基于Cyber-net与学习算法的变电站网络威胁风险评估

摘要

现有网络安全风险研究仍然存在基础概率不准确和严重性模型缺失等问题.文中首先基于变电站电力监控系统框架提出"边界-本体防护"模型来描述系统入侵威胁,根据历史数据的机器学习结果完善基础入侵概率模型,基于广义随机佩式网和电力监控系统的网络安全拓扑得到特定状态转移图Cyber-net.然后,根据系统的运行结果和马尔可夫链稳态概率量化电力系统信息安全和工程安全的相关关系,提出网络安全综合风险评估模型,并通过暂态故障计算提高了风险模型的准确性.最后,通过算例仿真和灵敏性分析验证了模型的有效性和适用性,总结出了可行防御策略和潜在应用场景.