基于“大数据”技术的工程风险评价模型架构设计与预警应用

林伟婷

关键词：大数据；共识模型；风险评价；权重；预警管理

1引言

由于大数据具备海量数据信息、数据传播速度快、信息价值高等典型特征，因此大数据为各行各业的网络信息安全和工程风险评估带来了新形势变革[1]。

当前，传统网络工程多通过网络信息知识、政策、经验等单一方面定性、定量或二者相结合进行因子风险评估，该方法评价结果易获取，但易造成精度不足、信息数据安全防护和可行性方面漏洞。在此基础上，本文以“大数据”海量信息存储等多类特征为评估基础，从网络信息管理层、环境层和技术层三方面出发，首先通过风险因子评估、权重矩阵分析，降低网络工程信息数据不确定性；其次设计共识模型，评价区域链视图的网络工程安全性、效能性等；最终以指标权重和一般评价信息，确定综合风险值，划定风险因子指标等级隶属度，实现智慧型网络工程风险评价机制构建和网络工程预警防护。

2“大数据”技术的网络工程风险评估体系构建

2.1网络工程安全机制设计

为快速、准确地判断网络系统风险隐患，保障网络信息工程安全性，本文基于大数据技术，分析多类型网络信息工程条件后，以选取风险管理层、风险环境层和技术层构建网络工程安全机制，实现安全预警主体目标。首先以技术特征为基础层，通过网络加密、网络监控、网络访问控制和风险智能审计保障海量用户数据信息库安全性、稳定性，评估风险隐患；设计构建安全网络工程策略和预警体系，指导网络安全防护，降低风险隐患，最终通过风险管理对象实现网络工程风险指标分析。

2.2风险评价指标及体系构建

在“大数据”典型特征下，网络工程風险评价指标的合理选取，对安全机制设计构建极为关键。为此，本文以科学性、系统性、可靠性为风险指标选取原则。其次，在共识模型构建准则上，参考相关专家、文献等方面[2]，依据安全机制特征条件，筛选3个一级指标（网络工程设施、网络工程访问控制、安全监控技术），11个二级指标（承载能力、存储能力、预警处理能力、权限访问控制、服务器安全访问控制、网络信息访问控制、网络入侵监测、工程信息运维、数据库安全管理、网络地址安全审核、主机预警控制），构建集要素层、指标层为一体的综合性风险评价指标体系，以分析区域链内网络工程风险性。

3网络工程共识模型设计与构建

3.1共识模型设计原理

在网络风险评估过程中，由于存在评估意见偏离的现象，将会导致海量数据决策、整体评价和网络工程风险排序精准度降低[3]。为此，本文提出以共识模型构建稳定的风险评估信任关系，当模型进行风险评估时，共识模型将所有节点信息保存在一致的区域链视图中，以存在的分布式网络工程数据实现状态共识算法，随后通过信任关系的变更依次调整共识系数，以达到一致的共识模型最优阈值，进而提高网络工程风险评估精度和决策力。

3.2共识模型构建基础原则

基于大数据技术所构建的共识模型旨在提升网络工程风险评价、预警和决策管理能力，以保障行业网络工程安全，为此，共识模型设计构建时应遵循以下原则。

3.2.1系统性

由于共识模型各组成要素单元间既要有联系的关系，又为各自要素的条件，因此，为保证共识模型评估数据的有效和精准，共识模型各要素须按层次和规律性排列，以保持模型系统性和稳定度。

3.2.2相关性

共识模型设计需建立在对应的网络工程风险管理各环节，以保证风险评估要素间的联系和影响。

3.3共识模型构建

3.3.1网络工程风险因子评估

本文通过分布评价法对网络工程信息进行分析。比如，以网络工程风险为例，若存在：种网络工程隐患，且单个网络工程隐患存在q个工程风险因子，则i件下通过分布评价法实现网络工程风险评估，具体评估步骤分四部分，如下。

3.3.2共识模型构建

分布评价语言集和评价期望值经网络工程风险因子评估后，本文将特征分布结果通过共识模型比较模型设定阈值与分布评价语言集，设定分布评价共识度低于或高于阈值，则因子评估信息须进行修改；而当共识度达到模型阈值期望值，则风险评估因子作为模型参数，实现共识度计算，结果如下：nij，x={（Sk，bk，k=0，1，2，…，}则表示风险因子评估信息集群，通过多轮共识模型分析：以保障共识模型分析预测数据值准确性。

3.3.3风险因子权重分析

共识模型构建后，为确定风险因子权重，实现网络工程针对性预警应用目标，本文在参考相关专家文献后[4]，采用以离散度描述权重的熵权法计算分析网络工程风险因子权重结果，即当风险因子熵值越小，其风险指标离散度越大，则该指标权重也越大。熵权法权重分析算法如式（6）～式（8）所示。

（1）风险因子在熵值计算完成后，设权重为Wj，进而分析各风险因子权重结果：

（2）获得各风险因子权重后，通过前景决策矩阵分析各风险因子等级隶属度，以保障网络环境安全和网络工程健康，其中正负前景决策矩阵见式（7）和式（8）：

3.3.4风险预警预控

本文通过共识模型和权重前景决策准确评估各网络工程风险因子，实现对网络工程数据的动态监测和实时分析，同时依据权重前景对风险因子进行数据挖掘和探索，针对性给出预警状态和风险因子调整方案，为实现科学、精准、全面的风险预警管理提供科学的数据支撑。

4模型评价分析与预警应用

4.1模型评价案例分析

本文为进一步评估共识模型准确性，采集某一运营平台数据进行风险指标相关案例分析。由表1可知，本文网络工程风险等级划分为4级，并设定网络工程风险因子评语集水平为0～10，表明在单一风险等级下，若分数值越接近10，则风险水平越高，反之，越接近0，则风险水平越低。当风险分布评语集确定后，通过式（9）将风险评语集转为模型特征值参数：

最终，以此类推，逐个得到各网络工程风险指标数据特征值，并进行等级评价。

4.2创新点分析

（1）针对当前网络环境缺乏有效预警和风险评估的现状，本文基于大数据技术数据量大、数据多源和数据真实特征，提出利用共识模型和因子前景决策分析网络工程风险因子等级隶属度，通过定性分析评估网络工程风险因子类别，从而在实际网络环境中构建针对性安全预警体系。

（2）本文通过大数据技术将共识模型和前景决策结果相结合，实现了风险指标数据智能交互，不仅优化了网络工程风险评估决策精度，而且提高了网络安全防护能力。

4.3预警应用分析

本文面向大數据统计工程风险因子基础数据，以共识度和前景权重决策风险等级实现科学分析和评估，从而对网络工程风险进行长期预警。

（1）网络工程风险因子在共识模型及风险前景决策评估预警管理平台中，首先利用大数据多元性、海量性数据特征，风险因子权重分析等方法：其次基于共识模型及前景决策评估分析各层风险指标因子动态特征，以进一步明确并掌握区域链内网络工程风险因子风险等级及特征，进而在此基础上以大数据技术完善网络工程风险评估、决策、调度及预报预警；最终，形成一体化和智能化的网络工程风险因子评估体系。

（2）在工程风险预警管理中，依据大数据特征将风险因子评估及预警决策的常态和非常态管理相互结合，合理地实现评估因子风险权重态势分析，并在此态势分析中，通过构建智能模板完成专家评语集信息交互评估分析，进而使网络工程工作人员科学、准确和及时地掌握智能预警体系调度指令与决策处理方案，这一方面有助于实现风险因子评估的全方位动态信息获取，另一方面有助于提升网络系统安全防护水平。

（3）在预警应用的工程中，依据共识度特征，对工程风险隐患做出针对性预警，并以此提出预警相关解决方案，即面向危险等级网络工程因子和一般危险风险因子提供大量数据支持，以实现科学管理和调控，降低区域链内网络工程风险隐患[5]。

5结束语

本文提出在大数据技术特征背景下从风险管理层、风险环境层和技术特征层面出发，通过构建共识模型、前景权重决策风险评价分析等进行网络工程风险控制，以降低区域链内网络工程风险性，并得到以下相关结论：信任关系的共识模型实现了数据不确定性的有效度量，提高了数据决策精度；前景权重决策有效评估了各网络工程风险因子等级隶属度，有效减少了风险故障的产生，提升了风险优先排序的科学性。