融合零信任与智能合约的能源电力数据访问控制方法与流程
本申请涉及电力数据访问控制,具体涉及融合零信任与智能合约的能源电力数据访问控制方法。
背景技术:
1、在数据共享过程中,访问控制是保障数据隐私安全与合法性的关键手段。现有的访问控制方法通常采用“一次验证加静态授权”的传统模式,或者基于零信任原则,通过提取多维度信息为每个用户独立构建行为基线,进而进行动态信任评分。
2、在能源电力数据的访问控制场景下,访问主体涵盖电网内部员工、外部企业用户与外部个人用户。同类别访问人员之间既存在群体的共性访问规律,又存在明显的个体习惯差异。现有的动态评分若仅依赖“一用户一基线”的单一策略,往往只考察个体自身的历史记录而忽略了所在群体的共性特征,难以适应不同类别人员的实际行为差异。
3、例如,在电网内部员工中,管理人员的访问时间通常高度集中在正常办公时段,而设备检修人员因工作性质需要频繁出差,其访问位置天然具有较高的离散性。如果沿用固定基线,容易导致某些岗位正常的属性波动被误判为异常,或者导致真正重要的异常信号被非关键维度的高波动所掩盖,从而造成访问控制出现偏差。
技术实现思路
1、针对上述问题,本申请提供融合零信任与智能合约的能源电力数据访问控制方法,能够通过提升信任评分的准确性,进而提高访问控制的准确性。
2、本申请采用如下技术方案:
3、本申请一个实施例提供了融合零信任与智能合约的能源电力数据访问控制方法,该方法包括以下步骤:
4、根据不同类别访问人员的历史属性数据进行聚类分析,分别提取各访问人员自身的唯一性指标及其所在聚类簇的共享性指标;所述唯一性指标表征个体历史访问规律特征,所述共享性指标反映聚类簇内共同访问规律;
5、在单个访问人员发起能源电力数据实时访问请求时,获取单个访问人员的实时属性数据,分别根据各维度实时属性数据确定基准偏差,同时基于单个访问人员的唯一性指标与所在聚类簇的共享性指标之间的偏离程度,确定各维度的缓冲系数;结合所述基准偏差与所述缓冲系数,汇总得到单个访问人员的实时信任评分;
6、根据所述实时信任评分,通过部署在联盟链的智能合约为访问人员分配动态访问权限。
7、优选地,所述不同类别访问人员包括电网内部员工,所述历史属性数据中存在历史访问时间与网络访问类型;针对电网内部员工,提取所述唯一性指标的方式为:统计历史访问时间落在工作时间段与非工作时间段内的次数并对比,以计算得到各电网内部员工的非工时倾斜量,作为时间维度的唯一性指标;统计网络访问类型为内网与外网的次数并对比,以计算得到各电网内部员工的外网倾斜量,作为网络维度的唯一性指标。
8、优选地,所述不同类别访问人员还包括外部企业用户和外部个人用户,针对各用户,提取所述唯一性指标的方式为:将单日划分为多个时间段,获取历史访问时间落在各时间段内的概率,利用基于所述概率计算得到的信息熵,确定时间维度的唯一性指标。
9、优选地,所述历史属性数据中还存在历史访问位置,获取各访问人员的历史访问位置的平面坐标的最小外接多边形,并求取面积与质心坐标;计算各访问人员的所有所述平面坐标到所述质心坐标的距离的离散度;综合所述面积与所述离散度,计算得到各访问人员的位置分布离散度,作为位置维度的唯一性指标。
10、优选地,所述聚类分析的过程中,计算同类别访问人员之间各维度的唯一性指标的差异值,根据同类别访问人员之间的所述差异值确定度量距离;将各聚类簇内所有访问人员的各种维度的唯一性指标的均值,作为对应维度的共享性指标。
11、优选地,所述基准偏差的确定过程为:
12、将单个访问人员的实时设备指纹在预设的设备指纹白名单中进行比对,进而确定设备指纹维度的基准偏差;
13、提取单个访问人员的实时访问时间所在的当前访问时间段,统计历史访问时间落在当前访问时间段的次数与历史访问总次数的比值,进而确定时间维度的基准偏差;并根据实时访问位置与最小外接多边形的空间关系确定位置维度的基准偏差;
14、针对电网内部员工,根据实时网络访问类型确定网络维度的基准偏差。
15、优选地,所述缓冲系数的确定过程为:
16、根据所述偏离程度,确定单个访问人员的唯一性指标的权重,以及单个访问人员所在聚类簇的共享性指标的权重;
17、将单个访问人员的唯一性指标与所在聚类簇的共享性指标按照所述权重加权求和,得到各维度的缓冲系数。
18、优选地,所述实时信任评分的获取过程为:
19、将时间维度、网络维度、位置维度的基准偏差分别与对应维度的缓冲系数结合,得到对应维度的惩罚项;设备指纹维度的基准偏差直接作为设备指纹维度的惩罚项;
20、针对电网内部员工,将时间维度、网络维度、位置维度的惩罚项以及设备指纹维度的惩罚项进行汇总并归一化,以得到实时信任评分;
21、针对用户,将时间维度、位置维度的惩罚项以及设备指纹维度的惩罚项进行汇总并归一化,以得到实时信任评分。
22、优选地,所述通过部署在联盟链的智能合约为访问人员分配动态访问权限,包括:
23、将所述实时信任评分的值域划分为多个连续的判定区间;
24、若当前的所述实时信任评分落在低分区间,直接拒绝访问;
25、若落在中间区间,动态限定当前的实时访问请求所能获取的数据敏感等级上限,并针对电网内部员工强制执行二次身份核验;
26、若落在高分区间,开放最高数据敏感等级的访问许可。
27、优选地,所述通过部署在联盟链的智能合约为访问人员分配动态访问权限之后,还包括:
28、将访问请求的实时属性数据、所述实时信任评分以及权限分配结果打包后,加密上传至分布式文件系统进行保存,并将分布式文件系统返回的唯一内容标识符同步记录至所述联盟链的日志内。
29、本申请的优势如下:
30、分别提取各访问人员的唯一性指标及其所在聚类簇的共享性指标,能够充分反映不同类别访问人员的行为基线的差异性;其中,唯一性指标表征个体历史访问规律,共享性指标反映群体共性规律,二者结合可有效弥补单一用户基线策略只关注个体记录、忽视群体特征的不足,使访问控制策略更贴合不同类别人员的实际行为特点;
31、当单个访问人员发起实时访问请求时,通过确定基准偏差,可准确衡量当前访问行为的偏离程度;同时,依据个体唯一性指标与聚类簇共享性指标之间的偏离程度设定缓冲系数,实现对不同维度信息的差异化权重调节,提升重要维度信息的影响程度;进而将基准偏差与缓冲系数相结合计算实时信任评分,能够避免将正常的属性波动误判为异常,防止真正重要的异常信号被非关键维度的高波动所掩盖,从而提升信任评分的准确性;进而根据实时信任评分通过部署于联盟链的智能合约分配动态访问权限,提高访问控制的准确性。
1.融合零信任与智能合约的能源电力数据访问控制方法,其特征在于,该方法包括以下步骤:
2.如权利要求1所述的融合零信任与智能合约的能源电力数据访问控制方法,其特征在于,所述不同类别访问人员包括电网内部员工,所述历史属性数据中存在历史访问时间与网络访问类型;针对电网内部员工,提取所述唯一性指标的方式为:统计历史访问时间落在工作时间段与非工作时间段内的次数并对比,以计算得到各电网内部员工的非工时倾斜量,作为时间维度的唯一性指标;统计网络访问类型为内网与外网的次数并对比,以计算得到各电网内部员工的外网倾斜量,作为网络维度的唯一性指标。
3.如权利要求2所述的融合零信任与智能合约的能源电力数据访问控制方法,其特征在于,所述不同类别访问人员还包括外部企业用户和外部个人用户,针对各用户,提取所述唯一性指标的方式为:将单日划分为多个时间段,获取历史访问时间落在各时间段内的概率,利用基于所述概率计算得到的信息熵,确定时间维度的唯一性指标。
4.如权利要求3所述的融合零信任与智能合约的能源电力数据访问控制方法,其特征在于,所述历史属性数据中还存在历史访问位置,获取各访问人员的历史访问位置的平面坐标的最小外接多边形,并求取面积与质心坐标;计算各访问人员的所有所述平面坐标到所述质心坐标的距离的离散度;综合所述面积与所述离散度,计算得到各访问人员的位置分布离散度,作为位置维度的唯一性指标。
5.如权利要求4所述的融合零信任与智能合约的能源电力数据访问控制方法,其特征在于,所述聚类分析的过程中,计算同类别访问人员之间各维度的唯一性指标的差异值,根据同类别访问人员之间的所述差异值确定度量距离;将各聚类簇内所有访问人员的各种维度的唯一性指标的均值,作为对应维度的共享性指标。
6.如权利要求3所述的融合零信任与智能合约的能源电力数据访问控制方法,其特征在于,所述基准偏差的确定过程为:
7.如权利要求1所述的融合零信任与智能合约的能源电力数据访问控制方法,其特征在于,所述缓冲系数的确定过程为:
8.如权利要求6所述的融合零信任与智能合约的能源电力数据访问控制方法,其特征在于,所述实时信任评分的获取过程为:
9.如权利要求2所述的融合零信任与智能合约的能源电力数据访问控制方法,其特征在于,所述通过部署在联盟链的智能合约为访问人员分配动态访问权限,包括:
10.如权利要求1所述的融合零信任与智能合约的能源电力数据访问控制方法,其特征在于,所述通过部署在联盟链的智能合约为访问人员分配动态访问权限之后,还包括:
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com