下载掌阅APP，畅读海量书库
立即打开
通过制造业多价值链数据安全的分析，得到了多价值链视角下生产、供应、营销和服务四个环节中可能产生的数据安全因素以及该因素下的基本安全因素，并构建多价值链制造业数据安全指标体系。由于文本挖掘得到的数据安全识别结果中包含政策与宏观环境因素，该因素不存在于多价值链的环节中，却是制造业数据安全的重要组成部分，因此在基本指标体系构建的过程中，将其作为独立于多价值链环节的一部分。制造业多价值链数据安全指标体系见表2-3。
表2-3 制造业多价值链数据安全指标体系
（续）
根据制造业多价值链数据安全指标体系，我们可以根据不同制造企业的实际情况得到基本数据安全指标的安全等级以及各安全主题的等级分布。多价值链各环节安全概率分布如图2-9所示。
图2-9 多价值链各环节安全概率分布
根据制造业多价值链数据安全指标体系以及各安全因素的等级，进行数据安全空间规划。在数据空间的构建过程中，企业整体全生命周期数据安全数据空间从生产价值链、供应价值链、营销价值链以及服务价值链四个业务流程的角度来构建。各业务环节都具有各自独立的子数据空间，它的数据安全维度由制造业多价值链数据安全指标体系中的安全等级来决定。对于安全等级较高的业务环节，为了避免造成较大的数据安全损失，其数据安全性要求更高，因此在数据空间构建过程中，其安全维度应该设定得更高。按照这个原则，电力制造企业多价值链数据安全空间规划如图2-10所示。
图2-10 电力制造企业多价值链数据安全空间规划
在设定的数据空间安全体系中，制造企业整体数据空间包含生产、供应、营销以及服务四个主要环节，其中生产环节是企业内部价值链，安全维度更高。每一部分都包含各自的子数据空间，以生产环节为例，生产环节的子数据空间中包含四个安全主题子数据空间，分别为产品及工程、经营管理、财务资本以及监督管理。其中，财务资本为电力制造企业的核心要素，其出现数据安全的等级较高，因此在数据存储与管理的过程中，要求的安全维度更高。而在内部价值链数据安全主题子数据空间中，每一个安全主题又包括各自安全因素子数据空间。以财务资本为例，财务资本子数据空间中又包含8个安全因素数据空间，其中资本结构是企业的基础核心要素，因此其要求的安全维度最高。
同理，图2-10中每一部分业务环节都包含各自的安全主题子数据空间，而每一部分安全主题子数据空间又包括各自的安全因素子数据空间，各数据空间中的数据根据其可能产生安全的等级设置安全维度，以此来保证数据安全性和数据管理的合理性。
通过以上多价值链各环节数据安全空间的规划和构建，构建了制造业多价值链数据空间安全架构。在该架构中包含数据源、数据集成、数据存储、数据管理以及数据应用等多个阶段，具体的制造业多价值链数据空间安全架构构建如图2-11所示。
图2-11 制造业多价值链数据空间安全架构
在数据源环节，根据以上建立的制造业多价值链数据安全指标体系，从多价值链四个环节中提取基本安全指标和安全主题，根据该指标体系，搜集各安全指标数据，作为数据的主要来源，形成数据文件。
在数据集成环节，根据搜集到的数据文件，构建各基本安全指标数据库，将数据库的构建落实到最小单位。
在数据存储环节，根据指标体系中各安全因素和安全主题的概率分布，构建以安全概率为安全维的数据空间子空间。每一个基本安全指标数据库按安全维度构建数据空间，每一个基本安全指标数据空间按安全主题的安全维度构建整体的安全主题数据空间，最终按多价值链各环节安全维度构建整体的全生命周期安全数据空间。
在数据管理环节，全生命周期数据空间的构建需要多个服务器和多个工作站的共同参与，在用户、数据集、服务三个主体参与下，构建多价值链数据安全全生命周期数据空间。
在数据应用环节，数据空间中的安全数据可以供使用者进行预测、决策以及优化模型的构建，利用智能算法和模型进行数据的模拟仿真，结果可供制造业进行数据安全的查阅、监督、分析和评估，从而提高安全决策水平。