方案不依赖具体的共识机制,可作为独立模块应用在现有区块链技术中,具有简单和实用的特点,在数字资产、金融科技和能源交易等领域中具有广泛的应用价值。

电力信息系统运行测试技术研究

随着电力信息系统数量的日益增多以及异构性的增强,极大地增加了信息系统上线运行工作的复杂度。传统的信息系统测试往往仅注重单一的功能、性能方面的指标,缺乏针对信息系统业务运行质量的整体性评估,无法从深层次保证信息系统的建设质量,导致信息系统快速建设与安全运维的矛盾比较突出,强化信息系统上线阶段的运行测试是实现信息系统平稳建转运的重要保障。文章针对信息系统运行测试的基本理论、方法和指标进行了全面研究,提出了信息系统运行测试云平台的技术架构,并针对某集中部署的业务系统开展了实际运行测试试点工作,有效发现了系统的潜在性能瓶颈和运行风险,对于推进信息系统上线测试与建转运评价工作的规范、高效、有序开展具有重要参考意义。

基于区块链的可再生能源消纳凭证交易系统性能优化

可再生能源超额消纳凭证交易有助于满足用户愈发强烈的对于绿色电力的消费需求。在交易中应用区块链技术,能够为交易的准确追踪、验证和数据账本的安全提供可靠的解决方案。提出了区块链在市场主体身份认证、凭证核发以及凭证链上交易等环节的应用模式。构建了基于区块链的超额消纳凭证交易平台,估算了业务量需求,提出了大票交易、原子合约等系统性能优化措施。在实验室环境下测试证明了系统的抗压能力和性能优化方法的可行性。研究结果为平台正式上线提供了有力支持,有助于进一步打通用户侧绿色电力的获取渠道。

基于区块链架构的电力业务交易数据隐私保护

能源互联网的建设使得电力网络愈加开放,网络信任风险日益加剧,亟须一种兼具隐私保护和监管功能的区块链交易方案,以保证能源互联网交易的安全性及可控性。为解决传统区块链应用模式难以同时兼顾交易数据隐藏和监管这2个方面的不足,提出了一种可监管的区块链交易隐私保护模型。该模型采用概率公钥加密算法实现区块链交易用户真实身份的隐藏;利用承诺方案和零知识证明技术实现交易金额的隐私保护;借助基于身份的加密体制实现监管者对区块链交易的监督,大幅降低了存储、计算和密钥管理压力。系统应用分析表明,所提出的方案具有简单和实用的特点,能够满足业务应用的要求。

基于区块链的联盟信任分布式认证在电力行业的应用探索

电力业务快速发展使其网络安全边界不断扩大,而电力业务系统大多停留在中心化身份或联盟身份阶段,难以应对海量接入、异构认证、频繁交互等新需求。首先,文中提出适用于电力行业的基于区块链的联盟信任分布式认证体系。然后,从网络架构、用户身份控制和隐私保护3个角度分析该体系的适用性,阐述其体系架构及运行机制。该体系设计了联盟数字身份,并按照共识和隐私保护策略将身份信息存储在分布式身份账本中,提供数字身份的全生命周期管理,实现身份数据的跨域安全共享和自主控制以及用户的跨域身份认证。最后,针对充电桩充电生态圈、电网人员安全管理、电力供应链金融3个行业场景面临的身份认证瓶颈,提出了基于该体系的解决思路。

数据中心仿真云平台的功能需求与设计

电力信息系统关系着整个电网的安全运行,为保证信息系统的稳定性运行,需要在系统上线前进行全面测试。考虑到电力行业目前的实际需求,为实现对信息系统的有效运维,有必要建立独立环境进行信息系统的功能和非功能性测试,以及时发现漏洞、提高系统顽健性。通过对数据中心仿真云平台的开发进行分析,研究适用于数据中心测试云平台的构建技术,并针对平台中的功能需求提出部署实施方案,以实现对后期测试平台建设的指导作用。

基于半监督生成对抗网络的恶意代码家族分类实现

随着互联网的发展,恶意代码呈现海量化与多态化的趋势,恶意代码家族分类是网络空间安全面临的挑战之一。将半监督生成对抗网络与深度卷积学习网络相结合,构建半监督深度卷积生成对抗网络,提出了一种恶意代码家族分类模型,通过恶意代码家族特征分析,对恶意代码进行特征提取,转化为一维灰度图像;然后基于一维卷积神经网络1D-CNN,构建半监督生成对抗网络SGAN,形成恶意代码家族分类模型SGAN-CNN。从特征提取优化、半监督生成对抗训练算法优化等方面进行恶意代码家族分类能力提升。为了验证SGAN-CNN模型的分类效果,在Microsoft Malware Classification Challenge数据集上进行实验。5折交叉验证测试显示,本文提出的模型在样本标注标签占80%的情况下,分类的平均准确率达到98.81%;在样本标注标签仅有20%的情况下,分类的平均准确率达到98.01%,取得了较好的分类效果。在小样本数量情况下,也能取得不错的分类准确率。

关于联盟链金融隐私保护与监管功能设计

针对现有区块链系统中金融隐私泄露且缺乏监管的问题,提出一种联盟链金融隐私保护与监管交易系统。系统中,发送方对交易额进行同态加密,共识节点能够验证密态金额的输入之和等于输出之和,而不知道其它任意信息,从而实现金融隐私保护功能。发送方和接收方均能够独立解密交易金额,实现独立的付款/收款金融统计,能够用于规划下一阶段的金融活动。最后,两个监管方能够独立解密所有用户的交易金额,实现掌控国家经济活力并发现非法金融活动等行为的功能。与现有方案相比,上述方案仅增加了较短的密文长度,但添加了两个独立的接收方。实验结果表明,上述方案中加密效率和各个接收方解密效率均较高。

电力信息系统云安全风险分析与评估技术

结合电力行业对云计算技术的应用,针对电力云安全分析与评估方法展开了系统研究,对电力信息系统云环境下的功能实体和业务流程进行全面梳理,通过静态STRIDE威胁建模与动态攻击链算法相结合的方式对云平台面临的主要风险进行了分类识别和量化评估,并有针对性地提出了适用于电力云系统的安全防护架构,以促进云计算在电力行业的推广和应用,并为电力信息系统安全可控提供有力的支撑。

基于国产公钥密码算法的门限签名及解密方案

公钥密码体系中用户的私钥保护问题至关重要,在智能终端安全存储和使用私钥成为当前面临的问题。在门限密码学的基础上,以密码机为辅助设备,提出基于国产公钥SM2/SM9算法的门限签名和门限解密方案。将私钥分割成两份,一份存储在客户端,一份存储在服务端密码机。当需要使用私钥进行签名或解密运算时,由客户端和服务端密码机分别使用自己的私钥分量进行密码运算,并通过一定的交互过程后得到最终的签名或解密结果。由于密码机的特性,攻击者获得完整私钥的可能性趋近于零,对于密码机无法存储海量私钥分量的问题亦给出解决方案。和以往的门限方案相比,该方案私钥的安全系数更高,更贴近实际的应用场景。

基于一维卷积神经网络的恶意代码家族多分类方法研究

为了提取有效的恶意代码特征,提高恶意代码家族多分类的准确率,提出一种改进模型。该模型将恶意代码的特征映射为灰度图,使用改进的恶意样本图像缩放算法进行图像的规范化处理,基于VGG模型构建一维卷积神经网络分类模型ID-CNN-IMIR。实验结果表明,恶意代码特征的提取和处理提升了分类效果;对比经典的机器学习算法、二维卷积神经网络、其他基于深度学习的恶意代码分类模型,ID-CNN-IMIR分类准确率是最好的,达到98.94%。

面向零信任环境的新一代电力数据安全防护技术

能源互联网的建设促进了海量终端高效互联,为能源流和信息流的高效交互提供了强有力的支撑。然而,信息共享时效性提高的同时,也随之带来了越发模糊的电力信息网络边界。随着系统规模急剧扩大,数据交互愈加频繁,系统运行环境更加复杂,运营数据安全交互面临更高要求。文章对国产密码、量子秘钥分发和区块链等技术在电力信息网络核心业务场景中的应用进行研究,旨在构建新一代的电力数据安全防护模型。分析结果显示,所提方法能够适应电力信息网络发展需求,弥补了零信任环境下电力数据交互时存在的安全短板,可进一步提升电力系统运营数据的安全防护能力。

泛在电力物联网信息安全综述

泛在电力物联网是能源互联网和泛在物联网在电力行业的具体实现形式和应用落地,其信息安全与互联网、物联网的信息安全相比,即有共性也有特性,主要面临的有访问控制、数据机密性和完整性、身份认证、隐私保护、可用性和不可抵赖性等信息安全问题。文章介绍了泛在电力物联网信息安全体系和感知层、网络层、平台层、应用层的信息安全,并分析了基础密码学和新型密码学技术在泛在电力物联网中的应用。

区块链技术在工业互联网安全防护中的应用研究

工业互联网以开放、全球化的网络为基础,使外部安全威胁与内生安全风险并存,安全形势极其严峻。目前,安全技术已成为阻碍工业互联网发展的瓶颈,加强工业互联网安全研究刻不容缓,区块链技术具有去中心化、不可篡改、可追溯等特性,为工业互联网安全防护提供新的技术手段。文章首先分析工业互联网各层级面临的安全风险,其次提出基于区块链的工业互联网架构体系,以及基于区块链的工业互联网设备安全和数据安全防护解决方案。最后,阐述适应于我国国情的基于区块链的工业互联网安全保障体系建设建议。

基于残差神经网络的木马通信流量分析研究

在传统基于机器学习进行木马通信流量检测的方法中,流量特征的选取对识别结果的影响较大,有时需要专家主观的分析与选择,而加密木马流量则很难提取流量特征。针对这些问题,提出了一种基于残差神经网络(residual neural network,ReNN)的木马通信流量分析的方法。使用木马流量应用层中未加密信息作为分析对象,自动抽取流量特征并映射为灰度图,在卷积神经网络学习训练的基础上,利用残差块进行神经网络参数优化,构造出可以对木马流量特征自动提取、自主学习训练的残差神经网络分析模型。在开源木马流量数据集上的验证、测试结果显示,基于残差神经网络的木马通信流量分析模型相较于普通卷积神经网络基准实验,在木马发现准确率上提高了5%。

基于多链协同区块链的分布式能源交易

传统的电力市场交易方式主要是由电力调度交易机构根据市场需求及供需计划,通过集中的方式将发电厂的发电量调度给用电方。随着我国分布式能源的高速发展,并网需求急剧增加,集中调度处理速度成为发展瓶颈。采用分布式能源交易可有效解决此类问题。而区块链具有节点对等、去中心化,数据公开透明等特点与分布式能源交易的诉求相吻合。文章针对分布式能源交易集中调度处理可靠性低,速度慢的问题提出了基于多链协同区块链的分布式能源交易方法。该方法根据地区分片划分从链并行处理交易的方法,解决了采用区块链系统交易速度缓慢的问题。将有用工作量证明机制与电力匹配调度算法有机结合起来,提出了分布式能源交易矩阵策略,在维持了去中心化的同时解决了工作量证明机制算力浪费问题。

区块链技术在能源电力行业的研究及业务应用综述

能源电力行业具有参与主体多、业务流程长、分布区域广等特点,导致数据孤岛严重、信用传递困难以及交易风险突出等问题。区块链具有公开透明、可追溯、防篡改、去中心等技术特性,使其在能源电力行业的广泛、深入应用成为必然趋势。文章首先分析了区块链技术在能源电力行业的适用性,进而提出了一种能源区块链应用体系架构;然后,在对现有研究进行梳理总结的基础上,详细介绍了2020年初已经落地的典型业务应用场景,针对每个场景描述了基于区块链技术的业务架构及应用成效;最后,对业务应用场景的发展前景进行展望和分类,分析了当前区块链在能源电力行业落地应用中存在的问题,并提出了针对性的发展建议。