方向信息值

2024-10-16

方向信息值（精选4篇）

方向信息值篇1

0 引言

随着移动互联网、云计算和大数据等新技术的广泛应用, 网络犯罪的技术手段也不断革新;信息产品的功能越来越丰富, 也带来了新的技术漏洞和安全隐患, 增加了信息安全防范的压力。在关键信息基础设施还主要依赖国外、无法实现自主可控的情况下, 做好信息资产的风险评估工作就显得十分重要, 可为决策者在“投资成本”和“安全级别”找到平衡提供技术支持, 从而实现信息资产合理的分级分类保护。

风险计算的前提要对评估对象进行资产、威胁和脆弱性进行识别, 并进行定量的分析和量化, 对已有的安全设施进行确认。风险计算流程如图1所示[1]。

1 资产识别

1.1 资产分类

资产是任何对组织有价值的东西, 是要保护的对象。信息资产是指与信息开发、存储、转移、分发等过程直接、密切相关的资产。资产存在的形式多种多样, 有无形的和有形的, 有硬件的和软件的, 有物理的和逻辑的, 有静态的和动态的, 也有技术的和管理的。不同的资产的价值属性和存在特点各不相同, 它们存在的弱点、面临的威胁、需要的安全保护措施也各不相同。

1.2 资产价值

资产具有的机密性、完整性和可用性等安全属性, 它们反映了资产在不同方面的特性, 通过对三个安全属性量化, 可以计算出一个基本反映资产价值的数值。一般说来, 三个安全属性中属性值最高的一个对最终的资产价值影响最大, 资产价值并不随着三个属性值的增加而线性增加, 较高的属性值具有较大的权重。

计算资产价值的公式为[2]:

其中, Conf代表机密性赋值;Int代表完整性赋值;Avail代表可用性赋值;Log2[]表示取以2为底的对数;Round1{}表示四舍五入处理, 保留一位小数。

根据资产在三个安全属性不同方面的价值或者在三个安全属性不同方面受到损失时对资产价值的影响, 将三个安全属性分别设为5个等级, 等级越高, 对资产影响越大。相应安全属性5个等级, 资产价值的等级也分为5级, 等级越大, 资产越重要。

2 威胁识别

2.1 威胁分类

安全威胁是一种对系统、组织及其资产构成潜在破坏能力的可能性因素或者事件。无论对于多么安全的信息系统, 安全威胁是一个客观存在的事物, 它是风险评估的重要因素之一。[3]按照不同表现形式, 威胁可以分为软硬件故障、操作失误、管理不到位、木马病毒、越权滥用、网络攻击、泄密、篡改等。

2.2 威胁赋值

根据威胁的影响程度和发生的可能性定义威胁出现频率, 分为5级, 等级越高, 威胁出现频率越高。威胁的影响程度指威胁一旦发生对信息资产乃至系统可能造成的影响程度, 威胁发生的可能性指威胁出现的概率大小。

3 脆弱性识别

脆弱性是指信息资产中能被威胁所利用的弱点, 各种安全薄弱环节自身并不会造成什么危害, 仅在被各种安全威胁利用后才可能造成相应的危害。脆弱性识别就是对需要保护的信息资产找出各种威胁所能利用的系统脆弱性, 根据脆弱性可能被威胁利用的程度, 分为5级, 等级越大, 脆弱性被威胁利用的可能性越大。

4 已有安全措施确认

已有安全控制措施的确认是对被评估组织现有的安全控制措施进行调查, 明确已经实施的控制措施, 并根据被评估组织的安全要求分析该安全措施的有效性。这对被评估系统的安全风险进行计算、分析、安全建议是一个重要的参考因素[4]。

5 风险计算

5.1 计算方法

完成对资产、威胁和脆弱性识别, 以及对已有安全措施确认后, 可以采用适当的方法与工具计算威胁利用脆弱性导致安全事件发生的风险值。本文采用国家标准GB/T 20984《信息安全技术信息安全风险评估规范》中的风险计算模型, 如图2所示。

公式表示为:风险值=R (A, T, V) = R (L (T, V) , F (A, V) ) 。[5]

其中, R表示安全风险计算函数, A表示资产价值, T表示威胁, V表示脆弱性;L表示威胁利用资产的脆弱性导致安全事件的可能性;F表示安全事件发生后造成的损失。

在风险的具体计算中, 含有以下三个关键计算环节:

计算安全事件发生的可能性

根据威胁出现频率及脆弱性的状况, 计算威胁利用脆弱性导致安全事件发生的可能性, 即:安全事件的可能性=L (威胁出现频率, 脆弱性严重程度) =L (T, V) 。

本文采用二维矩阵法计算安全事件的可能性, 见表1。

计算安全事件发生后造成的损失

根据资产价值及脆弱性严重程度, 计算安全事件一旦发生后造成的损失, 即:安全事件造成的损失=F (资产价值, 脆弱性严重程度) =F (A, V) 。

本文采用二维矩阵法计算安全事件的损失, 见表2。

计算风险值

根据计算出的安全事件的可能性以及安全事件造成的损失, 计算风险值, 即:风险值=R (安全事件的可能性, 安全事件造成的损失) =R (L (T, V) , F (A, V) ) 。

本文采用二维矩阵法计算安全事件的风险值, 见表3。

5.2 风险等级划分

根据风险值大小将风险等级划分为4级, 等级越高, 信息资产风险越高。风险值范围在1~20表示风险发生的影响程度较低或几乎不存在, 定义为1级;风险值范围在21~40表示风险发生的影响程度不大, 定义为2级;风险值范围在41~59表示风险发生的影响程度很大, 定义为3级;风险值范围在60~100表示风险发生的影响程度非常严重, 定义为4级。

5.3 风险计算实例

假如一个信息系统软件资产价值等级为5, 资产的授权访问威胁频率为3, 资产允许匿名登录FTP脆弱性严重程度为4。

对照安全事件可能性计算矩阵表, 安全事件的可能性=L (威胁出现频率, 脆弱性严重程度) =L (3, 4) =17, 对照安全事件损失计算矩阵表, 安全事件造成的损失=F (资产价值, 脆弱性严重程度) =F (5, 4) =23。

根据安全事件发生可能性及发生造成的损失, 对照安全事件风险值计算二维矩阵表, 该信息资产的风险值= R (安全事件的可能性, 安全事件造成的损失) =R (17, 23) =55。

对照风险等级划分, 发现该信息资产的风险等级为3级, 属于高风险资产, 需要加强防范。

6 结语

风险计算是风险分析阶段的一个重要工作, 从风险的识别开始, 给出风险属性量化标准, 在风险计算时引用信息安全风险评估规范国家标准形成风险计算模型和计算方法, 通过二维矩阵表计算安全事件的可能性、安全事件损失和安全事件的风险值, 根据风险值的大小确定风险等级, 为后续风险分析及风险应对提供数据支持。

参考文献

[1]中华人民共和国信息安全标准化技术委员会, 信息安全风险评估指南[S], 国务院信息办, 2004;

[2]范红, 冯登国, 信息安全风险评估方法与应用, 清华大学出版社, 2006.12

[3]吴涛, 马军, 网络安全风险评估方法的研究, 东北师大学报 (自然科学版) , 2010, 42 (1) ;

[4]江苏省国税系统信息系统风险评估服务实施方案, 2013.10;

[5]中华人民共和国国家标准GB/T 20984《信息安全技术信息安全风险评估规范》, 2007.11

方向信息值篇2

信息管理与信息系统本科需要掌握哪些潜力

1.掌握信息管理和信息系统的基本理论基本知识;

2.掌握管理信息系统的分析方法、设计方法和实现技术;

3.具有信息组织、分析研究、传播与开发利用的基本潜力;

4.具有综合运用所学知识分析和解决问题的基本潜力;

5.了解本专业相关领域的发展动态;

高值医用耗材的信息化管理篇3

关键词：高值医用耗材,信息化,二级库管理,条形码技术

2015 年颁布的《医疗器械使用质量监督管理办法》中鼓励医疗器械使用单位采用信息化技术手段进行医疗器械质量管理, 规定医疗器械使用单位应当妥善保存购入第三类医疗器械的原始资料, 确保信息具有可追溯性。另外, 随着我国科学技术的发展与创新, 高值医用耗材品种不断增加、性能不断完善, 促进了医疗技术的更新, 同时给医院的器材管理工作带来了新的考验。利用信息化转变高值耗材的管理模式, 提高其管理水平, 优化管理流程, 保证高值耗材的安全性、合理性、有效性是医用高值耗材高效管理的出路。

1 医用高值耗材的定义

高值医用耗材, 一般指对安全至关重要、生产使用必须严格控制、限于某些专科使用且价格相对较高的消耗性医疗器械, 主要指心脏介入、外周血管介入、人工关节、其他脏器介入替代等专科医用材料[1]。高值医用耗材是属于耗材中特殊的种类, 大部分是直接进入人体, 不但使用安全至关重要, 而且价格比较昂贵。高值医用耗材的管理是否科学规范, 不但与患者的身心健康和经济利益有直接关系, 与医院的效益和声望也紧密相关。利用信息化实现高值耗材的精细化管理, 全流程监控已是势在必行。

2 目前高值医用耗材管理的不足

随着医院数字化的不断发展, 高值医用耗材信息化管理也取得一定的发展, 基本上实现了物资的采购、出入库、收费等业务的信息化, 但是高值医用耗材的信息化管理还存在很多不规范, 主要存在以下问题: (1) 厂家、供应商的证照管理手段落后, 无法实现证照的动态管理, 产品的批号、有效期没法得到有效的控制, 容易发生高值耗材过期报废, 一旦将过期产品用于患者身上出现医疗纠纷, 医院将有不可推卸的责任[2]; (2) 库房管理实行简单的一级库管理, 只能实现基本的出入库、查询功能, 高值医用耗材无法追踪到末端使用者; (3) 信息化建设程度低, 没有充分利用条形码技术, 无法实现物资可视化管理; (4) 物资管理系统与医院信息系统 (HIS) 收费系统脱节, 容易出现漏记、误记等情况, 物资管理不能满足医院两级成本核算要求, 不能实现核算数据的准确采集与使用, 存在很多的财务隐患。

3 利用信息化实现高值耗材的精细化、全流程管理

针对高值医用耗材管理现状出现的问题, 提出利用信息化实现高值医用耗材的精细化、全流程管理。高值医用耗材的信息化管理是通过信息技术实现高值医用耗材的预算、采购、保管、供应及追踪、支付等业务, 可降低医院的运行成本、提高医院运行效率。主要可从以下两方面实现高值耗材信息化管理。

3.1 实行二级库管理

在二级库管理模式下, 库房分为一级库和二级库, 一级库负责物资的采购、出入库、报损、退货、有效期以及库存管理;二级库以临床科室为基准单位, 患者所用的高值医用耗材直接在二级科室领用[3]。具体模式如下: (1) 供应商送货到一级库, 一级库负责高值医用耗材的准入核查, 审核耗材的3 证是否齐全、企业是否正规、产品是否合法, 价格是否合理等, 并进行登记备档; (2) 验证合适后, 一级库对耗材进行出入库后直接分配发放给二级库, 二级库确认后进行二级库入库, 患者使用后进行收费, 同时产生二级库出库, 自动扣减库存; (3) 一级库中高值耗材的产品信息会自动载入二级库中, 使产品的有效期得到有效的监控, 同时一级库能实时地监控到二级库的库存, 能有效解决库存积压、库存过剩、库存不足等常见库存管理问题, 避免不必要的浪费。

3.2 采用条形码技术

高值医用耗材从申请、采购、出入库、记账、付款等各个环节涉及到供应商、患者、设备科、临床使用科室、财务部门、领导等各个角色。利用条形码唯一性的原理, 将高值耗材物流、财务和临床信息有机串联成完整的信息链, 进行分析和管理[4]。设备科仓库备货后, 进行入库, 同时每个高值耗材打印一张条形码, 粘贴在耗材的包装上, 这个条形码就是医院流通环节中的“身份证”, 二级仓库领用时, 只要扫描一下条形码即可, 系统会自动记录该耗材的产品信息, 使用科室可以查到该耗材的相关信息。通过扫描条形码, 可以知道该高值耗材是否通过设备科论证, 如果系统中没有该信息, 即使患者使用了该高值耗材, 也无法进行付款。利用条形码技术实现医用物资系统与HIS的无缝对接, 建立了“精确控制, 100% 跟踪”平台, 实现高值耗材从采购到使用患者的全程监控追踪, 使高值医用耗材与医嘱、患者费用挂钩, 记录每一个高值医用耗材的来源和最终去向。而对于没有进行备档的高值耗材, 财务科将拒绝付款, 从源头上保障高值耗材规范使用。

4 总结

通过二级库管理和条形码技术实现高值医用耗材从入库、出库到使用在患者身上的全程追踪, 实现患者计价的实时准确、科室成本的及时录入, 满足了医院医疗、行政、财务物资管理和患者的需要, 达到了追溯管理的及时性、准确性, 加强了设备科对高值医用耗材的管理, 提高高值医用耗材的质量管理。在高值医用耗材的信息化管理中, 一方面要重视新的信息技术的运用, 提高信息技术水平, 另一方面要重视信息系统和实际管理的互动, 根据医院的实际情况选择合适的系统来优化管理。为了耗材管理信息化工作的顺利开展, 我们意识到有两个问题急须解决: (1) 耗材的命名和分类的规范化, 由于历史的原因, 造成我国有多种耗材的分类方法, 相同的耗材也有很多种命名; (2) 制定高值医用耗材的条形码标准, 目前每个医院的条形码都是医院根据自己的实际需要编制的, 没有统一的标准, 建议相关部门及早建立耗材分类命名以及条形码管理标准, 实现高值医用耗材的管理的科学性、统一性、共享性。

参考文献

[1]高杰.论医用高值耗材的规范化管理[J].中国民族民间医药, 2012, 21 (17) :24.

[2]赵韦华, 梁方舟.二级库管理模式在高值耗材管理中的应用[J].中国医院2008, 12 (11) :60-62.

[3]杨莹.探讨关于医院高值耗材的二级库管理[J].财经界 (学术版) , 2015, (17) :124.

方向信息值篇4

盲源分离(blind source separation,BSS)［１－６］作为一种预处理手段,可以从机械设备测量信号中分离(或恢复)出各个机械部件的振动源信号。目前,盲源分离方法,如独立成分分析(independ-ent component analysis,ICA)法,已在机械设备故障诊断领域取得了初步的应用。

在机械设备盲信号处理中,目前的方法大多是基于分离源信号来提取故障特征信息并进行故障诊断［３－６］,而很少从分离矩阵出发来处理。但是从信息的角度来看,分离源信号和分离矩阵是从两个不同的角度和层面来阐释机械设备故障特征信息的,它们各有侧重。在一定意义上,分离矩阵包含的信息与源信号的信息是互补的,它们共同表征了机械设备的状态。若将分离源信号和分离矩阵包含的信息互相融合,则必然能够更全面、更深刻地表征其状态。因此,本文将盲信号处理、包络分析、奇异值分解和信息熵等信号处理方法相结合,提出基于奇异值融合的故障特征信息提取方法,从分离源信号和分离矩阵融合的角度来提取机械设备的故障特征信息,并将其应用于液压齿轮泵的故障特征信息提取中。

1 基本概念和理论

1.1 包络分析

包络分析(envelope analysis,EA)［７－１１］,又称解调分析,目的是提取载附在高频调制信号上的与故障有关的低频信号,从时域上看,就是提取时域信号波形的包络轨迹。包络分析是目前最常用、最有效的机械设备故障诊断方法之一。调制信号的包络解调方法主要有三种:Hilbert幅值解调法、检波- 滤波解调法和高通绝对值解调法。Hilbert幅值解调法由于简单、有效,故在齿轮和滚动轴承等机械信号处理中已应用较多［１２］,本文也利用Hilbert幅值解调法来提取源信号的上下包络信号。

1.2 奇异值分解

设有M行N列的实矩阵A,它可以作奇异值分解(singular value decomposition,SVD)［１３－１４］,若有

则U和V分别称为实矩阵A的左右奇异阵。Λ 为矩阵[diag(σ１,σ２,…,σｐ):0] 或其转置,Λ ∈RＭ×Ｎ,p= min(M,N),σ１≥σ２≥…≥σｐ≥0,σ１,σ２,…,σｐ称为实矩阵A的奇异值。

可进行奇异值分解是矩阵的固有特征,矩阵奇异值具有比较高的稳定性,即当矩阵元素发生小的变动时,矩阵的奇异值变化很小;同时矩阵的奇异值还具有比例不变性、旋转不变性和可降维压缩等特性。因此,矩阵的奇异值符合机械故障诊断学对于故障特征信息的基本要求。

1.3 奇异值熵

为了定量地描述矩阵奇异值的变化程度,引入信息熵理论,根据信息熵的定义来提出并构造奇异值熵。

假设奇异值统一编号为σ１、σ２、…、σｎ,对其进行归一化处理,即可得到:

其中,E =σ１+σ２+ … +σｎ,从而有

这符合计算信息熵的初始归一化条件,根据信息熵理论,构造奇异值熵为

2 基于奇异值融合的盲信息提取方法

2.1 盲信息提取策略

2.1.1 源信号包络矩阵奇异值

在机械故障诊断中,齿轮和滚动轴承等部件的振动信号是调制类型信号,而且传感器测量的信号是这些振动信号的混合信号,这就大大增加了故障特征信息提取的难度,使得故障特征信息的准确度降低。盲源分离技术可以从已知的混合信号(测量信号)中分离(或恢复)出各个振动信号(源信号),这些源信号提供了较“纯”的信息载体,可以从中提取更为准确的故障特征信息。进一步,振动源信号是调制信号,其上下包络更集中地携带了机械设备的运行状态信息,因此,分离源信号进行包络解调可以得到上下包络信号,进而,上下包络信号可以分别组成上下包络信号矩阵,称为初始特征向量矩阵,它们可以准确地刻画振动源信号的特征信息。若将初始特征向量矩阵进行奇异值分解,则可提取其奇异值作为机械设备的初始故障特征信息。

一般,盲源分离得到的源信号有多个,因此其上下包络信号矩阵的维数也比较大,这使得包络矩阵的奇异值比较多,导致后续模式识别的复杂性和计算量也大幅增加。为了减少奇异值数量和计算量,同时又不损失或少损失故障特征信息,考虑对奇异值进行降维压缩,将上下包络矩阵奇异值的均值和奇异值熵,作为降维的故障特征信息。

2.1.2 盲源分离矩阵奇异值

在盲源分离中,分离(或恢复)源信号相当于估计分离矩阵;当分离矩阵确定了,源信号也就很容易得到。若从信息的角度来看,机械设备的部分故障特征信息不仅包含在分离源信号中,也包含在分离矩阵中,源信号和分离矩阵是从两个不同的角度和层面来阐释机械设备故障特征信息的。因此,可将分离矩阵直接作为初始特征向量矩阵进行奇异值分解,并从中提取机械设备的故障特征信息。

2.1.3 基于奇异值融合的特征信息提取

在一定意义上,源信号是从宏观现象来表征机械设备的故障特征信息的,而分离矩阵则是从微观结构来刻画机械设备的故障特征信息的,它们是从两个不同的角度和层面来阐释同一机械设备的故障特征信息的。若从信息融合的角度来考虑,可将源信号包络矩阵奇异值(均值和奇异值熵)和分离矩阵奇异值融合共同作为机械设备的故障特征信息,这必然能够更全面和深刻地表征机械设备的运行状态信息。

2.2 盲信息提取流程和步骤

综上所述,本文提出的基于奇异值融合的机械盲信息提取方法,即将源信号包络矩阵奇异值均值、奇异值熵和分离矩阵奇异值进行特征层信息融合,共同作为机械设备的故障特征信息。它的流程如图1所示。具体步骤为:

(1)机械信号测量。从待检测机械设备上测得多通道传感器观测信号(混合信号)。

(2)盲源分离。混合信号经中心化和白化等预处理,利用盲源分离技术(例如FastICA算法等)计算分离矩阵,并分离调制源信号。

图1基于奇异值融合的盲信息提取方法

(3)源信号包络矩阵奇异值。利用Hilbert幅值解调法提取调制源信号的上下包络信号,进而组成初始特征向量矩阵,进行奇异值分解,计算奇异值均值和奇异值熵。

(4)分离矩阵的奇异值分解。分离矩阵进行奇异值分解,得到它的奇异值。

(5)奇异值融合。源信号包络矩阵奇异值(均值和奇异值熵)和分离矩阵奇异值进行融合,共同作为机械设备的故障特征信息。

3 液压齿轮泵试验

为了验证该方法的有效性,将其应用于国产CB-Kp63型液压齿轮泵中。齿轮泵试验台架和加速度计(传感器)的设置如图2所示,其中,泵轴转速为定速1480r/min。

图2液压齿轮泵试验台架及加速度计设置

在密闭实验室环境下,设定齿轮泵故障模式类型包括:正常状态、齿面磨损和轴承故障;在每个故障模式下各测量64 组传感器观测信号x(t)=(x１(t),x２(t),x３(t),x４(t))Ｔ,即每个故障模式均为64组4通道混合信号,其中,泵壳振动信号采样频率设为10kHz,采样时间设为1s。图3为其中一组混合信号的时域波形。

图３液压齿轮泵的混合信号时域波形

混合信号x(t)经中心化和白化等预处理,再利用FastICA算法进行盲源分离,可以得到分离矩阵W和源信号s (t),s (t) =(s１(t),s２(t),s３(t),s４(t))Ｔ。图4a、图5a、图6a即为图3混合信号x(t)对应源信号s(t)的时域波形。进一步,源信号进行包络解调可以提取其上下包络信号(图4~图6)。

在得到源信号上下包络矩阵,即初始特征向量矩阵后,再进行奇异值分解,可以得到对应的奇异值向量σ（１）=(σ１（１）,σ２（１）,σ３（１）,σ４（１）)和σ（２）=(σ１（２）,σ２（２）,σ３（２）,σ４（２）),其中,上标“1”和“2”分别代表上下包络矩阵。进一步,由σ（１）和σ（２）计算其奇异值均值和奇异值熵。

同时,分离矩阵W进行奇异值分解也可以提取故障特征信息。例如,由图3混合信号x(t)可以得到它的分离矩阵:Wnormal(正常状态)、Wgear(齿面磨损)和Wbearing(轴承故障),它们再进行奇异值分解可以得到对应的奇异值向量:

分析和比较上述奇异值数值,可以得出如下结论:

(1)与源信号上下包络矩阵的奇异值向量(初始特征向量)相比,奇异值均值和奇异值熵的聚类划分特性更为典型,其数值稳定性也更为鲁棒。

(2)源信号包络矩阵的奇异值熵可以定量地表征齿轮泵的运行状态信息,在同一泵轴转速下,齿轮泵奇异值熵值从小到大的排列顺序依次为:正常状态、轴承故障、齿面磨损。

(3)盲源分离矩阵的奇异值同样也具有类间差异显著而类内聚类集中的良好特性。

(4)与单独的源信号包络矩阵奇异值或分离矩阵奇异值相比,融合的奇异值特征信息向量可以更全面、更准确地表征齿轮泵的故障特征信息,因而具有更为优良的故障特征信息刻画性能。

奇异值特征信息向量的分布如图7所示。由于奇异值特征信息向量是一个9维向量,不易直观观察,因此,这里仅给出了它的2D平面分布(第5维和第6维)和3D空间分布(第1维、第5维和第6维)。

由图7可知,基于奇异值融合的机械盲信息提取方法是可行的,也是有效的。

图4液压齿轮泵的源信号和上下包络信号时域波形(正常状态)

图5液压齿轮泵的源信号和上下包络信号时域波形(齿面磨损)

图6液压齿轮泵的源信号和上下包络信号时域波形(轴承故障)

4 结语