一种用于电子政务的综合评估系统的制作方法

1.本发明涉及综合评估系统，具体涉及一种用于电子政务的综合评估系统。


背景技术：

2.20世纪90年代以来，以互联网和电子商务广泛应用为特征的数字经济开始出现，对世界各地的商业模式产生了重大影响。随着互联网的发展，政府管理模式、政府服务和公民参与方式也受到了影响，世界各国纷纷将互联网通信应用于政务部门，解决了政府机构臃肿、工作效率低下的问题，并取得了显著效果。随着互联网技术的普及和知识经济、信息社会的快速发展，电子政务逐渐成为政府管理的主要模式。
3.智能手机以及无线网络地普及使得市民能够直接享受电子政务服务，随着市民素质的提高，他们对电子政务服务的需求不断提升。在此背景下，从市民的角度对电子政务进行评估已成为电子政务管理中的一个热点问题。政务服务质量评估对于促进政务部门之间的信息共享，提高政务数据的开发利用率尤为重要，同时也有利于进一步推动电子政务健康、有序、高效发展。
4.现有电子政务评估系统的相关研究指出政务服务质量评估是一个需要从多个角度思考、结合多个指标数据的复杂过程，决策者很难直接指明总体解决方案。
5.此外，电子政务系统因其传播数据的特殊性及敏感性，极易遭到不法分子的攻击。若电子政务系统受到攻击，其产生的危害无论在波及范围还是在危害程度上都不可估量，甚至可能威胁国家安全。电子政务系统地安全评估存在非线性、复杂性和不确定性，并且主要受技术、管理等方面因素的影响。


技术实现要素：

6.(一)解决的技术问题
7.针对现有技术所存在的上述缺点，本发明提供了一种用于电子政务的综合评估系统，能够有效克服现有技术所存在的无法对政务服务质量进行有效评估、不能对电子政务系统进行安全评估的缺陷。
8.(二)技术方案
9.为实现以上目的，本发明通过以下技术方案予以实现：
10.一种用于电子政务的综合评估系统，包括：
11.评估请求接收模块，用于接收政务服务评估请求；
12.评价指标调取模块，用于根据政务服务评估请求从政务数据库中调取相应指标数据；
13.数据分隔模块，用于对调取指标数据中的程度性数据进行隔离；
14.数据处理模块，用于对隔离后指标数据进行数据处理；
15.关联性分析模块，用于对处理后指标数据进行关联性分析；
16.数据分类模块，用于根据关联性分析结果对处理后指标数据进行分类；
17.重要性分析模块，用于对分类后指标数据进行重要性分析；
18.服务质量评估模块，用于根据重要性分析结果对政务服务质量进行评估；
19.异常流量检测模块，用于对政务系统中的异常流量进行检测；
20.异常流量聚类模块，用于对检测到的异常流量进行聚类分析；
21.异常流量合并模块，用于对聚类后异常流量进行类型合并；
22.网络态势评估模块，用于根据检测到异常流量的种类进行网络态势安全评估；
23.网络态势预测模块，用于根据网络态势安全评估结果结合异常流量种类进行网络态势安全预测。
24.优选地，所述政务服务评估请求包括待评估政务部门，以及待评估起止时间，所述评价指标调取模块根据待评估政务部门的政务责任、待评估起止时间从政务数据库中调取相应指标数据。
25.优选地，还包括用于设定各政务部门所属政务责任的部门责任设定模块，所述评价指标调取模块对政务服务评估请求进行解析，并根据解析结果从部门责任设定模块中获取待评估政务部门的政务责任。
26.优选地，所述部门责任设定模块在默认情况下根据自设定政务责任匹配逻辑对待评估政务部门的政务责任进行分析匹配；
27.所述部门责任设定模块启动人工设定模式时，所述部门责任设定模块按照预先输入的政务部门与政务责任的映射关系对待评估政务部门的政务责任进行分析匹配。
28.优选地，所述数据分隔模块将调取指标数据中的程度性数据剔除，所述数据处理模块对剩余指标数据进行量化、去量纲、归一化处理。
29.优选地，所述关联性分析模块对处理后指标数据计算相关系数矩阵，并根据相关系数矩阵对处理后指标数据进行关联性分析；
30.所述数据分类模块根据关联性分析结果设定n类存储分区，并将相关性高的指标数据放入同一存储分区，所述存储分区之间的相关性较低。
31.优选地，所述重要性分析模块根据重要性分析结果对每个存储分区设置评估权重，并对评估权重进行归一化处理；
32.所述服务质量评估模块结合存储分区中的指标数据计算每个存储分区的分区值，并将分区值与对应评估权重进行加权求和，得到政务服务质量评估分数。
33.优选地，所述异常流量检测模块采集政务系统中各ip地址对应流量数据包的个数，并将超过阈值的流量数据包认定为异常流量包。
34.优选地，所述异常流量聚类模块采用k
‑
means对检测到的异常流量进行聚类分析，所述异常流量合并模块对异常流量包进行溯源，并对超过对应ip地址流量量数据包阈值进行原因分析，同时将原因相同及相近的异常流量包进行类型合并。
35.优选地，所述网络态势预测模块构建基于神经网络模型的网络态势预测模型，并对网络态势预测模型进行模型训练；
36.所述网络态势预测模块将网络态势安全评估结果、异常流量包类型输入训练好的网络态势预测模型中，得到网络态势安全预测结果。
37.(三)有益效果
38.与现有技术相比，本发明所提供的一种用于电子政务的综合评估系统，能够根据
政务服务评估请求从政务数据库中调取相应指标数据，并对指标数据进行关联性、重要性分析，基于关联性分析结果对指标数据进行分类，同时根据重要性分析结果实现对政务服务质量地有效评估，为电子政务服务的改进提供依据；通过对政务系统中的异常流量进行检测、聚类分析、类型合并，能够实现对行电子政务系统网络态势地安全评估，利用网络态势预测模型能够对网络态势进行安全预测。
附图说明
39.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
40.图1为本发明的系统示意图。
具体实施方式
41.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
42.一种用于电子政务的综合评估系统，如图1所示，包括：
43.评估请求接收模块，用于接收政务服务评估请求；
44.评价指标调取模块，用于根据政务服务评估请求从政务数据库中调取相应指标数据；
45.数据分隔模块，用于对调取指标数据中的程度性数据进行隔离；
46.数据处理模块，用于对隔离后指标数据进行数据处理；
47.关联性分析模块，用于对处理后指标数据进行关联性分析；
48.数据分类模块，用于根据关联性分析结果对处理后指标数据进行分类；
49.重要性分析模块，用于对分类后指标数据进行重要性分析；
50.服务质量评估模块，用于根据重要性分析结果对政务服务质量进行评估；
51.异常流量检测模块，用于对政务系统中的异常流量进行检测；
52.异常流量聚类模块，用于对检测到的异常流量进行聚类分析；
53.异常流量合并模块，用于对聚类后异常流量进行类型合并；
54.网络态势评估模块，用于根据检测到异常流量的种类进行网络态势安全评估；
55.网络态势预测模块，用于根据网络态势安全评估结果结合异常流量种类进行网络态势安全预测。
56.政务服务评估请求包括待评估政务部门，以及待评估起止时间，评价指标调取模块根据待评估政务部门的政务责任、待评估起止时间从政务数据库中调取相应指标数据。
57.政务数据库中的指标数据按照不同政务部门肩负的政务责任进行存储，每个指标数据只存储一次，并且每个指标数据都包含采集或生成时间，用以配合评价指标调取模块根据待评估政务部门的政务责任、待评估起止时间从政务数据库中调取相应指标数据。
58.本申请技术方案中，还包括用于设定各政务部门所属政务责任的部门责任设定模块，评价指标调取模块对政务服务评估请求进行解析，并根据解析结果从部门责任设定模块中获取待评估政务部门的政务责任。
59.部门责任设定模块在默认情况下根据自设定政务责任匹配逻辑对待评估政务部门的政务责任进行分析匹配。部门责任设定模块启动人工设定模式时，部门责任设定模块按照预先输入的政务部门与政务责任的映射关系对待评估政务部门的政务责任进行分析匹配。
60.数据分隔模块将调取指标数据中的程度性数据剔除，数据处理模块对剩余指标数据进行量化、去量纲、归一化处理。本申请技术方案中，通过剔除调取指标数据中的程度性数据，使得对指标数据地量化、去量纲处理更加方便，同时将含有主观因素的程度性数据剔除，能够保证后续政务服务质量评估的客观性。
61.关联性分析模块对处理后指标数据计算相关系数矩阵，并根据相关系数矩阵对处理后指标数据进行关联性分析。
62.数据分类模块根据关联性分析结果设定n类存储分区，并将相关性高的指标数据放入同一存储分区，存储分区之间的相关性较低。本申请技术方案中，设定存储分区的个数与关联性分析结果相关，通过关联性分析结果能够大致判断指标数据所属“大类”个数，数据分类模块根据“大类”个数设定n类存储分区。
63.重要性分析模块根据重要性分析结果对每个存储分区设置评估权重，并对评估权重进行归一化处理。
64.服务质量评估模块结合存储分区中的指标数据计算每个存储分区的分区值，并将分区值与对应评估权重进行加权求和，得到政务服务质量评估分数。本申请技术方案中，通过对政务服务质量的量化，使得政务服务质量地评估更加方便。
65.异常流量检测模块采集政务系统中各ip地址对应流量数据包的个数，并将超过阈值的流量数据包认定为异常流量包。
66.异常流量聚类模块采用k
‑
means对检测到的异常流量进行聚类分析，异常流量合并模块对异常流量包进行溯源，并对超过对应ip地址流量量数据包阈值进行原因分析，同时将原因相同及相近的异常流量包进行类型合并。
67.网络态势预测模块构建基于神经网络模型的网络态势预测模型，并对网络态势预测模型进行模型训练。网络态势预测模块将网络态势安全评估结果、异常流量包类型输入训练好的网络态势预测模型中，得到网络态势安全预测结果。
68.以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不会使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。