在“云大物移”信息化时代下,电力行业信息系统建设迅速发展,安全系统也伴随计算能力及新的业务模式要求不断发生变化。以网络为中心的传统安全技术并不能很好地适配云计算业务模型,因此我们需要一种基于云业务之上、以应用为中心的新的安全模型来弥补现有安全方案的不足。基于现有电力行业云业务的现状调研,提出了关于电力行业云业务安全访问架构,并对账号中心给出了功能设计规划,采用统一访问入口进行业务安全防控。在正式访问业务之前实现预授权管理,从而实现对于电力行业云业务更优的安全保障,为信息化建设保驾护航。
信息技术快速发展与传统产业数据化转型带来大量数据存量。随着云计算、大数据、物联网、人工智能等信息技术的快速发展和传统产业数字化的转型,数据量呈现几何级增长,据IDC预测,全球数据总量预计2020年达到47个ZB,2025年达到163个ZB,其中预计2020年我国数据量将达到8060个EB,占全球数据总量的18%。
云安全联盟(Cloud Security Alliance, CSA )最新发布的《云计算关键 领域安全指南》,总结了云环境常见的12大安全威胁田,如图1所示,分为数据、系统、人员和监 管4大类,包括数据泄露、永久数据丢失、风险共享、 拒绝服务攻击、系统漏洞利用、APT攻击、界面和接口攻击、账户劫持、凭证和身份验证机制被破坏、恶意内部人士、调查不足和云服务滥用。
云计算技术的发展,极大地提高了计算和存储资源的利用率,用户对数据的使用也变得更便利。但是,云计算环境下的开放性也让用户数据安全性面临较大挑战,成为当前阻碍云计算技术发展的主要问题之一。针对当前云计算环境下用户数据存储安全的需求,提出一种云计算环境下数据安全存储方案,基于有限域GF(2) 上的随机矩阵,构造相应的编译码算法,以进行数据的编译码存储,同时通过动态调整数据文件编码数据量,实现对用户存储成本和数据安全可靠性的优化控制。
目前对云安全划分最细的应属云安全联盟的控制矩阵。云安全联盟控制矩阵已经迭代到了4.0版本,共划分17个控制域,197个控制点,涵盖了跟云相关的网络安全、应用安全、数据安全、管理安全等各个方面。要比较全面的探讨云安全,可以参考云安全联盟的控制矩阵。
云计算已发展成为大数据应用、跨平台应用的主要解决方案,而虚拟化、大规模、开放性等特征,带来了更多安全威胁和挑战,通过分析云计算安全防御模型架构,分别对云计算安全的技术特征、运行特征、保障模式等方面进行了研究,提出了云计算安全能力软件定义、保障服务化、服务智能化、防御动态化等关键技术,支撑云安全防护灵活部署、高效保障、快速响应,提升云计算环境多样化安全需求的响应能力,以及强对抗环境中云计算持续服务能力。
先说下为什么要写本文,FEC(Forward error correction,前向纠错[码])本身,绝对不算一个新概念,即使是FEC在传输层的应用,也算不得什么新东西,比如webrtc中就应用了FEC,还有相关的标准。但是如果你想深入了解FEC的话,你一搜相关概念,多半都是一大堆通信术语,对非通信专业的同学很不友好。
随着信息共享范围和带宽的不断提升,天基宽带通信系统引起了科研界和工业界越来越广泛的关注。本文首先介绍了美军天基通用数据链的发展,并从工作频段和波形体制两个方面对可用的技术和工作体制进行分析和对比,在此基础上对天基宽带通信系统中的若干关键技术进行分析研究。
没有账户,需要注册
语言模型、视觉模型、语音模型、视频模型、时序模型,分别对应文字、图像、声音、视频、连续传感器数值,通用大模型,垂类大模型,AI
时序大模型是面向时间序列数据的基础大模型,以 Transformer 等架构为核心,通过在海量多领域时序数据上进行预训练,学习时间维度上的通用模式、周期规律与长距离依赖关系。区别于传统时序模型针对单一任务单独训练,时序大模型具备强大的迁移能力,只需少量样本微调或零样本提示,即可适配时序预测、异常检测、缺失值补全、时序分类等下游任务。在工业场景中,它能够直接处理传感器、设备测点产生的海量时序信号,挖掘设备状态演变规律,支撑设备故障预警、工况识别与生产趋势预判,为工业智能落地提供底层模型能力。如:中服云的CServerAIR
2025年,全球人工智能市场规模达到3909亿美元,中国人工智能核心产业规模突破9000亿元。AIAgent细分市场以49.6%的年复合增长率高速扩张,制造业应用大模型的企业比例在一年之内从9.6%跃升至47.5%。从2024年初,中国日均词元(Token)调用量为1000亿;至2025年底,跃升至100万亿;2026年3月,已突破140万亿,两年增长超千倍。这些数字背后,是一场深刻变革的加速到来-人工智能正在从"能力突破"走向“系统重构”。
中服云能碳管理系统依托中服云工业物联网底座打造,聚焦工业企业能耗管控与碳资产管理需求。 系统整合水、电、气、热等多类能源数据,实现用能实时采集、集中监测、智能分析。 依托数字化手段精准核算碳排放总量,助力企业摸清碳排底数、合规完成台账管理。 通过节能诊断、能耗优化策略推送,有效降低生产能耗与运营成本。 全方位赋能企业绿色低碳转型,筑牢安全生产与节能减排双重发展防线。
印刷机械是装备制造中比较典型的一类产品:单机价值高、定制化程度高、客户分散在全国各地的包装与印刷车间,一台凹版印刷机开机就是十几年。设备卖出去了,服务却要跟十几年——这是行业共同的结构性难题,也是工业物联网在装备制造领域最容易见效的地方。 本文以一个真实的落地样本为观察对象:一家印刷机械制造企业把 178 台在役设备接进了自己的远程运维系统,系统的底座选用中服云工业物联网平台的设备版。下文按“行业之困、平台解法、落地成效、可复制经验”四步展开。
石油和天然气开采业的生产对象在地下,管理的关键环节在地面。从井口到计量间,从转油站、联合站到外输与处理装置,油气田用“井—站—管网”的骨架把分散的资源汇集起来,联合站是这条骨架上设备最密集、工艺最连续、安全要求最高的节点。 这类站场大多已经上了SCADA,数据并不缺。问题在于数据上来之后,新的麻烦更清楚了:设备家底说不清,画面说不清位置,报警说不清先后。本文按“痛点—解决方案—成效”的顺序,说明中服云物联网平台与数字孪生平台如何分工配合,逐条解决这些问题。
油气田的地面作业现场有一个共同特征:设备搬着走、电源跟着换、负荷忽高忽低。钻修井井场靠网电、柴油发电机组、储能、光伏凑出一套临时电力系统;压裂井场更极端,几十台电驱压裂泵并联运行,瞬时功率爬升快,砂罐、混砂、供液、仪表车密集停放,作业段集中、单段时长以小时计。 这两类现场的管理难题是同一类:能耗与碳排放算不清、设备状态看不见、峰值容量报不准、多能协同靠经验。中服云用同一套工业物联网平台加数字孪生平台,把这两类现场做成了可以被“看懂、算清、考核”的对象。本文以已投运的钻修井现场为实测样本,说明平台在野外作业领域的典型应用,并给出向压裂井场复制的路径。
持续改进与升级是配电室智慧整体解决方案成功的关键,通过定期评估和更新硬件设备、引入智能控制系统、加强数据分析和优化、提升人员培训和技能水平以及建立反馈机制等措施,可以不断提高系统的运行效率和可靠性,满足不断变化的市场需求和技 术进步。
扫码咨询
或
客服咨询
用手机扫二维码
复制当前地址
方案库赚钱指南