京公网安备 11010802034615号
经营许可证编号:京B2-20210330
电力行业大数据安全研究中心成立
8月21日,国网信通产业集团联合大数据协同安全技术国家工程实验室成立电力行业大数据安全研究中心。该中心基于大数据技术支撑,将数量巨大、来源分散的数据关联整合,加以分析,从中发现新知识、创造新价值、提升新能力,借助大数据协同安全技术国家工程实验室这一国家级实验室平台,积极参与国家相关网络安全相关研究项目及课题,参与国家网络安全技术标准及规范编制,联合开展电力行业网络安全技术攻关,推动电力行业数据安全标准制定。
在成立仪式上,中国工程院院士沈昌祥指出,信息安全已经成为大数据快速发展必须面对的问题。安全是发展的前提,发展是安全的保障。我们要通过制度化和体系化建设,对大数据实行全过程的保护。
大数据协同安全技术国家工程实验室是由国家发改委正式批准建设的我国大数据安全领域的第一个国家科研机构,旨在围绕提升大数据安全分析能力和保障大数据系统自身安全的需求,建设大数据协同安全技术应用研究平台。实验室成立一年以来,已经与中国交通通信信息中心、同济大学、神华集团、国电投等单位合作,在交通、清洁能源、电力、金融等领域成立7个行业大数据安全研究中心,有效守护了各行业大数据安全。国网信通产业集团作为中国能源行业最大的信息通信技术、产品及服务提供商,积极开展大数据技术的研究与应用,自主研发形成集数据整合、存储、计算、分析与应用为一体的企业级大数据平台,先后成立多个大数据研究机构,致力于大数据在电力行业的应用研究。该中心由大数据协同安全技术国家工程实验室牵头,国网信通产业集团思极网安和360企业安全集团共同发起并负责具体建设工作。
中国工程院院士沈昌祥、公安部网络安全保卫局总工程师郭启全委派公安部网络安全保卫局处长盘冠员、国家能源局信息中心副主任胡红升、国网信通部副主任陈春霖、集团董事长王政涛、副总经理孙德栋、大数据协同安全技术国家工程实验室主任、360企业安全集团董事长齐向东、高级副总裁曲晓东出席成立仪式。在与会专家及领导的共同见证下国网信通产业集团与大数据协同安全技术国家工程实验室正式签署《电力行业大数据安全研究中心合作框架》;思极网安与360企业安全集团签署《电力行业大数据安全研究中心合作协议》。
本次大数据安全研究中心的成立无疑将带动传统电力行业的创新安全防护技术和体系的研究,未来,集团和下属思极网安将借助大数据国家实验室的资源,在大数据安全方面的技术,实现在电力大数据系统安全、网络安全等方面的技术创新和突破,加强对国家电网公司的技术支撑,提升和改进电力行业网络安全态势,为推动传统电力工业的升级,为“建设全球能源互联网、建设安全高效的现代能源体系”保驾护航。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在Power BI数据可视化分析中,切片器是连接用户与数据的核心交互工具,其核心价值在于帮助使用者快速筛选目标数据、聚焦分析重点 ...
2026-04-23以数为据,以析促优——数据分析结果指导临床技术改进的实践路径 临床技术是医疗服务的核心载体,其水平直接决定患者诊疗效果、 ...
2026-04-23很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标是所有企业都需要的”“哪些指标是因行业而异的”“北极星指标和 ...
2026-04-23近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15