基于知识图谱的预测方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术实施例提供了一种基于知识图谱的预测方法、装置、电子设备及存储介质，用以解决现有网络空间目标行为预测技术尚不成熟，建立的模型和使用的算法尚不成体系的问题。该方法包括：构建知识图谱，所述知识图谱的基本单位为三元组；所述知识图谱包括模式层和数据层，所述三元组为时序三元组；基于所述知识图谱，预测网络空间中某个实体与其他实体间的关系。

【技术实现步骤摘要】
基于知识图谱的预测方法、装置、电子设备及存储介质
本专利技术涉及网络安全
，尤其涉及一种基于知识图谱的预测方法、装置、电子设备及存储介质。
技术介绍
网络空间目标行为预测作为实现军事网络安全态势预测与应急响应的重要环节，能够帮助军事网络管理人员及时准确掌握军事网络所处的安全现状，并预测网络未来可能面临的攻击危害，以便对军事网络系统的资源及安全设施做出合理的配置。为了应对日益错综复杂的网络行为，其技术也在不断演变。当前，国内外对网络空间目标行为预测技术的研究取得了一定的成果和进展，但尚有很多需要研究和改进的地方。传统的预测方法如基于概率的预测方法、基于模糊理论的预测方法等都有其特定的适用范围，前者对预测所使用的网络安全态势数据样本要求严格，要求样本具有较高的分布规律，而一般情况下网络安全态势数据样本随机性大，使用该类方法很难得到精度较高的预测值；使用模糊理论计算预测值的精度取决于执行预测人员的经验及能力水平，主观性较强。目前，能够进行网络空间目标行为预测的技术都不是很成熟，建立的模型和使用的算法尚不成体系，能具体应用到实际网络安全管理中实施本文档来自技高网...

【技术保护点】
1.一种基于知识图谱的预测方法，其特征在于，包括：/n构建知识图谱，所述知识图谱的基本单位为三元组；/n所述知识图谱包括模式层和数据层，所述三元组为时序三元组；/n基于所述知识图谱，预测网络空间中某个实体与其他实体间的关系。/n

【技术特征摘要】
1.一种基于知识图谱的预测方法，其特征在于，包括：
构建知识图谱，所述知识图谱的基本单位为三元组；
所述知识图谱包括模式层和数据层，所述三元组为时序三元组；
基于所述知识图谱，预测网络空间中某个实体与其他实体间的关系。


2.如权利要求1所述的方法，其特征在于，所述模式层的三元组为(头实体，关系|时序信息，尾实体)或者(实体，属性，属性值)，其中，所述属性包括时序信息和/或空间信息，所述时序信息包括关系成立时间、关系的有限期限和/或关系消除时间。


3.如权利要求2所述的方法，其特征在于，根据建立的所述模式层建立所述数据层，数据层从非结构化数据、半结构化数据和结构化数据来源中进行实体抽取、属性抽取和关系抽取，并对不同来源的数据进行整合及消歧。


4.如权利要求3所述的方法，其特征在于，基于所述知识图谱，预测网络空间中某个实体与其他实体间的关系，具体为：
基于所述知识图谱，收集网络空间中某个实体X的各项信息X(m)，各项信息X(m)包括该实体X相关的行为信息、流量信息和设备日志信息，表示为X(m)＝X(m)t1,X(m)t2,…,X(m)tn(m＝1,2,…，N，m定义为与实体相关的某一项相关信息)；
经过链接预测，输出与其他实体Z之间是否有存在关系Y，Y可表示为(X,是否有存在关系Y,Z)，预测过程表示为P＝{X,Y}＝{X(1),X(2),…,X(N),Y}，其中P为预测结果。


5.如权利要求4所述的方法，其特征在于，基于所述知识图谱，收集网络空间中某个实体的各项信息X(m)，经过链接预测，输出与其他实体之间是否有存在关系，具体为：
将基于所述知识图谱，收集网络空间中某个实体的各项信息X(m)使用TransR转换模型做向量化处理；
将基于TransR转换模型向量化处理的X(m)传入时间递归神经网络模型进行增量学习；
时间递归神经网络模型的输出进行序列增量组合，然后进入结果分类，若结果分类表明与其他实体之间存在关系，则认为两实体之间有关联。


6.一种基于知识图谱的预测装置，其特征在于，包括：
知识图谱构建模块：用于构建知识图谱，所述知识图谱的基本单位为三元组；所述知识图谱包括模式层和数据层，所述三元组为时序三元组；
预测模块：用于基于所述知识图谱，预测网络空间中某个实体与其他实体间...

【专利技术属性】
技术研发人员：李佳楠，赵超，肖新光，
申请(专利权)人：哈尔滨安天科技集团股份有限公司，
类型：发明
国别省市：黑龙江;23