智慧城市信息安全影响因素研究

洪文霞,贾文娟

(青岛理工大学 管理工程学院，山东 青岛 266520)

智慧城市是以物联网、大数据等新一代信息技术与城市转型发展高度融合的产物[1]，随着信息技术的发展和城镇信息化建设水平的提高，智慧城市建设成为现代化城市发展的必然阶段。以信息技术为基础的智慧城市通过多样化的智慧应用与服务提高了城市管理水平和公共服务能力，给人们的工作和生活带来便利，同时也使人类社会面临信息安全问题带来的风险与挑战[2]。在智慧城市建设背景下，信息安全影响因素极具不确定性和复杂性，因此需要对信息安全影响因素进行深度挖掘和分析，以采取措施有效应对。

近年来，学者们对智慧城市信息安全问题也展开了深入的研究，主要包括以下几方面。(1)关于智慧城市信息安全现状分析。AlDairi和Tawalbeh认为智慧城市的信息安全涉及到技术、应用、基础设施、信息/数据等多个方面，并详细阐述了基础设施和信息/数据所面临的威胁[3]。宋璟等从政策方针、标准体系、安全建设等方面分析了我国智慧城市信息安全现状，并对未来发展提出建议[4]。(2)关于智慧城市信息安全风险评估研究。邹凯等利用ward系统聚类与C4.5决策树建立了风险评估模型，对智慧城市进行风险分类并分析风险因素[5]。毛子骏等基于概率论的思想，利用贝叶斯网络对智慧城市信息安全风险评估进行量化研究[6]。Li等基于模糊集理论与灰色关联理论，提出了一种失效模式与影响分析(FMEA)方法，对智慧城市信息安全进行风险评估[7]。(3)关于智慧城市信息安全保障体系构建研究。王青娥等提出分别从基础设施保障、技术安全防范、信息安全管理、信息安全政策4方面出发建立智慧城市信息安全保障体系[2]。吴运建和孙成访针对智慧城市建设运营中产生的风险提出应健全法律法规、加强政府管理等多条应对风险措施[8]。王金祥分析了智慧城市面临的安全威胁，并在全面网络安全观指导下构建了智慧城市安全保障体系[9]。罗筱琦和何培育提出从加强顶层设计、构建框架体系、完善评估机制、健全法律法规4方面对智慧城市信息安全进行保障[10]。

影响因素的研究方法种类众多。王海洋等采用灰色关联法进行影响因素分析[11]，但灰色关联度是通过因素间的关联程度进行分析，对因素间的作用关系及层次结构研究较少。孙雷等采用因子分析法得到关键影响因素，但因子分析法对数据准确度要求较高且工作量较大[12]。张艳丰等采用模糊决策实验分析法(Fuzzy-DEMATEL法)确立因素之间的因果关系[13]，但DEMATEL法虽能识别系统关键影响因素，却无法较明确地分析因素间的内在关系及作用路径。喇海霞等构建基于解释结构模型法(ISM法)的模型来挖掘关键因素的层次关系及作用机理[14]，但未充分考虑关键因素的确定。

综上所述，关于智慧城市信息安全的研究主要集中在现状分析、风险评估及保障体系构建方面，而智慧城市所涉及的信息安全影响因素众多，关系复杂，但纵观已有的研究成果，很少有从根源上有效识别关键影响因素且探究各因素间层级关系及作用路径的研究，关于因素识别分析方法中ISM法可以明确各因素的内在关系和层次结构，DEMATEL法可有效确定关键因素，应用较为广泛，而两者结合可实现优势互补。基于此，本文通过DEMATEL-ISM法深度挖掘智慧城市信息安全的关键影响因素以及各因素之间的层级关系和作用路径，以期为智慧城市信息安全风险的有效应对提供理论依据。

一、智慧城市信息安全影响因素指标体系

智慧城市信息安全影响因素众多，涉及到智慧城市规划、建设、运行、服务和管理的整个建设过程，剖析各因素之间的相互关系，找出关键因素，对应对信息安全风险至关重要。基于对相关文献的研究，结合智慧城市信息环境的特点和信息安全风险的特征，合理借鉴吸收已有的研究成果，将指标加以概括整合，在遵循科学性、系统性、规范性等指标构建原则的基础上，以信息生态理论的视角初步构建了包括人员、技术、管理、环境四方面的智慧城市信息安全影响因素指标体系，再通过德尔菲法，将初步指标体系提交给专家获取指导意见，经过多轮反复的征询与反馈，将指标进行修正与完善，最终构建指标体系如表1所示。

表1 智慧城市信息安全影响因素指标体系

二、智慧城市信息安全影响因素识别模型

(一)DEMATEL-ISM法介绍

DEMATEL法(Decision Making Trial and Evaluation Laboratory,决策实验分析法)利用图论和矩阵工具剖析各因素之间的逻辑关系，通过矩阵计算中心度、原因度等指标，明确系统中各因素间的因果关系及重要程度[22]。DEMATEL法作为分析和简化复杂系统中的众多要素影响关系的有效方法，已成功应用于绩效评价[23]、风险因素识别[24]、灾害致因分析[25]等方面。但是DEMATEL法不能明确地剖析各因素间的层级结构。而ISM法(Interpretive Structure Modeling，解释结构模型法)通过建立可达矩阵，将复杂系统分解为若干子系统，对影响因素划分层次等级，最终将系统构造成一个直观条理、层级清晰的多级递阶结构模型[26]。DEMATEL法和ISM法都是对复杂系统进行因素分析的方法，存在共性，两者结合实现优势互补，既能通过定量运算，系统地分析各要素间的作用关系，又能建立逻辑清晰的层级结构，为复杂系统的因素研究和决策评价提供更具有科学性的支持[27]。智慧城市中各种信息要素繁杂交错，涉及主体众多，与其他方法相比，DEMATEL-ISM法研究智慧城市信息安全问题更具有适用性。因此本文基于DEMATEL-ISM法构建智慧城市信息安全影响因素识别模型，研究流程如图1所示。

图1 智慧城市信息安全影响因素研究流程图

(二)DEMATEL-ISM法模型构建

1.构建直接影响矩阵

通过德尔菲法邀请12位在智慧城市信息安全相关领域工作过7年以上、具有丰富经验的专家学者(包括4位高校教师、4位科研院所研究人员、4位与智慧城市建设相关的企业高层管理人员)采用0-4打分法对各因素之间的影响程度强弱进行打分。在0-4打分法中，0、1、2、3、4分别表示无影响、低影响、中影响、较高影响、高影响。对数据取平均值获得直接影响矩阵B(B=[bij]n×n)，bij为因素Bi对Bj的影响程度，当i=j时，取bij=0。

2.计算综合影响矩阵

将直接影响矩阵B标准化处理得到规范化矩阵C(C=[cij]n×n)，进而求取综合影响矩阵T(T=[tij]n×n)，公式如下(其中0≤cij≤1)：

(1)

(2)

式中：0≤cij≤1，当n→∞，Cn-1→0，近似有：

T=C(I-C)-1

(3)

基于上述公式得出智慧城市信息安全影响因素综合影响矩阵T,如表2所示。

表2 智慧城市信息安全影响因素综合影响矩阵

3.计算影响度e、被影响度f、中心度m和原因度n

基于综合影响矩阵T，求解各计算指数。其中，影响度ei表示各因素对其他因素的影响程度，被影响度fi表示各因素受其他因素的影响程度，公式如下：

5.3.1套袋技术要点套袋可以综合防治多种病虫害，套袋前用药因种类多，不要喷其他叶面肥料，配药浓度也不宜过大，喷药雾化程度要好，叶背面喷湿喷到，真正起到综合防治、不伤幼果的作用。

(4)

(5)

中心度mi表示各因素的重要程度；原因度ni表示为因素属性，ni大于零为原因因素，表示此因素对其他因素影响更为显著；ni小于零为结果因素，表示此因素受其他因素影响更为显著，公式如下：

mi=ei+fi(i=1,2,…,n)

(6)

ni=ei-fi(i=1,2,…,n)

(7)

基于上述公式运算，最终得出的各因素指数分析结果如表3所示。

表3 智慧城市信息安全各影响因素指数计算及排序

4.绘制原因结果图

基于上一步计算出的指数，以中心度、原因度分别为横、纵坐标绘制智慧城市信息安全影响因素因果图，如图2所示。

图2 智慧城市信息安全影响因素原因结果图

5.计算整体影响矩阵H

整体影响矩阵H考虑了对自身的影响。公式如下：

H=I+T

(8)

6.确定可达矩阵K

需要对整体影响矩阵H进行处理，进而确定可达矩阵K(K=[kij]n×n)。

(9)

其中，λ为阈值，作用是去除整体影响矩阵中的冗余信息，以往主要依靠专家经验对λ取值，主观性较强，而基于统计分布的均值和标准差之和代为求值可降低主观影响，且更具客观性[24]。公式如下：

λ=α+β

(10)

其中，α、β分别指综合影响矩阵T的平均值和标准差。根据上式求出α=0.207，β=0.054，λ=0.262。由此构建可达矩阵K。

7.确立可达集合R(Bi)和前因集合Q(Bi)

对可达矩阵K进行划分后可得到可达集合R(Bi)和前因集合Q(Bi)，可达集合R(Bi)为可达矩阵第i行中数值为1的列的集合；前因集合Q(Bi)为可达矩阵第i列中数值为1的行的集合；若满足R(Bi)=R(Bi)∩Q(Bi)，则因素Bi为最高层级要素，将其提取后，再将因素Bi所在的i行和i列删除，对余下因素重复此操作依次将所有要素提取进行层级划分。公式如下：

(11)

8.建立多级递阶结构模型

经公式(11)处理，最终层级要素划分结果如下：L1={3,4,5,6,7}，L2={1，10}，L3={9，11，12，13}，L4={2，8}，L5={14}，由此绘制多级递阶结构模型，如图3所示。

图3 智慧城市信息安全影响因素多层递阶结构模型

三、结果分析

(一)DEMATEL法分析

通过矩阵计算得出表3中的智慧城市信息安全影响因素指数结果。中心度越高表明因素重要程度越高，即对智慧城市信息安全的影响程度越大。从表中可以看出，一级因素中心度排名靠前的依次是信息安全管理因素、信息安全技术因素，因此在智慧城市建设进程中，信息安全的管理工作和技术的研发创新至关重要。二级因素中心度排名较高的依次为信息安全管理制度、信息安全知识教育与宣传、公众信息安全意识，重点优化这些因素对防范智慧城市信息安全风险有重要作用。原因度包括原因因素和结果因素，如表3所示通过原因度计算将所有智慧城市信息安全影响因素划分为7个原因因素，7个结果因素。排名较高的两个原因因素为信息安全法律环境和信息安全知识与经验，表明这两个因素对其他因素影响更为显著。排名最高的结果因素为公众信息安全意识，表明公众信息安全意识更易受其他因素影响。

(二)ISM法分析

通过建立可达矩阵及因素间的层级划分得到的多级递阶结构模型比较直观地呈现出各因素的相互影响关系和作用路径，层级清晰明了。图3中第一层的操作行为、系统安全防护技术、监测预警技术、数据存储技术、数据加密与网络隔离技术为直接影响因素，可以看出用户操作行为不当和信息技术不完善往往是智慧城市信息安全出现问题的直接原因；第二至四层为中间影响因素，包括信息安全知识与经验、信息安全保护政策，公众信息安全意识等；第五层的信息安全法律环境为根本影响因素，对智慧城市信息安全起关键影响作用。信息安全法律环境直接影响到信息安全管理制度、应急响应处置等中间过渡因素进而对智慧城市信息安全产生重要影响。若想从根本上保障智慧城市信息安全平稳运行，需创设规范健全的信息安全法律环境，加强政策法规执行力度也至关重要。

四、结论及建议

(一)结论

智慧城市信息安全影响因素众多且关系复杂，本文以信息生态理论的视角构建了包括人员、技术、管理、环境等4部分14个影响因素的智慧城市信息安全影响因素指标体系。构建了基于DEMATEL-ISM法的智慧城市信息安全影响因素研究模型，相较于以往研究，本文充分考虑了关键因素的确定以及各因素之间层级关系及作用路径的梳理分析。首先通过DEMATEL法计算并分析了中心度、原因度等指数，明确了各因素间的相互影响关系及重要程度，得出关键影响因素，后经ISM法建立可达矩阵划分影响因素层级，构建了5层递阶结构模型，使各因素的作用路径与层级结构更加直观呈现。经两种方法呈现结果对比，可以看出两种方法对智慧城市信息安全关键因素分析及类型划分上具有高度一致性[26]，进一步验证了此模型的科学性和适用性。结果显示信息安全法律环境是根本影响因素，信息安全管理制度是最重要的中间影响因素，操作行为是最重要的直接影响因素，相比于以往研究，突出了法律保护信息安全的重要性，从大的法律环境到小的具体行为，从根本影响到直接影响，本文关键因素的确定更加直观、层级结构更加清晰明了，并从根本影响因素、中间影响因素、直接影响因素三个层面分析关键因素，通过研究结果分析可有针对性地加强智慧城市信息安全防控，减少风险的发生。本文所研究内容为提高智慧城市信息安全风险应对提供了一定的理论依据，但是，也存在着一定的局限性，指标选取不够全面且在德尔菲法中邀请的专家学者打分人数过少，量化结果存在一定的主观性。后续研究中可对其影响因素进行深入探究，完善指标体系，同时扩大专家打分数量并改进专家打分的方式，使量化结果更具有客观性。

(二)建议

通过上文的分析可知，不同级因素对智慧城市信息安全影响程度不同，需要统筹安排，分级处理，进而对整个智慧城市信息系统进行优化，保障其安全高效平稳运行。从直接因素层面，信息技术对智慧城市信息安全有直接影响作用，为降低智慧城市信息安全风险，需要从技术入手，来实现我国智慧城市建设的可持续发展和我国核心技术自主可控，提高系统安全防护、数据加密与网络隔离、监测预警、数据存储等技术水平标准，为我国智慧城市信息系统高效平稳运行提供技术保障，提高核心竞争力，同时要规范用户操作行为，提高安全意识，减少对信息安全具有威胁性的不当行为发生。从中间因素层面，信息安全管理制度和信息安全知识教育与宣传重要性最大。一方面，应加强顶层设计，实现整体统筹规划，坚决执行信息安全保护政策，完善信息安全管理制度，规范管理流程，建立高效畅通的运行机制，提高信息安全管理人员素养，做好应急响应处置；另一方面，应做好与智慧城市信息安全相关的教育培训工作，加大宣传力度，丰富公众自身信息安全知识与经验，提高其伦理道德水平和信息安全意识，进而规范自身操作行为，减少风险发生。从根本因素层面，必须创设一个规范健全的信息安全法律环境，有效防范智慧城市信息安全风险，完善法律法规，明确智慧城市信息系统各方主体责任，落实信息安全责任制度，严厉打击不法分子的违法操作行为，减少虚假信息散布、网络攻击、数据泄露等问题，切实保障智慧城市信息系统平稳运行。