摘要：為了有效提高電網企業的信息安全風險防控能力，保障電網安全、穩定、高效運行，文章通過對信息安全領域分類識別，提煉出了潛在風險因素，構建了基于人工智能的電網企業信息安全防控體系。文章將信息安全風險因素量化成能夠直觀描述信息安全總體態勢的等級指數，輸出信息安全預警指令，各級信息通信運維單位以此作為依據，制定科學合理的應對策略和應急預案，有目的、有針對性地開展信息安全事前、事中、事后全過程管理工作。經過實際應用實踐，應用該防控體系不但節約了信息設備的維護成本，提升了資產使用效率，而且節約了人力成本，提升了信息網絡的性能和安全運行的整體水平。

引言

隨著信息化建設的逐步推進，國網河南省電力公司范圍內廣泛使用了包括辦公自動化、財務管控、電力營銷、生產管理等共 101 套系統，在運信息設備94 180 臺，服務用戶 85 632 人，信息化在支撐“三集五大”體系建設以及在經營管理中發揮著重要作用。隨著“互聯網 +”模式的創新突破，以及智能電網和能源互聯網研究、建設的不斷深入和國家電網公司“兩化”融合的逐步推進，電力工業的生態環境正在快速改變。

電力企業呈現出廣泛互聯、高度智能、開放互動等全新特點。同時能源互聯網架構對電力信息網絡的安全防護能力提出了新需求，信息安全面臨嚴峻挑戰。當前，由于外部攻擊手段日趨專業化、來自用戶側的威脅增加以及終端設備漏洞頻發等因素，信息安全面臨嚴峻挑戰。烏克蘭電力系統遭受攻擊事件、以色列電網遭受攻擊的傳聞等使信息安全成為電網信息化建設關注的焦點，引起了社會各界的關注，做好電網信息安全防控工作愈發緊迫與重要。本文通過對信息安全的全壽命周期管理、風險指針的量化以及信息安全識別平臺的開發，構建了基于人工智能的電網企業信息安全防控體系，不僅創新了防控模式，而且大幅提升了信息安全的防控水平，可保障電網的安全、穩定、高效運行。

1　設計結構化安全措施，實施全壽命周期管理

針對不同信息安全類別分別實施差異化的安全措施，構建結構化的安全措施模型。如在數據安全方面，著重實施數據防泄漏、安全介質、郵件隔離、保密檢查、監控審計等安全管理措施；在應用安全方面，著重實施開發安全、訪問控制、代碼檢測、身份鑒別、補丁漏洞管理、內容安全、安全加固、監控審計等安全管理措施。

落實、落地安全措施，構建信息安全措施的全壽命周期管理體系。針對物理、網絡、主機、應用、數據5 個層次，從規劃、設計開發、運行維護到廢棄設計全壽命周期管理機制（見圖 1）。在安全措施的運行維護環節，通過安全措施對物理、網絡、主機、應用、數據 5 個層次的安全信息進行監控管理[6-8]，但安全措施是否正常運行、監控到的安全隱患如何生成安全預警并指導開展安全工作，需構建基于人工智能的信息安全識別系統。

2  構建人工智能模型，開發信息安全識別平臺

如何利用現有信息安全狀態全面地表征信息安全水平，如何在海量數據中提取能有效揭示信息安全特點和發展趨勢的量化評價信息并進行深度加工，如何根據已掌握的信息安全特性制定合理的信息安全應對決策和應急預案等，是規避信息安全風險的關鍵所在。

在結構化的安全措施布局及全壽命周期管理的基礎上，國網河南電力信通公司經過多年摸索與學習借鑒，采用人工智能技術，構建了基于人工智能的信息安全模型。該模型包括智能采集、智能轉化、智能分析、智能聚焦以及智能展示（預警）等功能模塊。信息安全人工智能識別系統模型構架圖 2 所示。

2.1　量化風險指針，實現狀態智能采集

對信息安全狀態進行量化評價是開展風險評估的重要工作，經過一系列探索和實踐，采用ISO27001標準，創新引入信息安全狀態指針概念，對信息安全風險進行量化識別，以實現對信息安全狀態的智能采集。

信息安全風險狀態指針由四級架構樹組成，其中一級因素2個（管理信息大區、生產控制大區），二級因素3個（桌面終端域、二級域、三級域）、三級因素15個（邊界、網絡、主機、應用、數據等）,每個三級因素關注的風險點不同，如網絡安全有10個風險點，應用安全有10個風險點，累計289個風險點。此289個風險點的風險指針狀態分別有“無狀態信息”、“狀態正常”和“狀態不正常”3個級別（分別用0、1、2表示）。其中，無狀態信息表明信息安全措施未發揮功能（需要運行維護）；狀態正常是指信息安全措施運行正常，無違背安全要求的事項出現；狀態不正常表明信息安全措施運行正常，但有違背信息安全要求的事項產生。風險狀態指針狀態數據直接從安全措施中智能采集，從而提升信息安全防控的快速反應能力，并以安全監控審計、信息安全檢查人工填報等方式進行補充、驗證。

2.2　確立風險等級，展示信息安全態勢

在上述風險指針狀態智能采集的基礎上，由信息安全人工智能識別系統進行三層模糊智能運算，層與層之間用馬爾可夫鏈進行邏輯連接，其中第一層運算是智能轉化，第二層是智能分析，第三層是智能聚焦。對造成風險的所有因素進行標準評級，通過數據抽取、轉換和裝卸工作，完成處理海量數據和構建數據倉庫的任務，依靠集成的多類型基礎信息完成風險指數智能（人工智能）評估。在此基礎上，建立風險因素量化模型和各分指數的計算方法，經量化計算最終得出省、市、縣各公司的風險等級，其風險等級包括Ⅰ級（紅色，高度風險）、Ⅱ級（橙色，較高風險）、Ⅲ級（黃色，中度風險）和Ⅳ級（藍色，低度風險），并進行分級展示、預警，以指導具體工作。

信息安全人工智能識別系統展示界面如圖3所，重要保障時期（如防汛期保障、迎峰度夏保障、重大活動保障等）的信息安全狀態一目了然。

3  構建安全分析模型，制定預案實施閉環管理

通過以上工作可及時、準確地識別信息安全風險，實現信息安全風險防控的第一步，第二步則是要針對識別出的信息安全風險隱患進行處置。

根據信息安全事件的產生領域，結合信息安全模型，構建信息安全分析模型。信息安全總體上分為信息安全隱患與信息安全故障兩類，合計20個類型。其中，信息安全隱患是指在信息通信工作中違背信息安全要求的行為或事件，有5個類型。信息安全故障指通信設備故障或信息安全措施故障，有15個故障類型。

分別針對信息安全的20個故障類型建立工作流程：針對信息安全故障，根據故障的大小與處置方法，可以分為消缺、維護、檢修、大修、技改等，不同處置方案分別與信息安全全壽命周期對接，實現故障閉環管理；針對信息安全隱患，根據處理方式，可以分為培訓、教育、經濟處罰、行政處罰、經濟訴訟、刑事訴訟等，不同處置方案方法與內部員工管理、業績考核以及外部經濟、刑事訴訟相掛鉤，實現閉環管理。

4　實施成效

河南電網基于人工智能的信息安全防控體系實施后，信息安全管控流程更加標準化，節約了信息設備的維護成本和人力成本，提升了資產使用效益，提高了信息網絡的性能和安全運行的整體水平。

4.1　降低故障率，節約故障維修成本

從信息安全人工智能識別系統投運前后各1年的信息安全事件發生數量來看，信息系統中斷次數平均647次降到143次，信息系統漏洞整改次數從84次降到27次，系統故障次數從1577次降到231次，病毒爆發次數從89次降到7次，保密檢測執行不達標次數從56次降到3次，信息安全技術違章次數從197次降低到21次，未發生一次系統故障，每年累計節約一線、二線信息運維費311.6萬元、三線信息服務費1109萬元，為企業節省信息運維費共計1420.6萬元（見表1）

4.2　延長設備壽命，提升資產使用效益

系統投運后，延長了設備壽命，減少了備用信息設備庫存，提升了資產使用效益，從信息設備資產全壽命周期來看，平均使用周期從5年延長到7.2年，累計創造經濟價值4867萬元。                                            4.3　減少人員配置，節約人力成本

采用人工智能信息安全防控平臺進行智能采集、智能分析、智能預警，防控效果突出，實現了減員增效的目的。通過智能分析，每個單位可減少1名信息運維人員（省級單位1家、30家直管單位、107家縣公司），節約了企業員工、雇用勞務派遣或業務外委人員的人工費用，按照人工投入10萬元/年計算，節約人力138人次，節省人工費用約1380萬元。

5　結語

本文構建了基于人工智能的信息安全防控體系，并在此基礎上開發了信息安全狀態指針評價標準，為預先發現信息隱患、提升信息安全防控能力提供了條件。同時，通過信息安全狀態采集、分層分級展示信息安全風險總態勢，構建了信息安全預警人工智能識別平臺，通過省、市、縣三級協同聯動，使信息安全管理實現從粗放到精細，從點、面管理到系統立體化管理。總之，基于人工智能的信息安全防控體系的構建與實施，不但加強了對省、市、縣供電公司信息通信安全的管控力度和標準化程度，而且提高了公司的管理效率，對電網的經營管理和未來發展具有重要意義。