基于集成學(xué)習(xí)的發(fā)電行業(yè)數(shù)字化轉(zhuǎn)型信息安全風(fēng)險(xiǎn)預(yù)測(cè)模型研究

摘要：為提高發(fā)電行業(yè)的信息安全防護(hù)水平，保障電網(wǎng)的安全穩(wěn)定運(yùn)行，文章利用集成學(xué)習(xí)，開展了發(fā)電行業(yè)數(shù)字化轉(zhuǎn)型信息安全風(fēng)險(xiǎn)預(yù)測(cè)模型研究。文章首先識(shí)別發(fā)電行業(yè)數(shù)字化轉(zhuǎn)型信息安全風(fēng)險(xiǎn)，確定安全風(fēng)險(xiǎn)等級(jí)與優(yōu)先級(jí)；其次，從數(shù)字化轉(zhuǎn)型原始數(shù)據(jù)中，文章識(shí)別并提取出對(duì)預(yù)測(cè)信息安全風(fēng)險(xiǎn)有用的特征；在此基礎(chǔ)上，文章利用集成學(xué)習(xí)，構(gòu)建風(fēng)險(xiǎn)預(yù)測(cè)模型，對(duì)潛在的信息安全風(fēng)險(xiǎn)作出全方位的預(yù)測(cè)。實(shí)驗(yàn)結(jié)果表明，該模型在風(fēng)險(xiǎn)預(yù)測(cè)覆蓋率上表現(xiàn)出明顯的優(yōu)勢(shì)，均達(dá)到了98%以上的預(yù)測(cè)覆蓋率，提高了對(duì)信息安全風(fēng)險(xiǎn)的預(yù)測(cè)能力。

關(guān)鍵詞：集成學(xué)習(xí)；發(fā)電行業(yè)；數(shù)字化轉(zhuǎn)型；信息；安全；風(fēng)險(xiǎn)；預(yù)測(cè)

中圖分類號(hào)：F271 "文獻(xiàn)標(biāo)志碼：A

0 引言

作為國(guó)民經(jīng)濟(jì)的重要支柱，發(fā)電企業(yè)數(shù)字化轉(zhuǎn)型至關(guān)重要。通過數(shù)字化轉(zhuǎn)型，發(fā)電企業(yè)可以實(shí)現(xiàn)對(duì)發(fā)電設(shè)備的實(shí)時(shí)監(jiān)測(cè)與智能控制，優(yōu)化發(fā)電過程，提高發(fā)電效率；同時(shí)，還能實(shí)現(xiàn)能源的高效傳輸與分配，提升供電可靠性和穩(wěn)定性。此外，數(shù)字化轉(zhuǎn)型還有助于推動(dòng)清潔能源的廣泛應(yīng)用，減少對(duì)傳統(tǒng)能源的依賴，降低碳排放，促進(jìn)可持續(xù)發(fā)展。然而，數(shù)字化轉(zhuǎn)型在帶來諸多便利的同時(shí)，也顯著增加了信息系統(tǒng)的復(fù)雜度和安全風(fēng)險(xiǎn)。發(fā)電行業(yè)作為關(guān)鍵基礎(chǔ)設(shè)施領(lǐng)域，其信息系統(tǒng)一旦遭受黑客攻擊、惡意軟件等安全威脅，可能導(dǎo)致電網(wǎng)運(yùn)行出現(xiàn)故障，甚至引發(fā)災(zāi)難性事故，威脅國(guó)家經(jīng)濟(jì)安全和人民生命財(cái)產(chǎn)安全。因此，該研究構(gòu)建發(fā)電行業(yè)數(shù)字化轉(zhuǎn)型信息安全風(fēng)險(xiǎn)預(yù)測(cè)模型，對(duì)于保障發(fā)電行業(yè)信息安全、促進(jìn)數(shù)字化轉(zhuǎn)型健康發(fā)展具有重要意義。當(dāng)前，傳統(tǒng)的發(fā)電行業(yè)數(shù)字化轉(zhuǎn)型信息安全風(fēng)險(xiǎn)預(yù)測(cè)模型雖然取得了一定的成就，但是在實(shí)際應(yīng)用中仍然存在缺陷。其中，代榮家［1］提出研究依賴于單一的算法，在處理復(fù)雜、多變的信息安全風(fēng)險(xiǎn)時(shí)，可能因其固有的局限性而導(dǎo)致預(yù)測(cè)精度不高。甘新業(yè)等［2］提出研究未能充分利用發(fā)電行業(yè)數(shù)字化轉(zhuǎn)型過程中產(chǎn)生的大量、多維度的數(shù)據(jù)，影響了預(yù)測(cè)結(jié)果的可靠性。

集成學(xué)習(xí)作為一種將多個(gè)預(yù)測(cè)模型組合起來進(jìn)行決策的方法，在預(yù)測(cè)準(zhǔn)確性和穩(wěn)定性方面具有顯著優(yōu)勢(shì)。集成學(xué)習(xí)通過結(jié)合多個(gè)模型的預(yù)測(cè)結(jié)果，可以減少單一模型的偏差和方差，提高預(yù)測(cè)的準(zhǔn)確性。同時(shí)，由于考慮了多個(gè)模型的意見，集成學(xué)習(xí)對(duì)于異常數(shù)據(jù)和噪聲的魯棒性更強(qiáng)，能夠增強(qiáng)預(yù)測(cè)的穩(wěn)定性［3］。這些特點(diǎn)使得集成學(xué)習(xí)在發(fā)電行業(yè)數(shù)字化轉(zhuǎn)型信息安全風(fēng)險(xiǎn)預(yù)測(cè)中具有廣泛的應(yīng)用前景。因此，文章利用集成學(xué)習(xí)，開展了發(fā)電行業(yè)數(shù)字化轉(zhuǎn)型信息安全風(fēng)險(xiǎn)預(yù)測(cè)模型研究。

1 發(fā)電行業(yè)數(shù)字化轉(zhuǎn)型信息安全風(fēng)險(xiǎn)識(shí)別

發(fā)電行業(yè)數(shù)字化轉(zhuǎn)型信息安全風(fēng)險(xiǎn)識(shí)別是一個(gè)系統(tǒng)性、全面性的過程，其目的在于發(fā)現(xiàn)并評(píng)估數(shù)字化轉(zhuǎn)型過程中可能出現(xiàn)的信息安全威脅。該研究收集發(fā)電行業(yè)數(shù)字化轉(zhuǎn)型的相關(guān)文檔、計(jì)劃、系統(tǒng)架構(gòu)圖等信息，明確數(shù)字化轉(zhuǎn)型涉及的領(lǐng)域、系統(tǒng)和業(yè)務(wù)流程?；跉v史經(jīng)驗(yàn)、行業(yè)標(biāo)準(zhǔn)和專家意見，初步識(shí)別可能存在的信息安全風(fēng)險(xiǎn)。該研究對(duì)發(fā)電行業(yè)數(shù)字化轉(zhuǎn)型信息安全的層次結(jié)構(gòu)作出分析，如圖1所示。

如圖1所示，首先，該研究深入地識(shí)別并分類可能導(dǎo)致關(guān)鍵信息資產(chǎn)遭受損失或破壞的各種潛在風(fēng)險(xiǎn)行為或事件，包括但不限于惡意黑客發(fā)起的網(wǎng)絡(luò)攻擊、計(jì)算機(jī)病毒及勒索軟件的感染、內(nèi)部人員的誤操作或故意泄露等［4］。其次，該研究通過專業(yè)的安全審計(jì)與滲透測(cè)試，全面評(píng)估系統(tǒng)架構(gòu)、網(wǎng)絡(luò)布局及應(yīng)用程序代碼中潛藏的弱點(diǎn)，比如未修復(fù)的安全漏洞、不恰當(dāng)?shù)陌踩渲门c權(quán)限設(shè)置錯(cuò)誤等［5］。在此基礎(chǔ)上，該研究進(jìn)一步對(duì)組織的核心價(jià)值資產(chǎn)進(jìn)行價(jià)值評(píng)估，

這涵蓋了關(guān)鍵業(yè)務(wù)數(shù)據(jù)的敏感性、系統(tǒng)運(yùn)行的穩(wěn)定性對(duì)業(yè)務(wù)連續(xù)性的重要性以及網(wǎng)絡(luò)基礎(chǔ)設(shè)施的支撐能力等，確保安全策略與防護(hù)措施能夠精準(zhǔn)對(duì)接，有效保護(hù)組織免受信息安全威脅。使用公式（1），計(jì)算信息安全風(fēng)險(xiǎn)值：

R=T×V×A（1）

根據(jù)計(jì)算得到風(fēng)險(xiǎn)值，對(duì)信息安全風(fēng)險(xiǎn)進(jìn)行排序和優(yōu)先級(jí)劃分，如表1所示。

按照表1，該研究?jī)?yōu)先處理高風(fēng)險(xiǎn)，確保核心業(yè)務(wù)和數(shù)據(jù)的安全性。從風(fēng)險(xiǎn)值來看，外部攻擊（等級(jí)Ⅰ，風(fēng)險(xiǎn)值90）因其可能導(dǎo)致的嚴(yán)重后果（如惡意攻擊引發(fā)的數(shù)據(jù)泄露）而被列為最高優(yōu)先級(jí)。這類風(fēng)險(xiǎn)直接威脅到企業(yè)的核心資產(chǎn)和業(yè)務(wù)連續(xù)性。緊隨其后的是內(nèi)部泄密（等級(jí)Ⅱ，風(fēng)險(xiǎn)值75）和配置錯(cuò)誤（等級(jí)Ⅲ，風(fēng)險(xiǎn)值60），這兩類風(fēng)險(xiǎn)雖不如外部攻擊直接猛烈，但同樣不容忽視。內(nèi)部泄密可能源于惡意行為，配置錯(cuò)誤則可能因系統(tǒng)漏洞被利用。至于病毒感染（等級(jí)Ⅴ，風(fēng)險(xiǎn)值45），雖然其優(yōu)先級(jí)相對(duì)較低，但考慮到其對(duì)系統(tǒng)穩(wěn)定性的潛在影響，仍須注意其風(fēng)險(xiǎn)性。通過以上流程和方法，發(fā)電行業(yè)數(shù)字化轉(zhuǎn)型信息安全風(fēng)險(xiǎn)識(shí)別能夠系統(tǒng)地識(shí)別和評(píng)估潛在的信息安全威脅。

2 風(fēng)險(xiǎn)特征提取

風(fēng)險(xiǎn)特征提取是構(gòu)建基于集成學(xué)習(xí)的發(fā)電行業(yè)數(shù)字化轉(zhuǎn)型信息安全風(fēng)險(xiǎn)預(yù)測(cè)模型的重要步驟之一。這一過程旨在從原始數(shù)據(jù)中識(shí)別并提取出對(duì)預(yù)測(cè)信息安全風(fēng)險(xiǎn)有用的特征［6］。該研究從發(fā)電企業(yè)的各種信息源（如系統(tǒng)日志、網(wǎng)絡(luò)流量、用戶行為記錄等）中收集原始數(shù)據(jù)。去除重復(fù)、不完整或錯(cuò)誤的數(shù)據(jù)項(xiàng)，對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，如公式（2）所示：

Xn=（X-Xmin）（Xmax-Xmin）（2）

其中，X表示原始數(shù)據(jù)值；Xmax、Xmin分別表示數(shù)據(jù)集中的最小值和最大值。通過標(biāo)準(zhǔn)化處理，將數(shù)據(jù)縮放到固定區(qū)間。在此基礎(chǔ)上，該研究深入理解發(fā)電行業(yè)數(shù)字化轉(zhuǎn)型的信息安全需求，識(shí)別可能影響信息安全的關(guān)鍵因素［7］?；跇I(yè)務(wù)理解和數(shù)據(jù)特性，初步篩選出可能與信息安全風(fēng)險(xiǎn)相關(guān)的特征。該研究根據(jù)初步篩選出的特征，通過組合的方式構(gòu)造新的特征。設(shè)用戶登錄嘗試次數(shù)為N，成功次數(shù)為S，則異常登錄行為特征F可以構(gòu)造為：

F=N-SN（3）

這個(gè)特征反映了用戶登錄嘗試中失敗的比例，比例越高可能表示異常行為。其次，利用卡方檢驗(yàn)，評(píng)估特征與信息安全風(fēng)險(xiǎn)之間的相關(guān)性?？ǚ浇y(tǒng)計(jì)量χ2的計(jì)算公式為；

χ2=∑（O-E）2E（4）

其中，O表示觀察頻數(shù)；E表示期望頻數(shù)。卡方值越大，表示特征與風(fēng)險(xiǎn)之間的關(guān)聯(lián)性越強(qiáng)。在此基礎(chǔ)上，該研究對(duì)于特征X和信息安全風(fēng)險(xiǎn)Y，計(jì)算其互信息，如公式（5）所示：

I（X;Y）=∑x∈X∑y∈Yp（x，y）logp（x，y）p（x）p（y）（5）

其中，p（x，y）表示X和Y的聯(lián)合概率分布；p（x）、p（y）分別表示X和Y的邊緣概率分布?；バ畔⒅翟酱螅硎咎卣鱔對(duì)預(yù)測(cè)風(fēng)險(xiǎn)Y越有用。

通過以上流程和內(nèi)容，可以系統(tǒng)地提取出對(duì)發(fā)電行業(yè)數(shù)字化轉(zhuǎn)型信息安全風(fēng)險(xiǎn)預(yù)測(cè)有用的特征，為后續(xù)的模型構(gòu)建和預(yù)測(cè)分析提供有力支持。

3 基于集成學(xué)習(xí)的風(fēng)險(xiǎn)預(yù)測(cè)模型構(gòu)建

發(fā)電行業(yè)數(shù)字化轉(zhuǎn)型信息安全風(fēng)險(xiǎn)特征提取完畢后，在此基礎(chǔ)上，該研究利用集成學(xué)習(xí)，構(gòu)建風(fēng)險(xiǎn)預(yù)測(cè)模型，對(duì)潛在的信息安全風(fēng)險(xiǎn)作出全方位的預(yù)測(cè)。

需要明確預(yù)測(cè)的具體風(fēng)險(xiǎn)類型，如信用風(fēng)險(xiǎn)、市場(chǎng)風(fēng)險(xiǎn)、操作風(fēng)險(xiǎn)等?；诿鞔_的預(yù)測(cè)目標(biāo)，從多元化的數(shù)據(jù)源中搜集相關(guān)數(shù)據(jù)。這些數(shù)據(jù)源可能包括：（1）企業(yè)內(nèi)部數(shù)據(jù)庫(kù)，其中存儲(chǔ)著豐富的歷史交易記錄、員工行為數(shù)據(jù)等；（2）公共數(shù)據(jù)庫(kù)，如行業(yè)報(bào)告、政府發(fā)布的統(tǒng)計(jì)數(shù)據(jù)；（3）專業(yè)的第三方數(shù)據(jù)提供商，它們能提供更為詳盡和專業(yè)的市場(chǎng)情報(bào)與風(fēng)險(xiǎn)評(píng)估數(shù)據(jù)。在數(shù)據(jù)收集的過程中，須特別關(guān)注那些能反映歷史風(fēng)險(xiǎn)事件及其相關(guān)特征的指標(biāo)，以便為后續(xù)的模型訓(xùn)練提供堅(jiān)實(shí)的基礎(chǔ)。

該研究依據(jù)數(shù)據(jù)的特性和預(yù)測(cè)的具體需求，挑選多個(gè)基礎(chǔ)模型進(jìn)行訓(xùn)練，如（1）決策樹模型，其通過樹狀結(jié)構(gòu)直觀展示決策過程；（2）隨機(jī)森林模型，通過集成多個(gè)決策樹來提高預(yù)測(cè)準(zhǔn)確性和穩(wěn)定性；（3）支持向量機(jī)模型，擅長(zhǎng)處理高維數(shù)據(jù)和分類問題。為了科學(xué)評(píng)估模型的性能，將標(biāo)準(zhǔn)化處理后的數(shù)據(jù)集劃分為訓(xùn)練集、驗(yàn)證集和測(cè)試集，分別用于模型的訓(xùn)練、參數(shù)調(diào)優(yōu)和最終性能的評(píng)估。在模型訓(xùn)練階段，該研究利用訓(xùn)練集數(shù)據(jù)對(duì)每個(gè)基礎(chǔ)模型進(jìn)行充分的訓(xùn)練，使其能夠?qū)W習(xí)并捕捉到數(shù)據(jù)中的規(guī)律和模式。該研究通過驗(yàn)證集數(shù)據(jù)對(duì)模型進(jìn)行細(xì)致的調(diào)優(yōu)，包括調(diào)整模型參數(shù)、優(yōu)化模型結(jié)構(gòu)等，以選擇出表現(xiàn)最佳的模型。這些經(jīng)過訓(xùn)練的模型將各自輸出對(duì)信息安全風(fēng)險(xiǎn)的預(yù)測(cè)結(jié)果。

該研究根據(jù)基礎(chǔ)模型的預(yù)測(cè)結(jié)果和預(yù)測(cè)目標(biāo)的特點(diǎn)，選擇加權(quán)平均的集成策略進(jìn)行集成，如公式（6）所示。

E=∑ni=1wi×Mi（6）

其中，E表示集成模型的預(yù)測(cè)結(jié)果；wi表示第i個(gè)基礎(chǔ)模型性能分配的權(quán)重，確保所有權(quán)重的和為1；Mi表示第i個(gè)基礎(chǔ)模型對(duì)同一樣本的預(yù)測(cè)結(jié)果（通常是概率值或風(fēng)險(xiǎn)評(píng)分）；n表示基礎(chǔ)模型的數(shù)量。使用測(cè)試集數(shù)據(jù)對(duì)集成模型進(jìn)行評(píng)估，根據(jù)評(píng)估結(jié)果，調(diào)整基礎(chǔ)模型的參數(shù)、權(quán)重分配或嘗試新的基礎(chǔ)模型，以優(yōu)化集成模型的性能。將訓(xùn)練好的集成模型部署到發(fā)電企業(yè)的信息系統(tǒng)中，實(shí)現(xiàn)實(shí)時(shí)或定時(shí)的信息安全風(fēng)險(xiǎn)預(yù)測(cè)。該研究根據(jù)集成模型的預(yù)測(cè)結(jié)果，制定相應(yīng)的風(fēng)險(xiǎn)預(yù)警和應(yīng)對(duì)措施，以降低信息安全風(fēng)險(xiǎn)對(duì)發(fā)電行業(yè)數(shù)字化轉(zhuǎn)型的影響。當(dāng)預(yù)測(cè)到網(wǎng)絡(luò)攻擊風(fēng)險(xiǎn)較高時(shí)，可以加強(qiáng)網(wǎng)絡(luò)安全防護(hù)措施；當(dāng)預(yù)測(cè)到數(shù)據(jù)泄漏風(fēng)險(xiǎn)較高時(shí)，可以加強(qiáng)數(shù)據(jù)加密和訪問控制等。

4 實(shí)驗(yàn)分析

4.1 實(shí)驗(yàn)準(zhǔn)備

文章基于集成學(xué)習(xí)的發(fā)電行業(yè)數(shù)字化轉(zhuǎn)型信息安全風(fēng)險(xiǎn)預(yù)測(cè)模型的實(shí)驗(yàn)，精心選取了R大型發(fā)電企業(yè)作為主要研究對(duì)象。該企業(yè)作為行業(yè)內(nèi)的領(lǐng)軍企業(yè)，正積極推進(jìn)數(shù)字化轉(zhuǎn)型，涉及多個(gè)信息系統(tǒng)和業(yè)務(wù)流程，其數(shù)字化轉(zhuǎn)型進(jìn)程具有高度的代表性和研究?jī)r(jià)值。實(shí)驗(yàn)收集了該企業(yè)過去3年內(nèi)的信息安全事件數(shù)據(jù)、網(wǎng)絡(luò)流量數(shù)據(jù)、系統(tǒng)日志數(shù)據(jù)以及相關(guān)的業(yè)務(wù)運(yùn)營(yíng)數(shù)據(jù)。數(shù)據(jù)樣本總數(shù)為10萬條，其中包括已知的信息安全風(fēng)險(xiǎn)事件（正樣本）7000條以及未發(fā)生安全事件的正常數(shù)據(jù)（負(fù)樣本）93000條。

為了確保實(shí)驗(yàn)的順利進(jìn)行，搭建如表2所示的實(shí)驗(yàn)環(huán)境。

在此基礎(chǔ)上，按照上文提出的流程構(gòu)建預(yù)測(cè)模型，對(duì)模型的性能進(jìn)行測(cè)試。

4.2 預(yù)測(cè)結(jié)果分析

該研究選擇將風(fēng)險(xiǎn)預(yù)測(cè)覆蓋率作為此次實(shí)驗(yàn)的評(píng)估指標(biāo)，即模型預(yù)測(cè)出的風(fēng)險(xiǎn)事件占實(shí)際發(fā)生風(fēng)險(xiǎn)事件的比例。文章實(shí)驗(yàn)?zāi)M設(shè)置100個(gè)實(shí)際發(fā)生的風(fēng)險(xiǎn)事件作為測(cè)試集，這些事件未出現(xiàn)在訓(xùn)練集中。文章使用R大型發(fā)電企業(yè)過去幾年的信息安全數(shù)據(jù)，包含實(shí)際發(fā)生的風(fēng)險(xiǎn)事件和未發(fā)生風(fēng)險(xiǎn)的正常事件。對(duì)比文章提出的基于集成學(xué)習(xí)的預(yù)測(cè)模型（模型A）與代榮家［1］、甘新業(yè)等［2］提出的2種傳統(tǒng)模型（模型B、模型C）的風(fēng)險(xiǎn)預(yù)測(cè)覆蓋率，如圖2所示。

通過圖2的對(duì)比結(jié)果可以得知，文章提出的基于集成學(xué)習(xí)的預(yù)測(cè)模型在風(fēng)險(xiǎn)預(yù)測(cè)覆蓋率上表現(xiàn)出明顯的優(yōu)勢(shì)，均達(dá)到了98%以上的預(yù)測(cè)覆蓋率。相比之下，2種傳統(tǒng)模型的預(yù)測(cè)覆蓋率較低。這一結(jié)果表明，集成學(xué)習(xí)模型通過結(jié)合多個(gè)基學(xué)習(xí)器的預(yù)測(cè)結(jié)果，能夠更有效地捕捉數(shù)據(jù)中的復(fù)雜模式和特征，從而提高對(duì)信息安全風(fēng)險(xiǎn)的預(yù)測(cè)能力。因此，可以得出結(jié)論：在發(fā)電行業(yè)數(shù)字化轉(zhuǎn)型信息安全風(fēng)險(xiǎn)預(yù)測(cè)中，基于集成學(xué)習(xí)的預(yù)測(cè)模型具有更高的預(yù)測(cè)覆蓋率和更好的預(yù)測(cè)性能，是更為合適的選擇。這一結(jié)論為發(fā)電企業(yè)提高信息安全風(fēng)險(xiǎn)管理水平提供了有力的技術(shù)支持。

5 結(jié)語

該研究對(duì)于發(fā)電行業(yè)數(shù)字化轉(zhuǎn)型信息安全風(fēng)險(xiǎn)預(yù)測(cè)模型的構(gòu)建和應(yīng)用具有重要的理論意義和實(shí)踐價(jià)值。一方面，該研究通過構(gòu)建科學(xué)有效的預(yù)測(cè)模型，為發(fā)電行業(yè)提供了一套切實(shí)可行的信息安全風(fēng)險(xiǎn)評(píng)估和預(yù)警工具；另一方面，該研究通過模型的實(shí)際 "應(yīng)用，可以顯著提高發(fā)電行業(yè)的信息安全防護(hù)水平，保障電網(wǎng)的安全穩(wěn)定運(yùn)行。未來，隨著技術(shù)的不斷進(jìn)步和應(yīng)用場(chǎng)景的不斷拓展，信息安全風(fēng)險(xiǎn)預(yù)測(cè)模型將在發(fā)電行業(yè)發(fā)揮更加重要的作用，推動(dòng)發(fā)電行業(yè)的數(shù)字化轉(zhuǎn)型向更高層次邁進(jìn)。

參考文獻(xiàn)

［1］代榮家.基于灰色模型的變電倒閘操作風(fēng)險(xiǎn)預(yù)測(cè)方法研究［J］.電工技術(shù)，2024（2）：121-123.

［2］甘新業(yè)，張?zhí)焘?，曹穎，等.多源數(shù)據(jù)集成的光伏企業(yè)經(jīng)營(yíng)風(fēng)險(xiǎn)預(yù)測(cè)研究［J］.工程管理科技前沿，2023（3）：37-44.

［3］康文倩.基于改進(jìn)AHP算法的電力監(jiān)控網(wǎng)絡(luò)安全風(fēng)險(xiǎn)評(píng)估方法［J］.自動(dòng)化與儀器儀表，2022（10）：171-174.

［4］李明鈺，牛東曉，張瀟丹，等.考慮多價(jià)值鏈協(xié)同的電力設(shè)備制造企業(yè)經(jīng)營(yíng)風(fēng)險(xiǎn)預(yù)測(cè)研究［J］.工程管理科技前沿，2022（3）：53-60.

［5］趙彩，許大煒.基于層次分析法的網(wǎng)絡(luò)涉密信息風(fēng)險(xiǎn)評(píng)估系統(tǒng)設(shè)計(jì)［J］.電子設(shè)計(jì)工程，2022（7）：91-95.

［6］程永新，廖竣鍇，付江，等.基于加權(quán)時(shí)間序列的跨域交換風(fēng)險(xiǎn)智能評(píng)估預(yù)測(cè)系統(tǒng)設(shè)計(jì)［J］.通信技術(shù)，2022（3）：359-366.

［7］曹令軍.基于人工智能的配電網(wǎng)風(fēng)險(xiǎn)態(tài)勢(shì)預(yù)測(cè)方法研究［J］.科學(xué)技術(shù)創(chuàng)新，2021（28）：30-32.

（編輯 王永超）

Research on the information security risk prediction model of digital transformation of power generation industry based on integrated learning

LIU" Xiaohan， LUO" Jin

（Huadian Jinsha River Upstream Hydropower Development Co.， Ltd.， Chengdu 610041， China）

Abstract： In order to improve the level of information security protection in the power generation industry and ensure the safe and stable operation of the power grid， this paper uses integrated learning to carry out the research on the information security risk prediction model of the digital transformation of the power generation industry. Firstly， the paper identifies the information security risks of the digital transformation of the power generation industry， and determines the security risk level and priority. Secondly， from the original data of the digital transformation， the paper identifies and extracts the features that are useful for predicting information security risks. On this basis， the paper uses ensemble learning to contruct a risk prediction model， which makes a comprehensive prediction of potential information security risks. The experimental results show that the model shows obvious advantages in the risk prediction coverage， which reaches more than 98%， and improves the prediction ability of information security risk.

Key words： integrated learning; power generation industry; digital transformation; information; security; risk; forecast