专利名称：一种确定安全事件风险值的方法和系统的制作方法
技术领域：
本发明涉及计算机技术领域，特别涉及一种确定安全事件风险值的方法和系统。
背景技术：
随着信息技术的快速发展，宽带网络已经广泛分布于个人用户及企业用户的使用之中。随着对宽带网络需求的不断增加，各级网络运营商的规模及服务质量也需得到相应提高。与此同时，各类安全事件如风灾，洪水，火灾等，将对作为宽带网络物理硬件基础的机房、光缆、各级中转站点等资源设施造成影响，进而造成网络运营商的经济损失。因此需要确定安全事件风险，从而实现对宽带网络资源进行控制，并根据风险分布制定相应的预防措施及建设方法，最大可能减少损失。但是目前还没有一种确定安全事件风险值的方案。综上所述，目前还没有一种确定安全事件风险值的方案。
发明内容
本发明实施例提供一种确定安全事件风险值的方法和系统，用以确定安全事件风险值，从而对宽带网络资源进行控制提高基础保障。本发明实施例提供的一种确定安全事件风险值的方法，包括:从事件对象对应的多个区域中确定致险因子对应的目标区域；根据事件对象对应的每个目标区域的致险因子数据和参数模型，或根据事件对象对应的每个目标区域的致险因子数据和动力学模型，确定事件对象对应的每个目标区域的致险因子分布参数值；根据所述每个目标区域的致险因子分布参数值和每个目标区域的损失参数值，确定易损性模型；根据所述易损性模型和所述每个目标区域的致险因子参数值，确定所述每个目标区域的风险值。本发明实施例提供的一种确定安全事件风险值的系统，包括:第一数据管理模块，用于从事件对象对应的多个区域中确定致险因子对应的目标区域；第二数据管理模块，用于根据事件对象对应的每个目标区域的致险因子数据和参数模型，或根据事件对象对应的每个目标区域的致险因子数据和动力学模型，确定事件对象对应的每个目标区域的致险因子分布参数值；第三数据管理模块，用于根据所述每个目标区域的致险因子分布参数值和每个目标区域的损失参数值，确定易损性模型；第四数据管理模块，用于根据所述易损性模型和所述每个目标区域的致险因子参数值，确定所述每个目标区域的风险值。
由于能够确定安全事件风险值，从而对宽带网络资源进行控制提高基础保障，使得人员能够根据风险分布制定相应的预防措施及建设方法，最大可能减少因安全事件带来的损失。
图1为本发明实施例确定安全事件风险值的方法流程示意图；图2为本发明实施例确定安全事件风险值的系统结构示意图；图3为本发明实施例确定安全事件风险值的系统拓扑示意图。
具体实施例方式本发明实施例根据事件对象对应的每个目标区域的致险因子数据和参数模型，或根据事件对象对应的每个目标区域的致险因子数据和动力学模型，确定事件对象对应的每个目标区域的致险因子分布参数值，然后根据每个目标区域的致险因子分布参数值和每个目标区域的损失参数值，确定易损性模型，最后根据易损性模型和每个目标区域的致险因子参数值，确定每个目标区域的风险值。由于能够确定安全事件风险值，从而对宽带网络资源进行控制提高基础保障，使得人员能够根据风险分布制定相应的预防措施及建设方法，最大可能减少因安全事件带来的损失。下面结合说明书附图对本发明实施例作进一步详细描述。如图1所示，本发明实施例确定安全事件风险值的方法包括下列步骤:步骤101、从事件对象对应的多个区域中确定致险因子对应的目标区域；步骤102、根据事件对象对应的每个目标区域的致险因子数据和参数模型，或根据事件对象对应的每个目标区域的致险因子数据和动力学模型，确定事件对象对应的每个目标区域的致险因子分布参数值；步骤103、根据每个目标区域的致险因子分布参数值和每个目标区域的损失参数值，确定易损性模型；步骤104、根据易损性模型和每个目标区域的致险因子参数值，确定每个目标区域的风险值。较佳地，步骤102中，致险因子分布参数值的一般形式为H = f (H'，...)的函数形式。自变量H'为致险因子数据，通过参数模型和动力学模型的计算，就可以得到空间和时间上连续的致险因子参数值。在本发明实施例中自变量包含但不仅限于致险因子数据。本发明实施例的风险值表示一定地理范围内承险体受致险因子影响的期望损失及超越概率，计算结果通常以空间网格形式进行表现。在实施中，步骤101之前还进一步包括:将事件对象对应的地理范围划分成多个区域。具体的，先确定事件对象对应的地理范围。根据不同的需求。不同的事件对象对应的地理范围有可能不同。比如想要查看北京地区的地震，则事件对象就是地震，地理范围就是北京。然后，将确定的地理范围根据设定的区域数量进行划分，比如需要划分成nXm个区域，就可以将地理范围划分为nXm的网格矩阵，每个网格代表一个区域。由于在实施中，并非所有的区域都要确定风险值，所以根据需要可以从所有区域中选择部分或全部区域作为目标区域。步骤102中，致险因子数据是为表示各类安全事件自身属性的数据集。其数据特征与其作用对象及作用效果无关，与数据特征本身性质有关，如风灾风速，洪水水位，火灾等级指标等。同时，也可以包括该致险因子的地理数据信息(即致险因子的空间位置信息，因为事件对象总有一个自己的位置，比如地震震中的位置，火灾发生的火源点位置等)。在存储方式上以属性数据(安全事件自身属性信息，比如地震震级、烈度、峰值加速度等)或空间数据(地震震源、震中、波及范围等矢量数据或栅格数据)为主。其中，每个致险因子数据对应一个事件对象，每个事件对象对应至少一个致险因子数据。比如台风对应有最大风速，极大风速，最大风速半径，过程降雨量，累积降雨量等。步骤102中，参数模型是通过统计方法对致险因子自然属性及易损性(致险因子强度与承险体损失的相关关系)进行函数拟合，通过拟合确定参数，构成模型数学表达式。步骤102中，动力学模型是通过物理实验方法，利用微分方程、积分方程等数学工具模拟致险因子自然属性，进而再利用函数拟合方法进行构建的。步骤103中，损失参数值，即为网络资源受到安全事件影响后发生的损失量。包括不同损毁等级的损毁量和损毁率，还可以包括其他数值。损失参数值的作用是和致险因子分布参数值相结合确定易损性模，进而计算风险值。为了进一步提高风险值的准确率，较佳地，步骤103中，根据每个目标区域的损失参数值和每个区域的网络资源数据，确定每个目标区域的损失率；根据每个目标区域的致险因子分布参数值和每个目标区域的损失率，确定易损性模型。具体的，步骤103中，确定易损性模型的方式有很多:比如对一系列致险因子分布参数值和损失率进行回归处理(具体回归处理的内容可以参见:北京师范大学学报2011(8)409-414中有关进行回归处理的内容，在此不再赘述)，得到易损性模型。步骤103中，网络资源数据，即受到破坏作用的对象的信息。本发明实施例的网络资源数据分为两类，一类为承险体的空间分布及数量，及宽带网络资源的空间分布及数量，在实际应用中，这个空间分布经常与上述基础地理数据相结合，描述承险体所处的有地理意义的空间位置；另一类是描述这些资源对自然安全事件抵抗力指标的数据是对最终风险值具有意义的数据。如光缆的抗风程度、抗淹程度、耐灼程度等。较佳地，步骤104中，针对其中一个目标区域(即空间网格)，该目标区域的致险因子h和易损性模型f(h)，该目标区域的承险体数量e，该目标区域的风险值r = h*f(h) *e。其中，该结果只表示一个目标区域的风险值，如果是要计算更大区域的风险(多个目标区域一个风险值)，则就是算这多个目标区域的期望损失E (r)。较佳地，步骤104之后还可以进一步包括:显示每个目标区域的风险值。对安全事件空间定位是系统进行风险管理的最基本功能。因此需要对空间位置进行描述。较佳地，本发明实施例还可以确定每个目标区域的地理数据信息。具体的，根据预先设置的位置信息和地理数据信息的对应关系，确定每个目标区域包含的位置信息对应的地理数据信息；
然后显示每个目标区域的地理数据信息和风险值。 地理数据信息可以构成独立系统，即地理信息系统(GIS，GeographicInformation System),包括了用户目标区域的地理空间信息及其他属性信息。地理空间信息是描述对象地理位置的，比如经纬度，比如其他地理坐标系下的坐标(如WGS84坐标系下的albers投影坐标)；其他属性信息是除地理位置以外的一些属性，比如某市的人口，面积，行政级别等，这些属性可根据用户需求自由定制。其中，地理数据信息包括各类矢量数据及栅格数据，对其中相应地理要素进行了空间定位。较佳地，本发明实施例的致险因子数据、网络资源数据、位置信息和地理数据信息的对应关系都可以采用云方式进行存储。较佳地，步骤102中，根据下列步骤确定每个目标区域的致险因子数据:从云存储的事件对象、目标区域和致险因子数据的对应关系中，确定事件对象对应的每个目标区域的致险因子数据。较佳地，步骤104中，根据下列步骤确定每个目标区域的致险因子参数值:从云存储的事件对象、目标区域和致险因子参数值的对应关系中，确定事件对象对应的每个目标区域的致险因子参数值。在实施中，由于步骤102中确定的致险因子分布参数值、步骤104中确定的风险值有可能需要每段时间确定一次，每次都需要用到之前的数据。为了提高效率，每次确定致险因子分布参数值和风险值后都可以采用云方式存储，在需要使用时直接采用云方式读取，不需要再重新确定这部分数值，提 高了效率。以事件对象为地震为例:假设致险因子分布参数是峰值加速度。设需要计算的n*m矩阵网格中某个网格的中心点(i j) (0彡i < n, 0彡j < m),该中心点峰值加速度为gal (ij)，GAL为震中峰值加速度，通常为权威机构测量得到，即致险因子数据。另设r(ij)为该网格中心点到震中的距离。参数模型就是gal (ij) = f (r (ij)，GAL)，根据需要还可以在参数模型中增加其他内容，比如gal (ij) = f (r(ij)，GAL, pl，p2，......)，其中，pl，p2为其他需要的参数。将每个目标区域的致险因子数据代入参数模型就得到一组值{gal (00)，gal (01)，
gal (02)......gal (10), gal (11),......, gal (ij),......gal (n_l) (m_l)},共 n*m 个值，
即地震的峰值加速度(致险因子)的分布情况；动力学模型d(ij)与参数模型类似，将每个目标区域的致险因子数据代入动力学
模型就得到一组值{d(00)，d(01)，d(02)......d(10)，d(ll)，......，d(ij)，......d(n-l)
(m-1)}，共n*m个值，即地震的峰值加速度(致险因子)的分布情况；不论采用哪种模型，最后都得到地震的峰值加速度(致险因子)的分布情况。在将致险因子分布参数值和损失率进行回归处理得到易损性模型Ir = V (gal)。假设网络资源的分布为{NO，NI，N2......N(k_l)}，k个网络资源和矩阵网格形
成了单射。每个目标区域的致险因子期望参数值gi = E(gal(i))，则每个网格的风险值为E (Ir ⑴)=Ni*v (gi)。其中，上述只是以事件对象为地震，且致险因子分布参数是峰值加速度为例进行说明，不同的时间对象以及不同的致险因子分布参数，对应的模型都不相同，具体模型的构建都是常规手段，在此不一一赘述。基于同一发明构思，本发明实施例中还提供了一种确定安全事件风险值的系统，由于该系统解决问题的原理与确定安全事件风险值的方法相似，因此该系统的实施可以参见方法的实施，重复之处不再赘述。如图2所示，本发明实施例确定安全事件风险值的系统包括:第一数据管理模块21、第二数据管理模块22、第三数据管理模块23和第四数据管理模块24。第一数据管理模块21，用于从事件对象对应的多个区域中确定致险因子对应的目标区域；第二数据管理模块22，用于根据事件对象对应的每个目标区域的致险因子数据和参数模型，或根据事件对象对应的每个目标区域的致险因子数据和动力学模型，确定事件对象对应的每个目标区域的致险因子分布参数值；第三数据管理模块23，用于根据每个目标区域的致险因子分布参数值和每个目标区域的损失参数值，确定易损性模型；第四数据管理模块24，用于根据易损性模型和每个目标区域的致险因子参数值，确定每个目标区域的风险值。较佳地，第一数据管理模块21确定致险因子对应的目标区域之前，将事件对象对应的地理范围划分成多个区域。较佳地，第四数据管理模块24确定每个目标区域的风险值之后，根据预先设置的位置信息和地理数据信息的对应关系，确定每个目标区域包含的位置信息对应的地理数据信息；显示每个目标区域的地理数据信息和风险值。较佳地，位置信息和地理数据信息的对应关系采用云方式存储。较佳地，第三数据管理模块23根据每个目标区域的损失参数值和每个区域的网络资源数据，确定每个目标区域的损失率；根据每个目标区域的致险因子分布参数值和每个目标区域的损失率，确定易损性模型。较佳地，第二数据管理模块22根据下列步骤确定事件对象对应的每个目标区域的致险因子数据:从云存储的事件对象、目标区域和致险因子数据的对应关系中，确定事件对象对应的每个目标区域的致险因子数据。较佳地，第四数据管理模块24根据下列步骤确定事件对象对应的每个目标区域的致险因子参数值:从云存储的事件对象、目标区域和致险因子参数值的对应关系中，确定事件对象对应的每个目标区域的致险因子参数值。本发明实施例还提供了一种基于云计算的确定安全事件风险值的系统。如图3所示，本发明实施例确定安全事件风险值的系统拓扑示意图中，整个系统采用分层模式，基本结构分为数据层、模型层、用户层三个层次。一、数据层是整个系统数据存储部分，用于存储所有数据。数据层作为整个系统的支撑，软件架构可以采用基础数据库+空间数据引擎的模式进行搭建。传统关系型数据库(SQL Server、Oracle等)存储的通常为属性数据，即以数据表的形式存储各类数据。对空间数据，除了有属性数据表对其进行描述外，还有空间位置图形信息刻画各类点线面数据特征。传统数据库模式无法存储这一类数据对象。因此需要在空间数据和数据库之间建立一个中间件，即空间数据引擎(SDE，Spatial DataEngine)。若系统开发构架采用商业软件模式，可采用Oracle+Oracle Spatial或者SQLServer+ArcSDE的架构；若采用开源模式进行开发，可采用PostgreSQL+PostGIS的架构。数据层采用云存储模式。系统将为用户建立私有云存储空间实现存储服务。数据存储部署在企业防火墙内，由企业用户进行数据更新及维护。系统将提供用户管理界面及其他根据用户需求定制的开发接口。二、模型层的功能是根据数据层存储的数据采用模型方式，计算安全事件的风险值。模型层中的I/O接口是连接数据管理与模型算法实现的接口。其主要功能有:1)读取数据层相应的计算所需数据，并进行数据处理。2)将计算过程中的中间结果及最终计算结果进行数据处理，并写入数据层存储。对于数据处理，空间计算通常以网格为单位计算目标结果在空间的分布。如计算风灾风速在A地区的分布情况，则将A地区划分为nXm的网格矩阵，取每个网格中心点作为计算点，由此计算出每个网格的风速值。最后得到的矩阵即为A地区的风速分布。因此其计算精度与网格大小相关。由于数据处理和计算算法是互相独立的模块，因此模型层会对数据层中读取的数据进行符号计算需求的处理，将其作为模型算法实现的输入部分。同理，当计算结果数据写入数据层时，也由模型层对结果处理为符合数据层存储结构的形式，存入数据层。模型层根据数据层存储的数据采用模型方式，确定安全事件的风险值的内容与图1中确定安全事件的风险值的方式相同，在此不再赘述。在系统实际应用中，确定的风险可能只是用户需求的中间结果，用户可能根据风险值进行适用于自身业务运营的其他计算或管理。因此系统将提供模型层二次开发接口，使用户能够调用计算结果以及部分计算方法进行可定制的二次开发，或者将本系统与用户其他业务系统进行整合集成。模型层在安全事件的计算中，存在计算方法集成度和计算复杂度的矛盾。由于模型计算大量涉及空间计算，其专业性较强，传统计算机语言如C/Java/Delphi等缺乏相应空间数据处理及计算的函数库支持，且进行相关函数库开发的难度较大。而一些科学计算脚本语言如IDL/Python则拥有较为强大和完备的空间函数库支持。但由于这类语言是解释型语言，其代码执行效率会低于上述编译型语言。由于风险模型计算过程复杂，计算依赖数据量庞大，因此这类脚本语言在算法时间代价方面具有一定劣势。在本系统的设计中，选择Python语言进行模型算法代码编写。Python语言拥有强大的科学计算包NumPy及空间数据支持包GDAL，可以较好集成高效科学计算及空间数据支持，不用从底层开始编写算法。而Python语言在权威机构评测中，其综合性能是包括VB，ASP, PERL, Ruby等数十种脚本语言中较为强大的。在数据层构架中采用了云存储服务方式。而在模型层中，根据其复杂的科学计算特点，相应地采用云计算服务模式进行构架。本层云计算服务使用公有云模式，系统为用户提供数据I/o接口，将下层数据层与1/0接口进行连接，用户将从调用1/0接口起，使用系统提供的强大计算集群资源进行安全事件风险模型计算。由于云计算在计算性能上的优势，系统为用户提供快速稳定的计算服务。三、用户层的功能是提供数据展示界面、模型展示界面、用户交互接口、用户权限控制模块。用户层以开放地理信息系统协会(0GC,0pen GIS Consortium)制定的地图Web服务(WMS，WFS，WCS)为标准，构建一个WebGIS系统对底层数据进行展示。由于底层数据多为空间数据，因此数据展示模块将以地图形式为主，图表形式为辅进行组织。WebGIS选型根据不同企业的商业运作模式进行定制。可基于商业软件ArcGIS Server, MapInfo进行构建，也可使用开源软件MapGuide、WorldWide进行构建。此模块将建立从数据层到用户层的直接通道，使用户能够对底层数据进行浏览、查找、空间计算等基本GIS功能，并提供统计分析工具、导入导出工具、制图工具。风险计算结果将继承数据展示模块的WebGIS系统进行呈现，并提供统计分析工具、导入导出工具、制图工具。用户与系统交互主要包括两方面:1)用户与数据层交互。即用户可根据自身需求定制数据、查询数据、编辑删除数据、导入导出数据。2)用户与模型层交互。即用户可根据自身需求选择模型类别，计算方法，计算精度、计算结果。用户使用客户端进行交互，包括C/S结构客户端及B/S结构客户端。C/S结构客户端主要进行本地数据定制，B/S客户端主要用于结果展示及计算功能选择。用户权限控制将针对系统不同层级对不同用户组进行权限管理。用户权限将根据访问到的数据层及读写权限进行定制。系统共分三层，故不同权限共6种；每层访问包括只读/可读写两种权限，故有6X2 = 12种权限。此外，系统拥有管理员账户，对整个系统进行运维。本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
权利要求
1.一种确定安全事件风险值的方法，其特征在于，该方法包括: 从事件对象对应的多个区域中确定致险因子对应的目标区域； 根据事件对象对应的每个目标区域的致险因子数据和参数模型，或根据事件对象对应的每个目标区域的致险因子数据和动力学模型，确定事件对象对应的每个目标区域的致险因子分布参数值； 根据所述每个目标区域的致险因子分布参数值和每个目标区域的损失参数值，确定易损性模型； 根据所述易损性模型和所述每个目标区域的致险因子参数值，确定所述每个目标区域的风险值。
2.如权利要求1所述的方法，其特征在于，确定致险因子对应的目标区域之前还包括: 将事件对象对应的地理范围划分成多个区域。
3.如权利要求2所述的方法，其特征在于，确定所述每个目标区域的风险值之后还包括: 根据预先设置的位置信息和地理数据信息的对应关系，确定每个目标区域包含的位置信息对应的地理数据信息； 显示每个目标区域的地理数据信息和风险值。
4.如权利要求3所述的方法，其特征在于，所述位置信息和地理数据信息的对应关系米用云方式存储。
5.如权利要求1所述的方法，其特征在于，确定易损性模型包括: 根据每个目标区域的损失参数值和每个区域的网络资源数据，确定每个目标区域的损失率; 根据所述每个目标区域的致险因子分布参数值和每个目标区域的损失率，确定易损性模型。
6.如权利要求1所述的方法，其特征在于，根据下列步骤确定事件对象对应的每个目标区域的致险因子数据: 从云存储的事件对象、目标区域和致险因子数据的对应关系中，确定事件对象对应的每个目标区域的致险因子数据； 根据下列步骤确定事件对象对应的每个目标区域的致险因子参数值: 从云存储的事件对象、目标区域和致险因子参数值的对应关系中，确定事件对象对应的每个目标区域的致险因子参数值。
7.一种确定安全事件风险值的系统，其特征在于，该系统包括: 第一数据管理模块，用于从事件对象对应的多个区域中确定致险因子对应的目标区域； 第二数据管理模块，用于根据事件对象对应的每个目标区域的致险因子数据和参数模型，或根据事件对象对应的每个目标区域的致险因子数据和动力学模型，确定事件对象对应的每个目标区域的致险因子分布参数值； 第三数据管理模块 ，用于根据所述每个目标区域的致险因子分布参数值和每个目标区域的损失参数值，确定易损性模型； 第四数据管理模块，用于根据所述易损性模型和所述每个目标区域的致险因子参数值，确定所述每个目标区域的风险值。
8.如权利要求7所述的系统，其特征在于，所述第一数据管理模块还用于: 确定致险因子对应的目标区域之前，将事件对象对应的地理范围划分成多个区域。
9.如权利要求8所述的系统，其特征在于，所述第四数据管理模块还用于: 确定所述每个目标区域的风险值之后，根据预先设置的位置信息和地理数据信息的对应关系，确定每个目标区域包含的位置信息对应的地理数据信息；显示每个目标区域的地理数据信息和风险值。
10.如权利要求9所述的系统，其特征在于，所述位置信息和地理数据信息的对应关系米用云方式存储。
11.如权利要求7所述的系统，其特征在于，所述第三数据管理模块具体用于: 根据每个目标区域的损失参数值和每个区域的网络资源数据，确定每个目标区域的损失率；根据所述每个目标区域的致险因子分布参数值和每个目标区域的损失率，确定易损性模型。
12.如权利要求7所述的系统，其特征在于，所述第二数据管理模块根据下列步骤确定事件对象对应的每个目标区域的致险因子数据: 从云存储的事件对象、目标区域和致险因子数据的对应关系中，确定事件对象对应的每个目标区域的致险因子数据； 所述第四数据管理模块根据下列步骤确定事件对象对应的每个目标区域的致险因子参数值: 从云存储的事件对象、目标区域和致险因子参数值的对应关系中，确定事件对象对应的每个目标区域的致险因子参数值。
全文摘要
本发明实施例涉及计算机技术领域，特别涉及一种确定安全事件风险值的方法和系统，用以确定安全事件风险值，从而对宽带网络资源进行控制提高基础保障。本发明实施例的方法包括从事件对象对应的多个区域中确定致险因子对应的目标区域；根据事件对象对应的每个目标区域的致险因子数据，确定事件对象对应的每个目标区域的致险因子分布参数值；根据所述每个目标区域的致险因子分布参数值和每个目标区域的损失参数值，确定易损性模型；根据所述易损性模型和所述每个目标区域的致险因子参数值，确定所述每个目标区域的风险值。采用本发明实施例能够对宽带网络资源进行控制提高基础保障，最大可能减少因安全事件带来的损失。
文档编号G06F19/00GK103186709SQ201110460610
公开日2013年7月3日 申请日期2011年12月31日 优先权日2011年12月31日
发明者吴雨果, 王翔 申请人:方正宽带网络服务股份有限公司