信息机房监测与安全评估研究

《信息机房监测与安全评估研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文（学术学位）信息机房监测与安全评估研究INFORMATIONROOMMONITORINGANDSECURITYEVALUATIONRESEARCH王永文2016年3月中图分类号：TP311学校代码：10188UDC：004密级：公开信息机房监测与安全评估研究硕士研究生：王永文导师：曲朝阳学位类别：工学硕士学科专业：计算机科学与技术所在单位：信息工程学院答辩日期：2016年3月授予学位单位：东北电力大学ClassifiedIndex:TP311U.D.C:004INFORMATIONROOMMONITORI

2、NGANDSECURITYEVALUATIONRESEARCHCandidate：WangYongwenSupervisor：QuZhaoyangAcademicDegreeAppliedfor：MasterofEngineeringSpeciality：ComputerScienceandTechnologyAffiliation：SchoolofInformationEngineeringDateofDefence：Mar.2016Degree-Conferring-Institution：NortheastDi

3、anliUniversity东北电力大学学位论文原创性声明和使用权限学位论文原创性声明，本人郑重声明：此处所提交的学位论文是本人在导师指导下在东北电力大学攻读学位期间独立进斤研巧工作所取得的成果，且学位１仑文击除己标注引用文献的部分外不包含他人完成或己发表的研究成果，均。对本学位论文的研究工作做出重要贡献的个人和集体己在文中Ｗ明确方式注巧。＂作者签名：禾支曰期：又５八年，的Ｃｊ曰学位论文使用权限学位论文是研究生在东北电力大学攻读学位期间完成的成果，知识产权归属东北电力大学。学位论

4、文的使用权限如下：（１）学校可采用影印，并向国家图书馆报送、缩印或其他复制手段保存研巧生上交的学位论文学位论文（２）：；学校可Ｗ将学位论文部分或全部内容编入有关数据库进行检索和提供相应阅览服务Ｇ）研究生毕业后发表与此学位论文研究成果相关的学术论文和其他成果时，应征得导师同意，且第一署名单位为东北电力大学。保密论文在保密期内遵守有关保密规定，解密后适用于此使用权限规定。本人知悉学化论文的使用权限，并将遵守有关规定。作者签名：日期！年。／月汾日／导师签名：日期；年。月日１＿＾《中国

5、优秀博硕±学位论文全文数据库》和《中国学位论文全文数据库》投稿声明东北电力大学：本人同意《中国优秀博硕±学位论文全文数据库》和《中国学位论文全文数据库》出版章程的内容，愿意将本人的学位论文委托东北电为大学向中国学术期刊（光盘版）电子杂志社的《中国优秀博硕±学位论文全文数据库》和中国科技信息研究所的《中国学位论支全文数据库》投稿，希望《中国优秀博硕±学位论文全文数据库》和《中国学位论文全文数据库》给予出版，并同意在《中国优秀博硕±学位论文全文数据库》和ＣＮＫＩ系列数据库Ｗ及《中国学位论文

6、全文数据库》中使用，同意按章程规定享受相关权益。论文级别：￡１硕±□博±作者签名；指导教师签名：日期：万化年〇化月口日摘要电力信息通信网络的逐步扩大，使得电力系统的信息机房设备数量、信息运维工作量迅速增加。信息机房是一个集中数据存储、数据传送、数据管理的地方，其安全稳定对电力信息通信网络的运行起着至关重要的作用。对信息机房监测及安全评估可以让运维人员掌握目前信息机房的设备运行状况、内部动力环境等信息；通过对相关数据进行异常辨识，发现信息机房存在的安全隐患，为信息机房进行安全评估，对做出合理决

7、策具有重要意义。本文分别从信息机房监测信息异常辨识方法和信息机房模糊安全评估模型两方面对信息机房安全运维进行了研究：针对信息机房监测信息异常辨识方面，各监测数据模式繁多，不宜直接构建检测模式；异常数据少，很难通过简单的阈值进行异常辨识；需要快速识别出监测数据中的异常等问题，本文提出了正常簇的边界样本异常辨识方法，该方法首先根据改进的CURE聚类算法获取样本中的正常样本；然后通过边界样本获取算法得到正常簇的边界样本，以此作为异常检测器；最后按照边界样本异常辨识方法对监测信息进行异常辨识。经过实验分析，该异常辨识方法快速

8、、准确，为信息机房监测运维中对异常辨识、隐患的排查提供了可行方法，该方法具有实时、历史数据中异常处理的能力。在信息机房模糊安全评估中，针对于信息机房灾害事件具有不确定性，影响因素具有模糊性，信息机房安全风险评估专业性不强，其影响评估结果的因素较多等问题，提出了基于最优聚类条件的模糊安全评估模型。对待评估数据集利用最优聚类条件进行模糊集划分，确定