基于RPA技術的監(jiān)察審計信息訪問授權控制模型

黎晚晴,劉森

(南方電網數字電網研究院有限公司，廣東廣州 510006)

1 引言

隨著國家監(jiān)察審計制度改革的不斷推進，對監(jiān)察審計信息化管理技術提出了更高的要求，相關的監(jiān)察審計信息訪問和授權控制方法研究受到人們的極大關注[1]。國外的監(jiān)察審計運用到了醫(yī)療衛(wèi)生等領域，如在審計時，專家、訓練有素的審計員收集的關于質量和安全的可靠和基于風險的信息，監(jiān)察局仔細使用這些信息，以便在被審計的保健專業(yè)人員中保持開放性。對監(jiān)察審計信息的授權控制研究是建立在對監(jiān)察審計信息的大數據融合和特征提取基礎上[2]，結合大數據信息融合方法進行監(jiān)察審計信息訪問授權特征信息采樣，通過模糊信息聚類分析的方法進行監(jiān)察審計信息訪問授權的類別劃分，采用大數據技術進行監(jiān)察審計信息訪問授權統計分析，取得了較好的監(jiān)察審計信息訪問授權控制能力，研究監(jiān)察審計信息訪問授權控制模型在促進監(jiān)察審計信息化發(fā)展中更具有重要意義。

傳統方法中，監(jiān)察審計信息訪問授權控制方法主要有模糊PID控制方法、統計信息融合控制方法和自相關特征匹配控制方法等[3]。雷麗楠等人提出一種基于密文策略屬性基加密(ciphertext-policy attribute-based encryption，CPABE)的多授權中心訪問控制方案。該方案引入屬性管理器對用戶屬性進行分組，多個授權中心共同生成密鑰，同時將部分解密交給云服務器進行。該方案減少了授權中心間的通信消耗和用戶解密的資源消耗，同時通過安全性證明及與現有方案進行對比證明該方案安全高效，但自適應性不好，收斂性不強[4]；楊小東等人提出一種改進的云訪問控制方案。通過哈希函數構建的邏輯二叉樹為每個屬性生成組密鑰，用戶的屬性私鑰由多個授權中心聯合分發(fā)，通過引入線性秘密共享矩陣，實現靈活的資源訪問控制策略，但該方法同樣存在自適應性和收斂性方面的不足[5]。

針對上述問題，本文提出基于RPA 技術的監(jiān)察審計信息訪問授權控制模型。RPA(robotics process automation)即機器人流程自動化，作為一種具備操作高效、數據準確性高、安全性高及可拓展、部署靈活等多種應用優(yōu)勢的軟件自動化工具，構建監(jiān)察審計信息訪問的大數據存儲和信息挖掘模型，結合信息化優(yōu)化存儲和過程控制方法，進行監(jiān)察審計信息訪問融合和過程控制，在此基礎上運用RPA 定量遞歸分析方法，實現監(jiān)察審計信息訪問的授權控制，提高監(jiān)察審計信息訪問和存儲的安全性，最后進行仿真測試分析，驗證了本文方法在提高監(jiān)察審計信息訪問授權控制能力方面的優(yōu)越性能。

2 信息存儲結構模型和特征分析

2.1 信息存儲結構模型

為了實現基于RPA 技術的監(jiān)察審計信息訪問授權控制，構建監(jiān)察審計信息訪問的大數據存儲和信息挖掘模型，結合深度信息融合的方法，進行監(jiān)察審計信息訪問的過程控制和自適應學習，通過特征優(yōu)化篩選和語義特征挖掘，構建監(jiān)察審計信息訪問的自適應分類學習模型[6]，采用上下文特征匹配方法，進行監(jiān)察審計信息訪問授權行為的特征分析，通過統計信息融合和上下文映射方法，構建監(jiān)察審計信息的特征聚類模型，提取監(jiān)察審計信息的語言評價集，得到監(jiān)察審計信息的語言評價模糊參數分布集輸出為：

根據語言評價集S={s1，s2，...sn}中元素進行信息重組，得到監(jiān)察審計信息的相關多屬性決策特征量為：

其中監(jiān)察審計信息訪問授權特征的結構映射為：

其中，λ為映射函數。建立多目標灰色關聯度模型，采用大數據融合的方法，得到監(jiān)察審計信息訪問授權的過程分布集，根據監(jiān)察審計對象的語義分布特性，通過二元語義信息融合[7]，得到監(jiān)察審計信息訪問授權的概率分布函數如下：

其中，δ為信息融合函數，μ為語義常量。根據上述分析，通過二元語義加權算術平均分析的方法，對監(jiān)察審計信息訪問授權定位信息進行空間結構映射[8]，得出特征表達式為：

其中，ζ(x)為監(jiān)察審計信息訪問授權的統計特征量，Φn為監(jiān)察審計信息訪問授權數據的關聯特征分布集，根據監(jiān)察審計信息訪問授權信息的分布集，進行統計，得到概率和函數為：

則監(jiān)察審計信息訪問授權屬性分布模型為：

其中，τ為監(jiān)察審計信息訪問授權屬性的延遲特征估計值，pi為幅值，建立決策矩陣，通過上下語義映射方法，實現信息訪問授權控制[9]，得到信息存儲結構模型如圖1所示。

圖1 信息存儲結構模型

2.2 監(jiān)察審計信息訪問授權特征分析

在構建信息存儲結構模型的基礎上，結合深度信息融合的方法，進行監(jiān)察審計信息訪問授權的過程控制和存儲結構優(yōu)化控制，根據授權類別特征分布進行在線監(jiān)測，結合二元語義多屬性決策方法[10]，得到監(jiān)察審計信息訪問的輸出統計特征分布結果為：

在監(jiān)察審計信息訪問授權數據分布的狀態(tài)集，通過狀態(tài)結構重組，進行量化回歸分析，得到監(jiān)察審計信息訪問授權信息聚類融合中心為：

采用模糊度分析方法，將有效的監(jiān)察審計信息訪問授權數據s(x)和統計數據v(x)分開，采用空間結構映射方法，得到監(jiān)察審計信息訪問授權樣本s(t)的離散分布集，監(jiān)察審計信息訪問授權動態(tài)特征分布為：

式中，v表示監(jiān)察審計信息訪問授權的關聯指向性系數，u(t)為監(jiān)察審計信息訪問授權動態(tài)語義分布特征量，ωC為貼近度函數。

通過自相關特征信息匹配方法進行監(jiān)察審計信息訪問控制的過程匹配和信息融合，提高審計信息訪問授權控制能力。

3 監(jiān)察審計信息訪問授權控制優(yōu)化

3.1 監(jiān)察審計信息融合

通過對信息存儲結構建模并分析其特征后，建立監(jiān)察審計信息訪問授權檢測的大數據分析模型，結合大數據信息融合方法進行監(jiān)察審計信息訪問授權特征信息采樣，構建關聯度相對貼近度函數進行動態(tài)信息融合，得到監(jiān)察審計信息的詞語相似度為：

其中，an表示監(jiān)察審計信息的內容語義分布集，根據個人判斷進行監(jiān)察審計信息的特征采樣，對采集的監(jiān)察審計信息訪問授權特征量進行集成處理，在可用性評估模式下，進行監(jiān)察審計信息的關聯度融合，得到概念化模型為：

根據數據密集型，對監(jiān)察審計信息模糊集合X分為K類，采用層次結構融合的方法，提取監(jiān)察審計信息訪問授權數據的語義信息，根據搜索引擎的詞語特性，進行監(jiān)察審計信息訪問授權，采用信息抽取的方法，按照監(jiān)察審計信息訪問授權樣本數據的模糊度進行特征分解，由此得到內容結構的語義信息融合結果為：

式中：其中，i表示監(jiān)察審計信息訪問授權語義本體信息，ai為監(jiān)察審計信息詞語的特征權值；δ為監(jiān)察審計信息訪問授權向量詞語特征值；k為每個主題詞匹配狀態(tài)參數。根據上述分析，進行監(jiān)察審計信息融合處理，提高監(jiān)察審計信息訪問和授權控制能力。

3.2 結合RPA方法的監(jiān)察審計授權訪問控制

在對監(jiān)察審計內容結構的語義信息融合后，為了進一步提高監(jiān)察審計信息訪問和授權控制能力，建立監(jiān)察審計信息庫的行為動態(tài)度量模型，構建監(jiān)察審計信息庫的二元語義特征尋優(yōu)模型，得到監(jiān)察審計信息訪問授權檢測特征量為{λi：1≤i≤S}，結合參數自適應尋優(yōu)方法，得到監(jiān)察審計信息訪問授權控制的模糊調度(MLDAS)特征分布集，在領域特征的分布集中建立監(jiān)察審計信息授權尋優(yōu)控制模型，得到授權過程控制的表達式為：

將提取的監(jiān)察審計信息訪問授權數據輸入到學習模型中，在局部窗口中采用尋優(yōu)算法進行監(jiān)察審計信息訪問授權控制，得到優(yōu)化的學習控制模型表達如下：

在重構的向量空間中，采用大數據信息融合方法進行監(jiān)察審計信息庫構造，在大數據分布集中，通過級聯特征匹配，進行監(jiān)察審計信息的語義特征分解，實現對監(jiān)察審計信息訪問和授權控制。綜上分析，結合RPA定量遞歸分析方法，實現監(jiān)察審計信息訪問的授權控制，提高監(jiān)察審計信息訪問和存儲的安全性。

4 仿真實驗分析

通過仿真實驗驗證本文方法在實現監(jiān)察審計信息訪問的授權控制中的應用性能，實驗采用Matlab設計，對監(jiān)察審計信息采樣的統計樣本長度為2000，訓練樣本集的大小為120，對監(jiān)察審計信息融合的迭代次數為500，相似度系數為0.24，根據上述參數設定，進行監(jiān)察審計信息訪問授權控制，得到監(jiān)察審計信息采樣的測試樣本時域分布如圖2所示。

圖2 監(jiān)察審計信息測試樣本

以上述樣本為研究對象，采用所提方法進行監(jiān)察審計信息訪問授權控制，輸出檢測率，得到對比結果如圖3所示。

圖3 檢測率測試

分析上述仿真結果得知，采用本文方法進行監(jiān)察審計信息訪問授權控制的輸出檢測率較高，這主要是因為在初始階段，采用大數據融合的方法，得到監(jiān)察審計信息訪問授權的過程分布集，并通過信息融合的方式提取數據特征，提高了檢測率。

為測試所提方法的執(zhí)行效率，分別采用文獻[4]、文獻[5]方法對測試樣本進行監(jiān)察審計信息訪問授權控制。得到對比結果見表1。

分析表1得知本文方法進行監(jiān)察審計信息訪問授權控制的執(zhí)行效率較高，并且隨著迭代次數的增加，執(zhí)行效率也呈現出逐漸上升的趨勢。這主要是因為在提取的監(jiān)察審計信息訪問授權的學習模型中，采用尋優(yōu)算法進行監(jiān)察審計信息訪問授權控制，并采用RPA技術對授權信息進行分析識別，以此實現提高對監(jiān)察審計信息訪問和授權控制的執(zhí)行效率。

表1 執(zhí)行效率對比

5 結束語

監(jiān)察審計信息訪問授權控制是結合信息化優(yōu)化存儲和過程控制方法，進行監(jiān)察審計信息訪問融合和過程控制，提高監(jiān)察審計信息的授權訪問控制能力，從而提高監(jiān)察審計信息存儲和訪問的安全性，本文提出基于RPA 技術的監(jiān)察審計信息訪問授權控制模型。采用上下文特征匹配方法，進行監(jiān)察審計信息訪問授權行為的特征分析。根據授權類別特征分布進行在線監(jiān)測，通過自相關特征信息匹配方法進行監(jiān)察審計信息訪問控制的過程匹配和信息融合，提高審計信息訪問授權控制能力。分析得知，本文方法進行監(jiān)察審計信息訪問授權控制的執(zhí)行效率最高可到99.8%，對監(jiān)察審計信息訪問授權控制的研究具有一定的參考價值。