安全文化特征大全11篇

安全文化特征篇（1）

Characteristic Quantity of Safety Grade and Its Calculation Method

AbstractUsing the method of fuzzy evaluation， existing problems and shortcomings are pointed out as the time of system safety grade being defined. By using fuzzy random variable theory and fuzzy set theory， the concept and its calculation method of fuzzy random characteristic quantity of safety grade are put forward. Both characteristic quantity of safety grade and its variable are the value obtained from the fuzzy sub-set of safety grade on domain， and are not a definite point. Calculation method of absolute and relative possibility is also given. System safety in future can be evaluated and forecasted in a definite condition by the calculation method of fuzzy random characteristic quantity of safety grade. Examples demonstrate that calculation method of characteristic quantity of safety grade and the possibility pointed out in this paper are scientific and rational.

Key words：Safety gradeEvaluationFuzzy random characteristic quantity

Fuzzy characteristic quantityPossibility

1系统安全等级的模糊性

在评价系统的安全水平或等级时，人们常用“极其安全”、“十分安全”、“十分危险”和“极其危险”等不确定性的语言表达方式。这是因为安全和危险是相对的，两者具有亦此亦彼的过渡性质，即具有模糊性。因此，要准确、客观地描述系统的安全等级却十分困难，只能尽可能地使评价结果符合客观实际。其原因是影响系统安全性的因素众多而复杂，且具有模糊性。例如，机械设备可靠性及安全管理水平的“高”与“低”，环境条件的“优”与“劣”，人、机配合的“好”与“差”，等等。在进行评价时，所获得的原始数据也具有模糊性。当然，也不能排除在某些系统中，影响其安全的因素具有确定性，其安全等级也具有确定性的情况。根据模糊集理论，确定性可以看作是模糊性或随机性的一个特例。所以，不管系统的复杂性如何，其安全性均可采用模糊集理论进行评价。系统安全评价的非模糊集方法往往也包含有模糊性。例如，采用概率评价法时最终所得结果是系统处于安全或危险状态的概率，尽管概率值是确定的，但它所代表的含义则具有模糊性。等级系数法和DOW化学公司的火灾爆炸指数法的评价结果也具有同样的性质。可见，系统安全状态的模糊性已成为人们的共识。可以说，模糊集方法是评价系统安全性的最好的方法之一。采用模糊集方法进行安全评价时，所得结果是对应于各安全等级的隶属度，然后按照最大隶属原则或评分法确定系统的安全等级。目前，此法也存在如下问题：①最大隶属原则会丢失许多信息［1］，存在着使评价结果失真的可能性。②计算评分值时，与安全等级论域U相对应的分数的选取不尽合理；③一个确定的总分值是相空间中的一个点，而不是一个模糊集合，既不符合模糊集理论，同时也很难反映系统实际的安全状况，亦即其评价结果可能高于或低于实际的安全等级。笔者对这些问题，作了初步研究和探讨。

2安全等级特征量

系统安全评价可分为对系统未来状况和对系统现状的安全评价。对于系统未来状况的安全评价可以称作预评价，它分现实系统的预评价和待建系统的预评价。本文讨论前一种情况。对于现实系统未来的安全性，由于无法控制条件，一些偶然因素使系统运行的结果不可能准确地预先掌握，故具有随机性。安全本身就是一个模糊概念。所以，对系统未来的安全评价可以运用模糊随机变量理论。模糊随机变量的概念于1978年由H.Kwakernaak首次提出的，随后，国内外不少学者对模糊随机变量进行了研究［4～6］。由于系统的现状是已经发生的事件，所以具有确定性。但由于人们所掌握的信息是模糊的，且安全本身具有模糊性，所以，对系统现状的评价要使用模糊集理论。

2.1安全等级模糊随机特征量与安全等级模糊特征量

系统安全等级或安全状态不宜分得过少，但也不宜过多。不失一般性，将系统安全等级分成c级，则其论域为U，并定义ui，i＝1，2，…，c，随着i的增大，系统安全性增加，危险性降低。令ωi

对于Ω，也可以定义相反的情况。

对系统进行模糊综合评价后，所得出的对各安全等级的隶属度向量为

并且，

是（Ω，A，P）上的模糊随机变量。对于i＝1，2，…，c，可得［4～6］

随机区间为

针对Ω及模糊集理论，构造如下的对称三角闭模糊数，即

除对称的三角模糊数外，也可用三角函数型模糊数。三角函数型模糊数为

选用对称的三角模糊数比较符合人们的习惯，且计算方便，所以应用较多。

由式（4）可得随机区间，即

用于确定安全等级的Ω上的集合称为安全等级特征量。根据模糊随机变量理论，考虑现实系统未来状况的安全等级变量 的模糊随机性时，可得如下的安全等级模糊随机特征量，即

其α水平集为

当α＝0时，H0FR 为安全等级模糊随机特征量的支集。其特征量的中值为：

如果安全等级模糊随机变量 的方差存在，对 α∈（0，1］，则有［6］

式中，

对系统的现状进行安全评价时，通常是根据隶属度向量计算特征量的加权平均值［1］ ，即

式中，X(ω′i)为相空间中一个确定的点。

在现有的模糊综合评价中，不同的文献对X(ω′i)的取值不同。有的取各安全等级对应区间值的下限，有的取中值，也有的按照最大隶属原则及区间宽度来取值。不同的取值会导致不同的计算结果，安全等级也有可能存在差别，从而人为地使安全等级高于或低于实际的安全等级。对系统现状进行安全评价时，安全等级变量不是相空间中的一个确定点，也就是不具有确定性，而具有模糊性，即为一随机区间。那么，可以定义以下的安全等级模糊特征量，即

尽管式（14）与式（7）相似，且 但其意义截然不同，因为概率和隶属度是两个不同的量。由于 已知，当采用对称三角模糊数时，安全等级模糊特征量为

此时，有100％的把握保证安全等级落在该区间内。安全等级模糊特征量的中值为：

在划分系统安全等级时，除规定上述取值论域，即取值愈大，系统安全等级愈高外，有时采用Ⅰ、Ⅱ、Ⅲ…的安全等级划分方式。此时在系统安全等级论域U中， 随着i的增大系统安全性降低，危险性增加。与U相对应的取值论域定义为：

针对Ω′，在计算安全等级特征量时，可利用式（4）的对称三角模糊数和式（5）的三角函数型模糊数。安全等级模糊随机特征量及其α水平集、中值、方差，模糊特征量及其中值，可分别按照式（6）～（16）进行计算。

2.2安全等级的可能性

1)现实系统预评价安全等级的相对可能性和绝对可能性

设在α水平上，安全等级模糊随机特征量为HαFR=［Hα-FR，Hα+FR］，则可以定义现实系统预评价安全等级的相对可能性，即：

当 时，安全等级为 等级的相对可能性为πRi=100%，其绝对可能性为πAi=1-α。

当 时，安全等级为 级的相对可能性为：

其绝对可能性为：

为 等级的相对可能性为：

绝对可能性为：

以上各式中 (ω)为计算安全等级模糊随机特征量时所构造的隶属函数。

2)对系统现状评价的安全等级的可能性

对系统现状评价的安全等级只存在绝对可能性，而不存在相对可能性。将其称为安全等级的绝对可能性，简称为安全等级的可能性。

当 时，安全等级为 等级的可能性为100％。

当 时，安全等级为 等级的可能性为：

为 +1等级的可能性为：

以上各式中 为计算安全等级模糊特征量时所构造的隶属函数。

2.3安全等级的确定

计算出安全等级特征量及其可能性以后，根据安全等级论域及其取值论域，即可确定系统的安全等级。为了更加具体化，可将每个等级再分成上、中、下三个等级。如果安全等级论域为Ω，即安全等级特征量为计分值，则可将各个等级对应的区间均分。设安全等级特征量越高系统越安全，则对于 等级来说， 则为 等级的上等，用 +来表示； ∈［(ωi+1+2ωi)/3，(2ωi+1+ωi)/3］，则为 等级的中等，用A0i来表示； ∈［ωi，(ωi+1+2ωi)/3］则为 等级的下等，用 -来表示。如果安全等级的取值论域为Ω′，即安全等级按习惯上的等级进行划分，那么也可以上述类似方法确定安全等级。与 相对应的 的区间分别为［ωi，ωi+1/3］、［ωi+1/3，ωi+1-1/3］ 、［ωi+1，-1/3，ωi+1］。

3应用实例

对于系统安全等级或状态的描述，可借助于层次分析中的(1～9)级表度法，将系统安全状态分5个或7个等级。这主要是考虑到安全与危险具有互补性，即系统的安全性用危险性来表述与危险性用安全性来刻画的结果是完全等价的。此外，将系统安全状态分成3个等级显得过于粗糙，而分成8个及其以上等级又过于烦琐，分成4个或6个等级时，尽管从数学意义上看安全与危险满足互补性的要求，但在语言表达上却不方便。这是因为对某个系统进行评价时，如果其危险性一般，那么其安全性也一般。所以分成奇数个等级更为合适一些，如分成5个或7个等级，其中以分成5个等级为最好。安全等级论域U7＝{极其安全，安全，较安全，安全性一般，较危险，危险，极其危险}； U5={安全，较安全，安全性一般，较危险，危险}。

1)设某一系统未来处于各安全等级的概率向量为P=（0.32， 0.30， 0.16， 0.22， 0），令α＝0.20，由式（8）、（9）可知，安全等级模糊随机特征量的α置信水平及中值，分别为 H0.20FR=［1.88，2.68］，H0.20MFR=2.28；由式（17）、（19）和式（18）、（20）可得安全等级为2级和3级的相对可能性和绝对可能性，分别为πR2=91.65%，πR3=8.35%，πA2=73.32%，πA3=6.68%。可见，安全等级为(1.88～2.68)级，它相当于习惯上的2.28级。由式（18）～（20），可得方差为D0.20( )=［0.072，3.501］。

2)以对南平化纤厂的评价结果为例。安全等级隶属度向量 =(0.190， 0.341， 0.372，0.067， 0.030），由式（15）和（16）分别可得安全等级模糊特征量 =［2.054，2.758］及其中值 =2.411;由式（21）和式（22）可得安全等级为2级和3级的可能性，即π2＝74.93%，π3＝25.07%。可见安全等级为2级偏下，它相当于习惯上的2.411级。其最低安全等级为2.758级，亦即在3级范围之列，最高则恰好为2级。按照安全等级模糊特征量所确定的最低安全等级为3级，与按照最大隶属原则及加权平均法确定的安全等级相一致，但二者仍有偏差。其原因是由最大隶属原则丢失许多有用信息和加权平均法在取值时带有主观任意性所致。为3级的可能性仅为25.07%，可见本文提出的方法更为科学、合理。

3)有关文献将系统安全等级分为“优、良、可、劣”4级， =（0.438，0.375，0.125，0.062），并确定安全等级为“优”，按照本文的方法计算的 ＝［1.485， 2.135］， ＝1.81；π1=0.06%，π2=99.94%。安全等级应为1.81级，即良好偏上。可见其所得结果偏高。

4)采用模糊综合评价有可能使各等级的隶属度趋于均化。为此，有关文献认为需对该评价结果进行处理，使得各等级的隶属度产生显著差别。实际上，人为的处理会使评价结果失真，除非有一种评价方法，其评价结果本身就产生显著差异。该文献中的一评价结果为 =［0.152，0.254，0.251，0.213，0.130］，处理后的 =［0.096，0.866， 0.849， 0.555， 0.029］。尽管发生了显著变化，但第2和第3级的隶属度仍然相差很小。按照最大隶属原则，安全等级仍为2级。针对 ，按式（15）和式（16）分别求得 ＝［2.521，3.314］， ＝2.918，安全等级为3级中等，π3＝100％。对 进行规一化并计算，可得 =［2.470， 3.158］， =2.814；π′2＝0.21%，π′3＝99.73%。可见，经过处理后，人为地使安全等级有所提高。本例说明，安全等级模糊特征量的计算是确定评价结果趋于均化的安全等级的好方法。当然，它也适用于非均化的情况。有的文献还根据安全等级隶属度向量中的最大隶属度及各安全等级取值区间的间隔值来确定安全等级，也会人为地使得安全等级增高。仅取安全等级隶属度向量中几个较大的隶属度，其余视为零，并经规一化再重复一次上述步骤，以确定安全等级的方法会导致评价结果失真。如将其中一隶属度向量为 ＝［0.132， 0.986， 0.893， 0.522， 0］，其评价结果为2-，即为2级偏下。加以规一化，按照本文提出的方法计算可得， ＝［2.373， 3.053］， ＝2.713；安全等级为2级的可能性为π2＝5.0％，3级的可能性 π3＝95.0%．可见，本文所提方法的计算结果更为符合实际。

5)有关文献对煤层开采自燃危险性预先分析所得隶属度向量经规一化分别为μ1=［0.205， 0.248， 0.297， 0.25］，μ2＝［0.337， 0.196， 0.256， 0.211］。针对μ1，按本文方法计算，得 ＝［2.198， 2.965］， =2.582；2级的可能性为 π2＝29.67%，3级的可能性为π3＝70.33%。最高危险性等级约为习惯等级上的3级，与有关文献按最大隶属原则所得危险性等级的结论一致。最低危险等级约为2级。针对μ2，经计算，得 ＝［1.972， 2.710］， =2.341；π2=87.39%，π3＝12.61%。结果为1级，两者偏差较大。而对1级的隶属度和对3级的隶属度相差不是很大，综合考虑所有信息，本文计算结果更为合理。

6)有的文献将污水处理厂管理效果分成“很好”、“好”、“中”、“差”和“很差”五级。上旬和中旬的隶属度向量分别为 ＝［0.43， 0.34， 0.11， 0.09， 0.02］， ＝［0.33，0.26，0.13，0.09， 0.19］。经计算得， ＝［1.566， 2.232］， ＝1.899； ＝［2.169，2.931］， =2.55， π′2＝37.1%，π′3＝62.9%。可知，上旬的管理效果比中旬好，结论一致，但意义不同。

4结论

系统安全本身具有模糊性，适合用模糊集理论进行评价。评价结果一般为与各安全等级相对应的隶属度向量。最大隶属原则存在使评价结果失真的可能，本文所提出的安全等级特征量及其计算方法可合理地确定系统的安全等级。也适用于根据隶属度向量确定等级的任何评价。

1)利用模糊随机变量理论，笔者提出了安全等级模糊随机特征量的概念及其计算方法，以及安全等级模糊随机特征量的α水平集及其中值和方差的计算方法。安全等级模糊随机特征量为一集合而非相空间中的一个确定点。利用安全等级模糊随机特征量，可对现实系统未来的安全性进行预评价。

2)系统现状的安全性是一个确定事件，不具有随机性。根据模糊集理论提出了安全等级模糊特征量的概念及其计算方法。安全等级模糊特征量同样为一集合，可对系统现状进行安全性评价，从而评出系统的最高和最低安全等级。

3)根据安全等级特征量对安全等级取值论域中各模糊集的相容程度不同，定义了安全等级的绝对可能性和相对可能性。它们可用于确定系统的安全等级。

4)安全等级变量在各区间中的取值不能根据经验选取，而且也谈不上经验性。取值的理论基础是模糊集理论。

5)安全等级隶属度向量中的隶属度可能趋于均化，用人为方法使其产生显著差别会丢失许多评价信息，从而导致评价结果失真。

6)安全等级应分成奇数个等级，其中以分成5个等级为最好。

7)利用安全等级特征量及其α水平集、中值以及安全等级的可能性等，可有效地确定系统的安全等级。实例表明，本文所提出的方法是科学、合理的。

参考文献

1陈守煜.系统模糊决策理论与应用.大连：大连理工大学出版社，1994：1～98.

2李洪兴、汪群、段钦治等.工程模糊数学方法及应用.天津:天津科学技术出版社，1993:52～57.

3H.Kwakernaak.Fuzzy random variables-Ⅱ.Algorithms and examples for the discrete case.Inform.Sci，1979，17:253～278.

4张跃.模糊随机变量，哈尔滨建筑工程学院学报，1989，22(3):12～20.

安全文化特征篇（2）

中图分类号：TP393.08 文献标识码：A 文章编号：1007-9416（2016）05-0000-00

1引言

网络安全态势评估是一种新型的网络安全技术，能够从宏观上提供清晰的网络安全状态信息，并对安全状态的发展趋势进行预测。与传统的基于告警记录的态势评估相比，基于网络流的态势评估通过对全网流量信息采取合适特征进行描述，分析发现网络中存在的异常行为，能够更快更准确地把握当前的网络安全状态，具有良好的应用价值。

2层次化网络安全态势评估方法

现有的基于网络流的态势评估大都以单台主机或单个局域网为核心实施对网络流的监控，通过某个一维时间序列的异常变化来检测异常行为，但某些异常行为（如DDoS）在单个序列上并不一定具有明显的表现。如果将多个序列作为一个整体进行研究时，异常就有可能显现出来。基于这一思想，本文提出了一种层次化的网络安全态势评估方法，将网络划分为主机层、子网层和全网层三个层次，依次评估网络安全态势。随着网络规模扩大，将各子网安全态势分开检测评估，再综合得到整体安全态势，能够有效提高安全态势评估的精度和效率。

该方法在流程上可分为网络流划分、特征提取、异常检测和安全态势指数聚合四个阶段。

2.1 网络流划分

基本过程是：

步骤一：利用部署在网络中的流量监测设备获取网络流数据。这里的网络流指的是一组具有相同五元组取值的分组序列。

步骤二：依据网络流数据完成子网划分。本文采用CPM算法识别网络中的子网：将网络终端（主机、服务器、各种有IP地址的设备）视为节点，节点与节点之间的连接关系（设备间的网络流）视为边，则网络可被抽象成一个由点和边组成的图。假设网络簇由多个相邻的k-团组成，相邻的两个k-团至少共享k？1个节点，每个k-团唯一地属于某个网络簇，但属于不同网络簇的k-团可能会共享某些节点。对给定的参数K，计算出网络中的全部k-团（k≤K）以建立团-团重叠矩阵，并利用该矩阵计算出重叠网络簇，重叠网络簇即所划分的子网。

步骤三：依据子网结构将网络流分为与子网相关的流。如果流的源和目的地址都在某子网中，则被划分为该子网内部流；若只有源或目的地址在子网中则被划分为外部流。

2.2 特征提取

基本过程是：从子网内部流与外部流中分别提取子网内部特征和外部特征，用于检测子网内部和外部之间的异常。

本文主要提取了五类网络流特征：

（1）计数型特征：某属性在单位时间内出现的不重复值的个数，如单位时间内出现的不同源地址个数。

（2）流量特征：单位时间各种属性对应的数据包数或字节数之和，如单位时间内的总数据包数，某协议对应的总字节数等。

（3）度型特征：某属性的特定值对应的另一属性的特征值个数。对子网来说就是子网的出入度，即向子网发起（或接收子网发起）链接的不同地址（端口）的个数，如子网的源地址出度，即是单位时间内以子网内部IP为源地址的链接的个数。

（4）均数型特征：单位时间某属性对应的平均数据包或字节数。

（5）复合型特征：将前述特征通过简单统计得到。如IP地址、端口等信息熵。

2.3 异常检测

基本过程是：对网络流进行异常检测，计算主机层及子网层安全态势指数，并分析引起异常的具体时间和来源。

本文采用基于层次聚类的异常检测方法。其基本思想是：对于已标记过异常流量的网络流样本集，首先计算每个特征的特征熵与特征比，把平均流大小、平均分组大小、每个特征的特征熵和特征比作为特征属性，用来刻画异常事件的类型，即每个样本由一个包含m项网络流特征的属性向量来表示。把属性向量间的相关系数作为相似性度量方式，在相似性最大的原则下进行类的合并，迭代直到所有对象在一个类中或满足某个终止条件。通过训练已标记的异常流量构建分类树，在相似性最大的原则下进行类的合并，并利用特征属性的学习建立分类模型。

异常检测算法利用建立的分类树把相似的异常嵌入在子树中，并输出与子树中其他叶子节点相同的标记类型，从而完成异常事件的检测。对单台主机或子网流量进行流量异常检测即可以得到其安全态势指数。

2.4 安全态势指数聚合

基本过程是：把各层子网的安全态势指数聚合成为全网的安全态势值，再根据各子网的重要程度对同一层次子网安全态势指数值进行加权得到高一级的安全态势值，最终得到全网的安全态势指数。

3结语

网络安全态势评估是针对大规模的多源异构网络，综合各方面的安全要素，从整体上动态反映网络安全状况，把原始“数据”转化为人能够理解的“知识”的过程。本文针对网络规模扩大、原始“数据”爆炸性增长给态势评估带来困难这一问题，依据流特征将网络划分为主机层、子网层、全网层，通过时间序列分析、节点态势融合和子网态势融合依次计算安全态势，从而实现全网安全态势的量化分析，方法具有客观性、适用性的特点。

安全文化特征篇（3）

经济飞速发展的同时，科学技术也在不断地进步，网络已经成为当前社会生产生活中不可或缺的重要组成部分，给人们带来了极大的便利。与此同时，网络系统也遭受着一定的安全威胁，这给人们正常使用网络系统带来了不利影响。尤其是在大数据时代，无论是国家还是企业、个人，在网络系统中均存储着大量重要的信息，网络系统一旦出现安全问题将会造成极大的损失。

1基本概念

1.1网络安全态势感知

网络安全态势感知是对网络安全各要素进行综合分析后，评估网络安全整体情况，对其发展趋势进行预测，最终以可视化系统展示给用户，同时给出相应的统计报表和风险应对措施。网络安全态势感知包括五个方面1：（1）网络安全要素数据采集：借助各种检测工具，对影响网络安全性的各类要素进行检测，采集获取相应数据；（2）网络安全要素数据理解：对各种网络安全要素数据进行分析、处理和融合，对数据进一步综合分析，形成网络安全整体情况报告；（3）网络安全评估：对网络安全整体情况报告中各项数据进行定性、定量分析，总结当前的安全概况和安全薄弱环节，针对安全薄弱环境提出相应的应对措施；（4）网络安全态势预测：通过对一段时间的网络安全评估结果的分析，找出关键影响因素，并预测未来这些关键影响因素的发展趋势，进而预测未来的安全态势情况以及可以采取的应对措施。（5）网络安全态势感知报告：对网络安全态势以图表统计、报表等可视化系统展示给用户。报告要做到深度和广度兼备，从多层次、多角度、多粒度分析系统的安全性并提供应对措施。

1.2DPI技术

DPI（DeepPacketInspection）是一种基于数据包的深度检测技术，针对不同的网络传输协议（例如HTTP、DNS等）进行解析，根据协议载荷内容，分析对应网络行为的技术。DPI技术广泛应用于网络流量分析的场景，比如网络内容分析领域等。DPI技术应用于网络安全态势感知领域，通过DPI技术的应用识别能力，将网络安全关注的网络攻击、威胁行为对应的流量进行识别，并形成网络安全行为日志，实现网络安全要素数据精准采集。DPI技术发展到现在，随着后端业务应用的多元化，对DPI系统的能力也提出了更高的要求。传统DPI技术的实现主要是基于知名协议的端口、特征字段等作为识别依据，比如基于HTTP、HTTPS、DNS、SMTP、POP3、FTP、SSH等协议特征的识别、基于源IP、目的IP、源端口和目的端口的五元组特征识别。但是随着互联网应用的发展，越来越多的应用采用加密手段和私有协议进行数据传输，网络流量中能够准确识别到应用层行为的占比呈现越来越低的趋势。在当前网络应用复杂多变的背景下，很多网络攻击行为具有隐蔽性，比如数据传输时采用知名网络协议的端口，但是对传输流量内容进行定制，传统DPI很容易根据端口特征，将流量识别为知名应用，但是实际上，网络攻击行为却“瞒天过海”，绕过基于传统DPI技术的IDS、防火墙等网络安全屏障，在互联网上肆意妄为。新型DPI技术在传统DPI技术的基础上，对流量的识别能力更强。基本实现原理是对接入的网络流量根据网络传输协议、内容、流特征等多元化特征融合分析，实现网络流量精准识别。其目的是为了给后端的态势感知系统提供准确的、可控的数据来源。新型DPI技术通过对流量中传输的不同应用的传输协议、应用层内容、协议特征、流特征等进行多维度的分析和打标，形成协议识别引擎。新型DPI的协议识别引擎除了支持标准、知名应用协议的识别，还可以对应用层进行深度识别。

2新型DPI技术在网络安全态势感知领域的应用

新型DPI技术主要应用于数据采集和数据理解环节。在网络安全要素数据采集环节，应用新型DPI技术，可以实现网络流量的精准采集，避免安全要素数据采集不全、漏采或者多采的现象。在网络安全要素数据理解环节，在对数据进行分析时，需要基于新型DPI技术的特征知识库，提供数据标准的说明，帮助态势感知应用可以理解这些安全要素数据。新型DPI技术在进行网络流量分析时主要有以下步骤，（1）需要对攻击威胁的流量特征、协议特征等进行分析，将特征形成知识库，协议识别引擎加载特征知识库后，对实时流量进行打标，完成流量识别。这个步骤需要确保获取的特征是有效且准确的，需要基于真实的数据进行测试统计，避免由于特征不准确误判或者特征不全面漏判的情况出现。有了特征库之后，（2）根据特征库，对流量进行过滤、分发，识别流量中异常流量对应的攻击威胁行为。这个步骤仍然要借助于协议识别特征知识库，在协议识别知识库中记录了网络异常流量和攻击威胁行为的映射关系，使得系统可以根据异常流量对应的特征库ID，进而得出攻击威胁行为日志。攻击威胁行为日志包含捕获时间、攻击者IP和端口、被攻击者IP和端口、攻击流量特征、攻击流量的行为类型等必要的字段信息。（3）根据网络流量进一步识别被攻击的灾损评估，同样是基于协议识别知识库中行为特征库，判断有哪些灾损动作产生、灾损波及的数据类型、数据范围等。网络安全态势感知的分析是基于步骤2产生的攻击威胁行为日志中记录的流量、域名、报文和恶意代码等多元数据入手,对来自互联网探针、终端、云计算和大数据平台的威胁数据进行处理,分析不同类型数据中潜藏的异常行为,对流量、域名、报文和恶意代码等安全元素进行多层次的检测。针对步骤1的协议识别特征库，可以采用两种实现技术：分别是协议识别特征库技术和流量“白名单”技术。

2.1协议识别特征库

在网络流量识别时，协议识别特征库是非常重要的，形成协议识别特征库主要有两种方式。一种是传统方式，正向流量分析方法。这种方法是基于网络攻击者的视角分析，模拟攻击者的攻击行为，进而分析模拟网络流量中的流量特征，获取攻击威胁的流量特征。这种方法准确度高，但是需要对逐个应用进行模拟和分析，研发成本高且效率低下，而且随着互联网攻击行为的层出不穷和不断升级，这种分析方法往往存在一定的滞后性。第二种方法是近年随着人工智能技术的进步，逐渐应用的智能识别特征库。这种方法可以基于威胁流量的流特征、已有网络攻击、威胁行为特征库等，通过AI智能算法来进行训练，获取智能特征库。这种方式采用AI智能识别算法实现，虽然在准确率方面要低于传统方式，但是这种方法可以应对互联网上层出不穷的新应用流量，效率更高。而且随着特征库的积累，算法本身具备更好的进化特性，正在逐步替代传统方式。智能特征库不仅仅可以识别已经出现的网络攻击行为，对于未来可能出现的网络攻击行为，也具备一定的适应性，其适应性更强。这种方式还有另一个优点，通过对新发现的网络攻击、威胁行为特征的不断积累，完成样本库的自动化更新，基于自动化更新的样本库，实现自动化更新的流量智能识别特征库，进而实现AI智能识别算法的自动升级能力。为了确保采集流量精准，新型DPI的协议识别特征库具备更深度的协议特征识别能力，比如对于http协议能够实现基于头部信息特征的识别，包括Host、Cookie、Useragent、Re-fer、Contet-type、Method等头部信息，对于https协议，也能够实现基于SNI的特征识别。对于目前主流应用，支持识别的应用类型包括网络购物、新闻、即时消息、微博、网络游戏、应用市场、网络视频、网络音频、网络直播、DNS、远程控制等，新型DPI的协议特征识别库更为强大。新型DPI的协议识别特征库在应用时还可以结合其他外部知识库，使得分析更具目的性。比如通过结合全球IP地址库，实现对境外流量定APP、特定URL或者特定DNS请求流量的识别，分析其中可能存在的跨境网络攻击、安全威胁行为等。

2.2流量“白名单”

在网络流量识别时也同时应用“流量白名单”功能，该功能通过对网络访问流量规模的统计，对流量较大的、且已知无害的TOPN的应用特征进行提取，同时将这些特征标记为“流量白名单”。由于“流量白名单”中的应用往往对应较高的网络流量规模，在网络流量识别时，可以优先对流量进行“流量白名单”特征比对，比对成功则直接标记为“安全”。使用“流量白名单”技术，可以大大提高识别效率，将更多的分析和计算能力留给未知的、可疑的流量。流量白名单通常是域名形式，这就要求新型DPI技术能够支持域名类型的流量识别和过滤。随着https的广泛应用，也有很多流量较大的白名单网站采用https作为数据传输协议，新型DPI技术也必须能够支持https证书类型的流量识别和过滤。流量白名单库和协议识别特征库对网络流量的处理流程参考下图1：

3新型DPI技术中数据标准

安全态势感知系统在发展中，从各个厂商独立作战，到现在可以接入不同厂商的数据，实现多源数据的融合作战，离不开新型DPI技术中的数据标准化。为了保证各个厂商采集到的安全要素数据能够统一接入安全态势感知系统，各厂商通过制定行业数据标准，一方面行业内部的安全数据采集、数据理解达成一致，另一方面安全态势感知系统在和行业外部系统进行数据共享时，也能够提供和接入标准化的数据。新型DPI技术中的数据标准包括三个部分，第一个部分是控制指令部分，安全态势感知系统发送控制指令，新型DPI在接收到指令后，对采集的数据范围进行调整，实现数据采集的可视化、可定制化。同时不同的厂商基于同一套控制指令，也可以实现不同厂商设备之间指令操作的畅通无阻。第二个部分是安全要素数据部分，新型DPI在输出安全要素数据时，基于统一的数据标准，比如HTTP类型的数据，统一输出头域的URI、Host、Cookie、UserAgent、Refer、Authorization、Via、Proxy-Authorization、X-Forward、X-Requested-With、Content-Dispositon、Content-Language、Content-Type、Method等HTTP常见头部和头部关键内容。对于DNS类型的数据，统一输出Querys-Name、Querys-Type、Answers-Name、Answers–Type等。通过定义数据描述文件，对输出字段顺序、字段说明进行描述。针对不同的协议数据，定义各自的数据输出标准。数据输出标准也可以从业务应用角度进行区分，比如针对网络攻击行为1定义该行为采集到安全要素数据的输出标准。第三个部分是内容组织标准，也就是需要定义安全要素数据以什么形式记录，如果是以文件形式记录，标准中就需要约定文件内容组织形式、文件命名标准等，以及为了便于文件传输，文件的压缩和加密标准等。安全态势感知系统中安全要素数据标准构成参考下图2：新型DPI技术的数据标准为安全态势领域各类网络攻击、异常监测等数据融合应用提供了基础支撑，为不同领域厂商之间数据互通互联、不同系统之间数据共享提供便利。

4新型DPI技术面临的挑战

目前互联网技术日新月异、各类网络应用层出不穷的背景下，新型DPI技术在安全要素采集时，需要从互联网流量中，将网络攻击、异常流量识别出来，这项工作难度越来越大。同时随着5G应用越来越广泛，万物互联离我们的生活越来越近，接入网络的终端类型也多种多样，针对不同类型终端的网络攻击也更为“个性化”。新型DPI技术需要从规模越来越大的互联网流量中，将网络安全相关的要素数据准确获取到仍然有很长的路要走。基于新型DPI技术，完成网络态势感知系统中的安全要素数据采集，实现从网络流量到数据的转化，这只是网络安全态势感知的第一步。网络安全态势感知系统还需要基于网络安全威胁评估实现从数据到信息、从信息到网络安全威胁情报的完整转化过程，对网络异常行为、已知攻击手段、组合攻击手段、未知漏洞攻击和未知代码攻击等多种类型的网络安全威胁数据进行统计建模与评估，网络安全态势感知系统才能做到对攻击行为、网络系统异常等的及时发现与检测，实现全貌还原攻击事件、攻击者意图，客观评估攻击投入和防护效能，为威胁溯源提供必要的线索。

安全文化特征篇（4）

关键词 胜任特征模型 煤矿 安监队伍 建设

一、煤矿安监人员胜任特征分析

胜任特征指能将某一工作（或组织、文化）中有卓越成就者与表现平平者区分开来的个人的潜在特征，它可以是动机、特质、自我形象、态度或价值观、某领域知识、认知或行为技能――任何可以被可靠测量或计数的并能显著区分优秀与一般绩效的个体特征。

经过文献综述分析采用编码分析的方法得出煤矿安监人员的胜任特征模型。从模型中看到安监人员胜任特征包括安全实践能力、人际合作能力、管理能力、自我发展与职业素养四部分。其中，安全实践能力包括应急处置能力、事故隐患认知度和遵章守纪三个方面。人际合作能力包括激励他人、处事平和及沟通能力三个方面。管理能力包括人性化管理、执行力和团队协作三个方面，自我发展与职业素养包括安全知识和技能、安全意识、学习能力和敬业精神四个方面。

二、基于胜任特征模型的煤矿安监人员培养

将煤矿安监人员目前所具备的岗位素质与其岗位胜任特征进行比较分析，找出胜任特征短板，并结合该岗位工作特点分析培训需求，制定煤矿安监人员培训计划，见表1。

表1 安监人员的培训目标与培训内容

三、葫芦素煤矿安监队伍建设

将胜任特征模型运用于葫芦素煤矿安监队伍建设中，充分发挥安监人员的主观能动性，打造一支作风优良、业务过硬、敢抓敢管的安监队伍。

（一）明确安监队伍岗位责任

安全科科长负责安监员的全面管理工作。

副科长负责采掘、防治水作业规程、施工措施的传达贯彻，班前会安排布置相关安全监察重点工作；负责科室值班人员排班；负责安监员月度量化考核的审核。

机运主办负责机电、运输、安装规程、措施的传达贯彻，班前会安排布置相关安全监察重点工作。通防主办负责“一通三防”安全技术措施的传达贯彻，班前会安排布置相关安全监察重点工作。

体系管理主办协助副科长做好采煤专业规程、措施的传达贯彻，班前会安排布置相关安全监察重点工作。

安监员班长负责安监员的每月轮休排班，负责安监员劳动纪律、现场安全监察工作质量等管理考核；班前会安排布置相关安全监察重点工作；负责安监员月度量化考核的统计。

科室值班人员负责安监员班前会工作安排，有针对性安排当班安全重点工作；听取上一班次安监员升井后工作汇报，协调安排安监员汇报遗留隐患的落实整改，对安监员出具的罚款进行审核把关。

（二）基于胜任特征的安监队伍建设

（1）安全实践能力。安监员要严格井下8小时现场安全监督巡查，不得晚入井，早升井。对各方面进行巡查，现场及时填写隐患整改通知单，检查隐患通知单必须有当班跟班副队长签字认可，对于检查不安全行为需要考核的要记录不安全行为人员姓名、帽号等，并现场与跟班队长交待清楚。

安监员班中安全检查要敢于制止违章指挥、违章作业，对于不具备安全生产条件，检查发现存在的重大安全隐患或安全质量标准化较差的工作面要令停止施工，立即（限期）整改，情况紧急时，撤出作业人员。

（2）人际合作能力。要求安监人员提高人际感受能力与人际反应能力，能够有效领导下属辅助上级。

对于区队不能解决而需要矿及项目部协调解决的隐患要和项目部当班带班领导交待或向科室值班人员及时汇报。

安监员每班要在下一班召开班前会前半小时内向值班人员汇报当班检查存在的主要问题及整改情况，以及需要下一班安监员延续监督检查的重点事项，认真做好安监员交接班汇报工作，科室值班人员相应做好交接班工作安排。

安监员升井后，向科值班人员汇报班前会安排安全重点工作现场检查落实情况、班中检点隐患及现场整改情况，填写相关检查记录，并签字，值班人员对于安监员汇报的重要隐患（问题）要与施工单位或相关科室沟通抓好落实，需要矿早调会强调的要及时向科长汇报。

安监例会要总结一周安全工作存在的问题并提出改进措施，分析下一步安全监督检查工作重点，传达贯彻规程、措施或上级文件精神等。

（3）管理能力。工作中，安监员要深入作业地点检查，按要求在下一班班前会前半小时内及时向值班人员汇报本班安全工作。安监人员要服从班长或科室值班人员工作安排。安监员之间要相互团结，不得有互相辱骂甚至打架斗殴影响安监形象的事件发生。

安监员每月抓不安全行为数量及罚款要争取多于规定标准。安检员要善于发现“三违”，对现场发现存在的重大隐患及不安全行为要及时制止，敢于处罚，查出隐患也同时要监督落实整改。对无措施施工、不按措施施工给予及时制止，对矿、科安排的安全质量标准化细节管理、精细管理工作进行检查、落实。对重点强调、安排的重要工作必须汇报最新情况。

每半年一次综合考评，如：制止恶性违章避免事故的、发现重大隐患的、创造性完成领导交办任务的等，经科领导认可，可以直接予以表彰奖励。对于安监员发生违章违纪行为的，视情节取消当季部分奖励甚至所有奖励，严重者调理安监岗位或予以清退。

（4）自我发展与职业素养。班前会组织安监员做好最新审批规程、措施的学习及矿各项规章、制度的学习，并做好记录。科值班人员要做好安监员日常业务学习的督促指导工作。除此之外，安监员也要利用业余时间自行组织学习，不断提高安全监察业务素质。

安全监管人员职业素质标准应该包括政治素质、身体素质，专业综合素质等方面内容，同时也包括敬业精神、责任心和自信心等。作为安监员，要热爱煤矿工作，不怕脏、不怕累，以强烈的事业心和勤勉的工作态度不断进取和奉献。始终把煤矿的安全生产和员工的生命安全放在首位。要正确认识到自己的优势和不足，能对自己进行积极的肯定，主动接受挑战，实现既定目标。

四、结语

安全生产是关系到社会经济繁荣、发展稳定和员工生命安全的大事，安监队伍是煤矿安全监察工作的重要力量。通过对煤矿安监人员的胜任特征进行分析，构建煤矿安监人员胜任特征模型，并基于该模型制定相应的培养计划。将该培养计划，运用于葫芦素煤矿安监队伍的建设中，从安全实践能力、人际合作能力、管理能力、自我发展和职业素养四个方面提高煤矿安监人员的安全监管能力，促进煤矿安全发展。

参考文献：

安全文化特征篇（5）

中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2017）03-0168-02

Biometric Identification Technology Used in Intelligent Terminal

DUAN Pei-pei，YUAN Xin， HOU Na

（School of Computer Science，Xi'an Shiyou University，Xi'an710065，China）

Abstract： With the development of information and network technologies， intelligent terminals are widely used. The personal identity on the network is blurry so that some reliable biometric recognition technology are used to guarantee the safety and property of people. In the paper， an identification algorithm based on fingerprint identification is proposed.

Experiments have shown that the method extracts fingerprint features well and can improve the effect of the personal identification.

Key words： biometric identification； feature extraction； ridge line tracing

1 概述

近年来，信息、网络技术发展迅猛，依托这些技术，社交媒体、电子商务等各类应用也愈发丰富。数码产品，尤其是智能终端的种类和应用场合也越来越多。事实上，在网络全球化的当下，典型智能终端设备――手机几乎可以视作是台“移动电脑”。然而，在这些应用场合中，个人的身份在网络中其实是既模糊又数字化的，故而为了保证信息安全、财产安全，必须提高用户身份识别的准确率。

常规的终端设备多使用基于身份识别与密码相结合的方式来对用户访问进行控制，可这些方法也存在一些诸如：安全性差、密码易失及易被盗用等潜在问题。故而，随着技术及新的应用模式的发展，智能终端设备对于人机交互间安全性和便捷性的需求也就更为突出了。

就目前而言，生物识别技术可以说是使用较为广泛，且安全性、准确性均较高的识别技术。此类识别技术通过将计算机、光学、生物传感器和生物统计学原理等高科技手段密切结合，利用人体固有的生理特性以及生理特征来实现身份鉴定[1]。指纹识别即为其中典型应用之一。本次设计将讨论指纹生物特征用于智能终端身份识别的实现过程，包括：个体特征获取、生物特征图像预处理、特征提取、身份鉴定等步骤[2]。

2 基于生物特征的身份识别算法

本次设计将基于指纹特征完成身份识别，整个设计大致分为几个步骤：个体特征获取、生物特征图像预处理、特征提取、身份鉴定。不过，在实现时，处理过程如下：

图1 生物特征识别过程

2.1 生物特征图像预处理

实际上，对特征获取所得的生物特征图进行预处理是整个身份鉴定过程的基础。由于环境、身体，甚至采集设备均可能影响生物特征的采集效果，所以预处理其实就是要削弱这类不良干扰的影响，并将其转变成二值点线细化图。然而，由于图像本身质量问题和预处理过程中可能带来的某些噪声，为了在提取细节特征时剥离伪特征，可通过以下几个步骤来获得正确的指纹特征：

图2 指纹特征预处理过程

上图中不同模块的功能为：由于实际采集的图像很可能存在灰度不均匀的现象，为了使后续处理有较为统一的图像规格，需对图像做规一化处理。随后，通过图像增强来改善指纹图像质量，以使其细节更清晰，突出和保留生物体固有特征的过程。进而，再通过求取方向图及滤波完成指纹图像的变换表示。二值化进一步对图像纹线进行处理，使其更能突显生物体的重要特征。最后，经过细化处理，使得原本不清晰的图像转换为特征鲜明的图像。

2.2 生物特征提取

文中采用的生物特征其实就是指纹特征。故而此处，特征提取其实就是要提取指纹的细节特征，也就是把纹线走向、端点和分叉点等能够充分表示生物体唯一性的特征尽量多地提取出来。考虑到该技术在智能终端应用中的准确性，特征提取算法必须能够尽可能多地提取能代表生物个体原始信息的有效特征。具体来说，此处要提取的特征应满足：

1）提取的特征应能保持生物特征的独特性。

2）所提取的特征应具有紧凑性，尽可能不含冗余信息。

3）能适应不同的匹配算法。

本文用脊线跟踪的方法完成对生物细节特征的选取，以保证特征点选择的有效性。算法通过对指纹图像进行像素点搜索，首先确定其基本特征点；然后，根据指纹方向图和脊线间的平均距离完成脊线跟踪，进一步对前面搜索到的细节特征进行选取，以得到有效特征点，并通过对其相对位置进行分析，将之用作指纹的细节特征信息[3]。实际上，除了对待提取特征的考虑外，因槭窃谥悄苤斩酥杏τ茫所以提取生物特征的算法应尽可能简捷、高效，且抗噪能力要强。本文采用的分析方法提取的指纹细节特征能更好地抵抗指纹图像处理过程中的干扰，也为随后的特征匹配做好了准备。

图3 特征提取点（“~”所示为分叉点，“×”所示为端点）

2.3 生物特征匹配

获得生物特征之后就可以进行匹配分析，进而实现生物特征识别了。在本文涉及的应用中，生物特征匹配其实也就是完成指纹特征的匹配。为了解决匹配问题，其实需要分别提取出两幅指纹图像各自的细节特征，然后将两组细节进行比对，以判定它们是否来自同一个体。

一般而言，指纹匹配常使用基于纹理信息以及基于点模式的匹配方法，本文使用后者，也就是根据指纹脊线的端点以及分叉点来完成识别。在匹配过程中，将会把提取到的特征点和模板图像中的特征点进行比较，并根据两幅图像之间相差绝对值的大小判定匹配图像。在实际应用中，随着匹配条件的改变，识别效果也必然随之改变。通常情况下，该条件越严格，识别出错的概率自然就越低。

3 小结

生物识别技术以其自身的特点和优势，在很多场合中应用，作为其中典型应用的指纹识别技术尤其得到了更多的关注。在利用指纹生物特征进行身份识别的各类应用场合中，对身份识别性能的要求自然也各异。在安全需求较高的应用场合，识别率要尽量高；而在一些日常识别应用中，此类要求会有所下降。所以，在不同的智能终端应用系统中，识别参数的选取也各不相同。即便如此，本文研究的方法在应用时，仍可满足应用需求。

参考文献：

安全文化特征篇（6）

1、防尘性

灰尘无处不在，灰尘中含有大量的细菌，随着人群的流动，灰尘和细菌也会随之扩散，传播到他处，如果是传染性的病菌经过传播后就会感染到其他人群。而在医院活动的人群除了医务工作者就是病人，病人是病源同时也是易感人群，一类不起眼的病毒或者病菌都有可能对病人造成威胁。因此，医院的建筑结构、装修布置都是以简洁为主，尽量避免采用或制造能为灰尘提供置落空间的各种设施、装置，同时，医院内部装修材料也大都采用无尘、洁净或能消尘，不沾灰的装饰材料，为的就是能最大程度的减少灰尘、消除灰尘，以免造成交叉感染。

2、防火性

医院是为伤弱群体提供救治和疗养的地方，这部分群体因为身患伤疾身体各部分机能都不如正常人，有些甚至行动不便，试想如果医院建筑防火安全没有做好，发生火灾的话，这部分群体就会因为来不及逃生而丧命。虽然在一般的公用建筑中，防火安全设计和管理也同样重要，但是由于医院功能和人群的特殊性，其防火安全更值得注意。因此，不论是医院的建筑布局还是医院装修设计都应该注意防火安全方面的管理，医院的建筑装修材料更应该选用具有防火阻燃功能的材料，以确保医院建筑和人身安全。

3、耐腐蚀性

医院每天接诊上千的病人，在为病人做各项检查或者医治的过程中，免不了会与各类化学药品或仪器设备打交道，而这些药品、试剂以及设备或多或少会与地面或者桌面接触，有些就会发生化学反应，产生一定的腐蚀作用，那么医院的墙面、地面和桌面经过长时间的腐蚀，就会出现表面剥落、脱层等现象，破坏了建筑的使用功能和美观。因此，医院的建筑材料尤其是内部装修装饰材料都需要具有一定程度的耐腐蚀特征，特别是经常会与化学药品接触的区域如：实验室、治疗室等地，更需要具有耐腐蚀、耐候的装饰材料。

此外，医院装修材料还要求易清洁、使用寿命长等，一则是医院活动人流量大、清洁难度也因此加大，所以选择易清洁的材料会减少医院清洁工作者的工作量和工作难度，同时，也会降低医院的卫生维护成本，减少环境污染。二则，医院建成以后大都会保持十几二十或者更长时间不改动，因此，医院建筑装修材料需要选择使用寿命长而不影响使用效果的材料以减少医院翻新改造的成本。

二、医院装修材料的装饰性和文化特征

1、装饰性

人们对于美的东西总是有本能的需求和向往，即使是医院也不例外。虽然医院的主要功能是救死扶伤，但是随着人们日益增长的文化心理需求和近年来越来越多的人性化理念的倡导，医院建筑的装饰性特征也越来越明显，甚至有些私人医院建筑风格开始倾向于豪华、酒店式的风格，使人望然生畏，感觉有点不像是医院而是酒店了。医院终究是治病救人的场所，所以这样的医院建筑并不是我们所推崇的，可是，我们也由此可以看到，在现代化医院建设潮流中，医院建筑的装饰性已经在医院整体建造中占有越来越重要的地位，随之，许多适用于医院的装修材料也呈现出越来越多的装饰化特征，主要表现在材质更加线条化、色彩化，可根据人的心理需求和感受选择适用的不同装饰材料达到相应的装饰效果。适用范围如：医院过道、门诊处，病房，手术室等区域。

在以往的医院建筑中，由于资金不足和人们认知水平的低下，医院装修往往以追求简单、实用为主，采用成本比较低、易于清洁的装修材料，如：瓷砖、涂料等，这些材料只能达到基本的卫生质量而装饰效果一般，营造出来的风格以简约为主。可是生活在医院的病人，除了生理上要忍受病痛以外，心理上还要面对与亲人分离而造成的孤单，因此，病人在患病期间容易产生焦虑、急躁等消极情绪。有研究认为，环境和色彩能对人体心理情绪产生极大的影响，暖色调的颜色比较容易使人活泼、愉悦，而冷色调则易于使人平静。因此，合理地运用色彩原理，根据不同的区域条件和环境特点搭配线条、立体感较强的装修材料有益于促进患者痊愈。如：美国银基的安全消毒板。这类材料色感比较柔和，创造的整体效果比较贴近自然，富于生活气息，使患者置身于一个温馨、和谐而洁净、安全的环境，有助于病人的身体健康的恢复。

2、文化特征

医院除了肩负治病救人的责任外还应该有自身的文化特色，医院文化包括医院建筑历史、医疗特色、医疗宗旨等内容。如何用医院装修材料来贯彻体现医院文化是近年来许多装饰设计工作者关注思考的热点。

首先，我们知道医院的建筑布局和装饰设计会影响医院整体风格的形成，风格是医院文化的组成部分，那么，从医院建筑本身构造来讲，医院的装饰、布局都能体现出医院的文化特色。如果在医院装饰设计中加入医院文化成分，医院特色也就更明显了。如在医院过道处悬挂医院修建历史、医院的核心宗旨内容等，可是我们知道医院每一项设计必须考虑到卫生安全因素，如果我们过多地添加悬挂物品的话，就容易产生积尘、不易清洁等弊病，这会对医院造成卫生安全隐患。那么怎样才能既突显医院文化又能不破坏医院空间卫生环境呢？在国外医院装修设计中，我们发现一条宝贵经验，即“墙面文化”，我们可以把医院文化从墙面体现出来。如在墙面印制具有医院文化特征的图案和医院院史介绍等文字内容，当然并不是直接雕刻于墙体上而是借助特殊材料，这种材料在国外医院应用较多，如安全消毒板就是这样一类材料，因为安全消毒板本身具有抗菌性能，能有效快速杀灭附着于材料表面的各种致病菌，所以它非常适合用于医院墙面，同时，它还可以通过与装饰纸的搭配而达到医院装饰和文化宣传的作用，既美观又不影响卫生效果。装饰纸可以根据医院自身特点和需求选择不同的材质和颜色以及内容，然后将安全消毒板贴合在装饰纸上，这样就达到了完美的集装饰与文化贯彻于一体的效果，医院建筑文化特色也就可以完整地展现于眼前。

安全文化特征篇（7）

1、狠抓私放人情车现象和非正常变档现象。通过加强征费员的责任心教育，提高征费员拒腐防变的能力，强化各项违纪违章行为的处罚措施，堵住收费漏洞，严明征费纪律。

2、抓好各种免票车辆的核实工作，严查假军车现象。对于免票车，加强与处业务主管科室的沟通协调，严格按规定程序处理好绿色通道车辆、救护车辆、邮政车辆免票问题。XX年上半年我站共核实不符合免票车辆20余次，补收通行费千余元。

3、加强站监控室的监督、控制作用，在处理冲关、变档以及征费员上岗情况的监控方面，严格按照局、处有关规定执行，发现问题，及时上报。使监控真正成为管理工作的“眼睛”，“耳朵”。

二、强化征费员文明服务意识，做好迎接今年“瀑布节”的各项准备工作。

我站为迎接即将到来的“瀑布节”，制订了“瀑布节”期间的应急预案和具体措施，包括：

1、着重抓好征费员的微笑服务和使用普通话进行唱收唱付工作。通过推广学习关兴处星级服务标准活动，以站上参加星级服务学习培训的同志为基础，以点带面，在全站职工中大力推行星级服务活动，强化“窗口”服务意识，使我站文明服务的形象有个大的改观。

2、进一步加强征费员的业务技能培训，使我站征费员在“瀑布节”期间能够拉得出，用得上。做到判断车型准确，售票迅速，确保“瀑布节”期间车辆的快速通过。“瀑布节”期间，收费车道全部打开，提高车辆的放行速度。

3、进一步贯彻落实局、处“整脏治乱”精神，以迎接“瀑布节”准备工作为契机，按“整脏治乱”的要求查缺补漏，查找问题，及时整改。站上将首先从整治站区环境卫生入手，特别是厕所和收费亭周围卫生的整治，清理站区内、外各个卫生死角，以“安、畅、舒、洁、绿、美”的环境迎接“瀑布节”的召开。

三、开展“安全生产月”活动和部署“安康杯”竞赛活动。

“安全工作重于泰山”，我站始终把安全工作放在首位，对安全工作严防死守，把各种安全隐患消灭在萌芽状态。通过全站职工的共同努力，我站在XX年上半年的安全工作方面未出现任何问题。

根据处党委的安排和要求，站上分别建立了“安全生产领导小组”和“安全生产月”活动领导小组，站长挂帅，各班组长参与，全站职工共同行动。紧紧围绕“安全发展，国泰民安”这个活动主题，开展形式多样的学习活动和安全生产教育。站上多次组织全站职工学习相关的安全法规，包括《安全生产法》、《公路法》、《高管条例》等，特别是组织学习了胡书记和温总理关于安全生产方面的重要指示精神。站上还把“安全生产月”活动与“安康杯”竞赛活动有机结合起来，鼓励职工就安全生产工作写心得，谈体会。在“安全生产万里行‘西南行’活动”中，我站为《经济日报》记者提供了安全生产方面做法的材料和案例，已被采纳。

四、我站存在的问题和下半年工作打算。

我站上半年的各项工作虽然取得一些成绩，但也存在着征费工作时紧时松，部分职工工作自由散漫，文明服务有待进一步提高等问题，为解决存在的问题，站上将在下半年主要抓好以下工作：

安全文化特征篇（8）

中图分类号：U284 文章编号：1009-2374（2016）12-0090-02 DOI：10.13535/ki.11-4406/n.2016.12.042

1 概述

高速铁路行车密度大、安全要求高，而移动闭塞系统通过改善高速列车运行速度和间隔距离控制，使高速列车能够以较高的速度和较小的间隔运行，提高铁路运营效率和安全性，是高速铁路信号系统的发展方向。因此，在移动闭塞的各种环境条件下，对高速列车追踪运行的安全性和舒适性进行分析具有现实意义。

2 高速列车追踪运行过程多特征描述模型

高速列车追踪运行过程中，其操纵状态与移动闭塞下高速列车追踪运行特征（如前车信号影响）、线路特征等密切相关，因此，本文建立高速列车运行追踪特征模型，运行线路特征描述模型为研究提供量化依据。

高速列车的运动方程如式（1）：

2.1 高速列车追踪运行过程描述模型

移动闭塞系统运用先进的通信技术、计算机技术和控制技术进行高速列车追踪运行间隔控制。移动闭塞下，高速列车相对追踪运行较绝对追踪的运营效率更高，而且闭塞区间长度随前车与后车的速度、位置、制动能力等运行参数的变化而实时变化。因此，本文建立移动闭塞下高速列车相对追踪运行过程描述模型如图1所示：

图1中，区间调度中心DCC（Dispatching Control Center）与车站调度中心SCC（Station Control Center）之间、SCC与SCC之间进行双向有线通信，SCC与车载设备OBC（On Board Computer）之间、OBC与OBC之间进行双向无线通信。为高速列车最小追踪间隔安全距离，为判断后车（代表追踪列车）是否受前车（代表前行列车）信号影响的间隔距离阀值，为两车停车后必须保证的间隔距离，为列车长度，为的紧急制动距离，为的常用制动距离，为的当前速度，为的当前速度，为的减速度，为的减速度。

综上，基于高速列车追踪运行特征描述模型，实时获取、的限速、速度、位置等信息，从而计算得到变量的动态数值，为本文优化策略提供实时决策依据。

2.2 高速列车运行线路特征模型

高速列车运行操纵状态与其运行线路特征密切相关，线路特征模型的精确性直接影响高速列车操纵优化结果的准确、实用性。因此，要求该模型最大可能地保持线路固有属性同时便于计算，以提高研究结果的准确性和实用性。

本文建立的线路特征模型主要考虑了线路特性以及牵引供电。线路特性充分考虑了线路纵断面、曲线、桥隧；牵引供电主要考虑电气化铁道牵引供电区之间的分相区，因为CRH3动车组在京沪高铁上运行时采用ATP过分相技术通过分相区，且惰行通过分相区得线路特征模型表达式如下：

3 安全性分析

高速列车追踪运行的行车安全主要体现为保持安全追踪间隔距离、不超速运行。本文通过实时优化的运行速度（）控制来保证行车安全性，以实现安全目标。除了路况及其动态信息以及线路允许速度、临时限速等列控命令等因素外，还必须适应前车的行为变化，始终与前车保持合理的动态间距安全、高效运行。

依据高速列车运动方程、上文2.1节建立的特征描述模型，建立高速列车超速运行的风险评价模型如式（8）和式（9）所示；

当后车在前车信号影响范围内时（即

式中：为高速列车追踪运行安全评价指标值。式（6）、式（9）中所示的风险系数、越小，则相应越小，即高速列车追踪运行过程全性越高。

4 舒适性分析

动车组运行速度快具有强大惯性，其操纵过程中的突然加/减速、加速过快都会严重影响乘客的舒适性，因此将动车组的乘坐舒适性定义为纵向加速度变化的大小及其变化率。以加速度（>0表示牵引，

5 结语

本文针对移动闭塞下高速列车追踪运行的各种复杂情况，建立了高速列车追踪运行多特征描述模型，并通过实时获取高速列车限速、速度、位置等信息，对高速列车追踪运行的安全性和舒适性进行了分析。然而，本文还未对实际高速列车的追踪运行进行仿真分析，因此在后续工作中，将在以上研究的基础上，以实际高速列车的追踪运行为依据，进行仿真计算，将更具现实

意义。

参考文献

[1] 潘登，郑应平.铁路移动闭塞系统列车追踪运行的安全间隔[J].同济大学学报（自然科学版），2008，30（9）.

[2] 周艳红，唐金金.高速列车追踪运行过程仿真方法研究[J].铁道标准设计，2012，（8）.

[3] 杨辉，刘鸿恩，李中奇.动车组追踪运行多目标实时优化策略[J].控制工程，2015，22（2）.

[4] 付印平.列车追踪运行与节能优化建模及模拟研究

安全文化特征篇（9）

2图像分离

图像分离技术包括静态图像分离和动态图像分离两个方面。静态图像分离可以采取的手段并不多，主要集中在图像分割技术的讨论，包括阈值分割、区域分割、边缘分割和直方图法。近年针对人体特征的分割技术有了一些进展，出现了MagicWand[1]、IntelligentScissors[2]、ActiveContourModel[3]、GraphCut和LevelSet[4]等一系列有代表性的算法。但是无论上述哪种算法都是基于单张图像有限的图元信息进行分析，局限性比较大，比如：GraphCut算法是基于图像的颜色进行分析，如果前景和背景颜色比较接近时，就无法得到完整的人像轮库；LevelSet算法无法处理模糊的和有噪声干扰的图像。本文的数据来源是连续视频信息，可以利用多帧图像信息的关联性将人像从背景中准确的提取出来。提取出来的图像没有背景的干扰，求取出来的特征值将更具有代表性。现有的运动图像前景提取算法包括：背景差分法、帧间差分法、光流法[5]、能量分析法和码本法[6]等。2.1光流法真实的物体运动是在三维空间中进行的，可以用运动场来表示，而视频录像却是二维平面图像，物体的运动是通过计算各个像素点色彩（为了减少计算量，往往采用灰度进行计算）的变化趋势，从而得到运动矢量来体现的。从三维空间到二维平面的映射，即是运动场到光流场（OpticalFlowField）的转换。光流法即是利用多帧连续图像序列来计算各个像素点的运动矢量，从而为真实的运动进行近似估计的方法。光流法分离前景的最大特点是：该算法能够独立检测运动目标，甚至可以精确地计算出目标的运动速度而不需要任何先验的背景信息。光流法缺点也比较多。首先是计算繁杂，不适用于对效率要求较高的环境；其次外部光线变化对算法的影响比较大，即使物体没有运动，也能检测到光流；最后如果图像的灰度等级变化不明显，很难检测出运动和识别物体。2.1码本法码本（CodeBook）模型处理对象是仍然是连续图像。首先利用颜色失真程度和亮度失真范围相结合的方式将图像各像素量化后用码本表示，将不同时刻图像中对应像素的码本做比较判断，利用减除背景的思想提取出前景运动目标。颜色失真因子：δ=colordist(x)t,vi=xt2-xt,xi2xi2(1)亮度失真因子：brightness(I),Ǐ,Î=ìíîtrueifIlow≤xt≤Ihifalseotherwise(2)具体算法是为每个像素建立一个编码本，这个编码本里包括一个或者多个码字。进行运动检测时，在编码本里已有的码字中查找当前帧像素点，如果前者中有可以匹配的码字，则该像素点即为背景点；如果匹配失败，那么该像素点即为前景点，即运动目标的一部分。码本检测算法利用量化和聚类技术来构建背景模型具有鲁棒性强，计算效率高的特点，可以通过迭代更新码本模型来适应背景变化。

3人体特征挖掘与识别

通过图像分离，所有的活动目标都被区分识别出来了，其中包括人和其他物件。本节将要讨论如何选择合适的特征表述方法对目标进行标识，从而将人体和其他物件区分开来。物体具有的特征的非常多，比如说颜色、轮廓、形状、尺寸和纹理等，本文将选取HOG[7]（HistogramofOrientedGradient）特征作为标志和区分的依据。方向梯度直方图（HOG）特征是由经过计算和统计的图像局部区域梯度方向直方图构成，在计算机视觉（ComputerVision）和图像处理中常用来进行物体检测的特征描述。3.1HOG特征提取算法1.图像预处理—灰度化；2.图像颜色空间的标准化和归一化；3.计算每个像素的梯度值：大小和方向；4.将图像划分成细胞单元（Cell）；5.统计每个Cell的梯度形成直方图（Histogram），即CellDescriptor；6.将每几个Cell组成一个区块（Block），每个区块内所有CellDescriptor再次归一化便得到该区块的BlockDescriptor。7.图像内的所有区块的BlockDescriptor串联起来就可以得到该图像以特征向量表示的ImageDescriptor了。第2步的归一化处理，能对光照变化和阴影获得更好的效果。第3步通过卷积运算，确定每个像素在水平方向和垂直方向上的梯度分量，计算公式如下：Gx(x),y=H(x)+1,y-H(x)-1,y(3)Gy(x),y=H(x),y+1-H(x),y-1(4)其中Gx(x),y，Gy(x),y，H(x),y分别表示坐标(x),y处像素点的水平方向梯度分量、垂直方向梯度分量和灰度值。然后再计算该像素点的梯度幅值和梯度方向。G(x),y=Gx(x),y2+Gy(x),y2(5)θ(x),y=tan-1æèççöø÷÷Gy(x),yGx(x),y(6)其中G(x),y代表梯度幅度值，θ(x),y代表梯度方向。第4步可以采用矩形（Rectangular）或星形（Radial）结构来划分细胞单元（Cell）。第5步统计每个Cell的梯度形成直方图，即是求取该Cell的特征向量。根据不同的精度要求，将梯度方向360度（2π）根据需要分割成若干个区间（Section），比方分割成12个Section，每个Section即为30度，然后根据Cell中每个像素点的梯度方向，将其幅值累加到这12个区间中，最终形成能刻画该Cell灰度特征的特征向量。第6步的Cell组合，可以采取Overlap和Non-Overlap两种策略。Overlap指的是组合出的Block互相交叠，有重合的区域；Non-Overlap指的是Block不交叠，没有重合的区域。因为目前说做所有的分割和组合都带有随机性，以人脸为例，如果采用Non-Overlap方式进行组合，很有可能将人脸上的器官1分为N，直接影响后续的分类效果，但是它的好处是计算量小、速度快；而Overlap则不同，冗余的数据将提高器官完整的可能性，但是缺点是计算量大，因为重叠区域需要重复计算。总而言之，与其他的特征描述方法（SIFT和PCA-SIFT）相比，HOG算法着眼于图像局部单元（Cell和Block）的计算，受图像几何（Geometric）和光学（Photometric）形变影响比较小。3.2SVM分类器经过HOG运算完成之后得到的特征向量就可以纳入到分类器当中进行分类了，本文选择SVM（SupportVectorMachine）分类器进行人体识别。SVM分类器是基于统计学习的分类算法，在图像识别中得到广泛的应用，其主要思想是：将分类问题转化为寻找训练样本点的一个分割超平面的问题，目的是保证最小的分类错误率。如果样本线性可分，能够将样本完全分开的超平面不止一个，SVM算法的终极目标是找到其中的最优超平面（能使得每类数据中与超平面距离最近的向量之间距离最大的平面）；如果样本线性不可分，则是因为其特征向量维度太低引起的，可以通过所谓的核函数（非线性映射算法）将低维向量样本映射到高维特征空间，使其线性可分。本文使用到的SVM最优分类函数是：f(x)=æèçöø÷∑i=1nαiyixiTx+b=∑i=1nαiyixi,x+b(7)其中αi是支持向量的最优系数，b是分类阀值。使用核函数提高特征向量维度后进行分类的确可以提高分类的准确性，但是却因为其计算量大，对识别速度会有影响，常见的核函数如下：线性核函数：K(x),y=x∙y(8)多项式核函数：K(x),y=(x)∙y+1d,d=1,2,⋯,n(9)高斯核函数：K(x),y=e-2|x|-yσ2(10)实际应用中需要根据具体需求，平衡识别的准确率和效率，选择合适的核函数。3.3人体识别人体的识别过程分为两个部分：训练和识别，如图2所示。图2人体识别流程训练过程，首先通过码本分离算法从运动图像中提取出的前景，此时的前景包括了人体和其他物体；然后是通过人工分检，选出各种光照效果下具有典型劳动特征的人体形成训练样本库；接下来计算每一个样本的HOG特征值，并利用这个样本值集合进行SVM训练，使其针对HOG特征具有分类能力；最终构建出人体特征分类器。识别过程，首先将码本算法得到的前景提取HOG特征值，然后送入到训练过程产生的分类器当中进行分类；最终识别出人体。

4危险行为识别

随着行业的不同，生产环节中对安全的要求也有所不同，比如：不同工种的着装、佩戴的安全装备和行为动作等都属于安全生产管辖的范畴。本文就以建筑行业的施工环节中安全帽的佩戴作为检测目标，并作为出算法的验证试验。4.1人头模型识别安全帽首先要提取人体的头部信息，可以采取复杂模型：首先进行人脸识别定位人头的位置；然后建立人体躯体模型，找到躯干和四肢；最终完成人体重建。虽然看似第一步就可以通过脸部准确的定位人头，但是此方法在现实中却不可行，因为在工地上具体的施工环节中，不可能让每一个工人都正面面对摄像头进行人脸检测，摄像头中往往得到的是一个背影或侧影。简化模型：首先根据SVM人体分类器中不同工作姿势人体类别，统计各类别中人头的位置和大小比例；然后从待处理人体图像中分离处彩色的人头图像；最后使用颜色直方图进行安全帽的识别。4.1模型对比复杂模型适应于没有进行过前景背景分离的图像，识别的前提是图像中的人体有人脸的正面照，因此识别率较低；简化模型中识别对象是经过了前景背景分离和SVM分类并已经真正分割出来的独立的人体，虽然人体模型简单，但是人头的识别率非常高。

5实验及结果分析

为了验证本文阐述的安全管控系统的有效性，特地选取某建筑企业在建工地的钢筋加工车间实时视频监控图像进行分析，原始视频中包含了各种姿态（站姿和蹲姿）的人体，如图3所示。1)码本算法提取前景。由于码本算法是基于像素点的色彩变化进行统计分析来确定运动目标，受光线等干扰的影响，码本算法采集到的前景区域往往不连通，如图4所示。2)膨胀处理。对图像进行膨胀处理的目的是为了扩大连通区域，便于图像分割。膨胀之后的图像如图5所示。3)图像分割。采用第2章中所述的静态图像分离算法切割膨胀处理之后的局部连通图，分割出来的去除了背景的单体图像比分割前“意义”更明确，求出的HOG特征向量特征更明显，单体图像如图6所示。4)遮罩提取。上述步骤操作的都是对象区域，为了得到原始的分割图像，只需要进行遮罩运算即可，结果如图7所示。5)安全帽识别。使用4.1节所述的人体模型提取人头图像，如图8所示。因为安全帽的种类和颜色非常规范，提供统计建立颜色（红、黄、蓝）分布直方图，即可识别个人是否佩戴安全帽。上述过程前4步可以实现前景提取，并进行基于SVM的人体特征挖掘与识别。本例构建的训练样本分别为100、300、500张，使用HOG算法进行特征向量提取，并将此特征向量集用于SVM训练，最终得出人体分类器、人头位置和尺寸参数。通过训练好的分类器对测试样本进行检测，实验结果如表1所示。从表中数据可以看出：随着训练样本数的增加，人体检出准确率明显提高，而安全帽检出的准确率受样本规模影响比较小。

安全文化特征篇（10）

一、背景

长期以来，电力建设公司工程项目地点远离市区，条件艰苦，通信手段落后，既没有公司专用局域网覆盖，电信、移动公网信号又差，站内联系靠对讲机，站外与总公司联系靠手机，数字化管理和办公条件很差。特别是针对我国西部地区，具有沙尘暴、低温、冰雪、雷暴、高海拔等气候特点，恶劣的气候环境已电力建设公司工程项目造成了很大的影响，包括设备维护工作量的增加，人力成本的上升。

二、工程需求

近年来伴随着工程管理工作的提升要求，电力建设公司工程项目施工现场逐步配备了一套可临时部署的应急无线通信网络，该网络环境解决了施工现场智能化管理问题。例如，总公司办公局域网的施工现场延伸，实现数字化、智能化网络管理，总公司领导通过电脑和网络可以轻松掌握现场的施工情况；施工现场工作人员可以在公司网络环境下办公，提高工作效率；施工现场视频监控，通过临时部署在施工现场的摄像头，总公司领导以及现场经理可以实时监视管理工作现场，提高管理工作的效率。随着电力系统运营管理数字化、智能化的高速发展及日趋成熟，对电力系统在建项目也提出了更高的要求。应用最先进的网络通信技术实现施工工地高智能化管理，极大地提高了施工质量和管理水平。但是到目前为止，还没有针对电力工程项目建设过程中的安全预警方案，电力工程技术人员很难通过视频流数据或者图像数据发现潜在的安全隐患。

三、技术路线

为实现上述目的，采用如下技术方案：一种基于图像数据特征差异性的电力工程安全预警方法，按下述步骤进行：（1）监控设施图像数据采集；（2）图像数据特征提取；（3）构建图像特征向量的对象关系模型；（4）计算图像对象关系向量重心与初始图像对象关系向量重心的偏移量；（5）判断当前监控设施所处的状态。具体方法是：（1）监控设施图像数据采集：利用电力建设公司工程项目施工现场配备的应急无线通信网络环境，采集待监控设施图像数据流，在此步骤中，通过人工判断被监控设施的安全状态图像设置为初始图像数据；（2）图像数据特征提取：根据电力建设项目基础特性，对步骤（1）所述的待监控设施图像数据进行模型化处理，生成典型特征向量；（3）构建图像特征向量的对象关系模型：根据每张图像的特征向量，构建该图像特征向量的对象关系向量模型，并计算该图像特征向量对象关系向量模型的重心；（4）计算图像对象关系向量重心与初始图像对象关系向量重心的偏移量：用初始图像特征向量对象关系向量模型与实时采集的图像特征向量对象关系模型进行差异性比较，来计算图像对象关系向量重心与初始图像对象关系向量重心的偏移量；（5）判断当前监控设施所处的状态：根据电力工程项目实施过程中人工设置的安全威胁临界值，判断当前监控设施所处的状态。进一步地，步骤（1）所述的待监控设施图像数据包括：初始图像数据和实时监控图像数据；其中初始图像数据也称为预设安全图像数据，即初始图像数据表示待监控设施属于安全状态；实时监控图像数据为待评估图像数据。进一步地，步骤（2）所述的图像数据特征为待监控设施图像数据的基本信息，其生成的典型特征向量包括：颜色特征向量、文理特征向量、形状特征向量、空间关系特征向量等。进一步地，步骤（3）所述的图像特征向量对象关系模型抽象为：特征向量名称、特征向量属性、特征向量参数、特征向量值等概念。进一步地，步骤（4）所述的图像特征向量对象关系模型重心是借鉴空间向量重心理论，对图像特征向量对象关系模型进行空间抽象，特征向量对应于坐标轴，特征参数对应于坐标轴变量，特征向量值对应于具体数值。图像对象关系模型重心即为其对应空间向量的重心。进一步地，步骤（5）所述安全威胁临界值，即为人工设置的监控图像和初始图像对象关系向量模型重心在安全临界范围内的数值。在初始图像对象关系向量模型与实时采集的图像对象关系向量模型差异性比较过程中，如果其重心偏移量超出电力工程项目预先设置的权重范围，则认为被监控设施当前处于具有安全隐患状态。

安全文化特征篇（11）

（一）我国安全生产的阶段性特征，除具有经济社会的普遍阶段性特征外，也有其特殊性。1、社会化特征。当今，复杂开放的安全生产系统，已经超越了传统的安全生产范畴，经济实力、文化、教育、宗教、公民意识、社会道德准则等，都与安全密不可分。2、继发性特征。城市化进程的加快，使生产场地与生活场所的距离越来越小，甚至形成难以严格分割的局面。3、地域性特征。我国经济发展水平不平衡、产业结构分布不均衡。4、群发性特征。我国安全防护和生产力水平较低，在一个危险作业场所有大量人员同时作业，一旦防护失效就可能造成重大人员伤亡或群发职业病。我国建了很多个化工园区，生产集中了，但容易发生恶性化学品事故，特别是临江河、临海的化工园区，事故极易造成大范围水体污染。5、隐匿性特征。我们对一些新增生产领域的危险、危害，尚缺乏明确和科学的认识，加之安全监察技术发展方面的缺陷，使得对于一些新的隐患难以实施有效的针对性监察。

（二）我国安全生产方面存在的问题和出现的主要矛盾，除带有安全生产自身的阶段性特征外，也受到其他各种因素的重要影响。1、安全理念没有跟上经济社会发展的要求。一些人在片面追求经济效益的背景下，对科学发展观认识不充分，对创造良好安全文化认识不足，一些不良的安全文化还沉积在安全领域。2、落后的生产工艺和条件给安全工作带来了巨大的压力。一些企业经济发展了，却没有带来生产工艺的改进和工作条件的改善，仍然持续着生产设施陈旧、高能耗、低技术、大成本、低效率的落后生产工艺和方法。3、地区、行业、企业的安全生产水平发展不均衡。4、安全生产总体水平与经济发展水平和全民对安全的要求存在差距。

二、安全生产保障体系的构建

（一）科技是安全生产工作的基本保障。1、确保传统的高风险产业安全，必须依靠安全科技。以采矿、冶金与机械加工、石油化工等传统产业为代表的第二产业，在我国国民经济中仍占有较大比重。目前，经济发展对能源、原材料需求旺盛，使我们还将持续开采那些赋存条件恶劣的矿产资源。724个国有重点煤矿中高瓦斯矿井、煤与瓦斯突出矿井占42.3%，正是它们承担着大部分的煤电供应。2、改变安全生产高风险的经济发展模式，必须依靠安全科技。事故风险等于事故发生可能性与严重性的结合，即随着事故发生可能性或严重性的增加，事故风险增大。对于生产场所，存在的人员越多、能量越高，事故的可能性和严重性越大。只有依靠科技创新，提高产业的科技水平，提高企业的整体生产效率，才能从根本上改变严峻的安全生产形势。3、应对复杂开放的安全生产系统，必须依靠安全科技。对于复杂开放的安全生产系统，重大事故防治不仅关系生产本身，而且威胁着城镇、社区、生态环境的安全。一次重大生产安全事故处置不当，其带来的灾害和损失将成倍，甚至十几、数十倍地增加。4、建立强有力的监管监察体系，必须依靠安全科技。安全生产需要高水平的安全生产执法队伍，需要科学的监管监察手段，需要现代化的仪器设备的技术支撑。

（二）制度是安全生产工作的基础。安全生产制度是在生产过程中，既包括安全生产法律、法规、政策、规章、规范、标准等正式制度，也包括安全生产惯例、意识、心理、文化氛围、管理模式等非正式制度。

（三）监管是安全生产工作的关键。科学化、系统化的安全生产制度，必须依靠科学技术，依靠强有力的监管，才能具有权威性，才能构建安定有序、诚信友爱的企业安全生产环境，才能构建政府与企业、企业与职工、企业与社区、企业员工与周围群众、政府监察人员与企业监管人员职责分明、各负其责、各行其职的和谐社会的安全生产环境，才能使全社会和广大人民共同关注、关心、监督和参与安全生产工作。目前，我国安全生产法律法规体系虽基本形成，但与其配套的法规还不够完善，安全生产标准系统性差、滞后于经济社会和生产技术发展的问题突出，重视经济发展、轻视生产安全的现象还存在，“以人为本、安全发展”还没有完全成为人们的自觉行为，特别是部分小企业违法生产的现象还很严重。针对现阶段安全生产存在的问题，根据安全生产可持续和谐发展的要求，必须建立健全安全生产监管体制和机制，增强监管力量，加大监管力度，把重大事故隐患消灭在事故之前，使重大危险源得到合理的监控，制造、使用安全型设备，创建安全型企业。这几年，国家安监总局对煤矿、非煤矿山、危险化学品储存运输、尾矿库等高危行业或领域开展了专项整治，坚决关闭不合乎安全生产条件的生产企业。

三、现阶段安全生产工作