【技术实现步骤摘要】
MDATA图谱嵌入的评估方法及相关装置
[0001]本申请涉及网络安全
,特别是涉及一种
MDATA
图谱嵌入的评估方法及相关装置
。
技术介绍
[0002]随着以知识图谱为代表的知识表示方法及相关嵌入技术的兴起,海量的信息得到有效的表示和利用
。
然而在现实的各个领域中,大量的信息都会因时间和空间的变化而失真
。Gu
等学者以通用的知识图谱为基础,提出多维数据关联与智能分析
(Multidimensional Data Association and inTelligent Analysis
,
MDATA)
模型,重新定义知识表示模型的架构,从而实现动态变化知识的有效表示
。
[0003]为了充分发挥
MDATA
模型的可用性,嵌入领域也在不断发展
。
在网络安全
中,网络攻击通常由一系列有逻辑关系的基础攻击步骤构成,每个步骤之间还存在时空上的关联,因此越来越广泛应用
MDATA
模型
。
然而,相关技术中的嵌入评估方法在评估嵌入效果时,没有考虑时效性和空间转移对真实性造成的影响,导致嵌入效果评估不够准确
。
技术实现思路
[0004]本申请旨在至少解决现有技术中存在的技术问题之一
。
为此,本申请实施例提供了一种
MDATA
图谱嵌入的评估方法及相关装置,能够关联时空信息,准确地 ...
【技术保护点】
【技术特征摘要】
1.
一种
MDATA
图谱嵌入的评估方法,其特征在于,所述评估方法包括:获取目标
MDATA
图谱;其中,所述目标
MDATA
图谱包括:
MDATA
静态图谱和
MDATA
时空图谱,所述
MDATA
静态图谱由网络监控数据中的静态特征数据构建,所述
MDATA
时空图谱由所述网络监控数据中的时空特征数据构建;将所述
MDATA
静态图谱中的实体嵌入至预设的向量空间,得到第一实体向量集;将所述
MDATA
时空图谱中的实体嵌入至所述向量空间,得到第二实体向量集;获取评估向量集;其中,所述评估向量集包括:静态评估向量和时空评估向量;根据所述第一实体向量集对所述静态评估向量进行替换,得到第一测试向量集;根据所述第二实体向量集对所述时空评估向量进行替换,得到第二测试向量集;根据所述静态评估向量对所述第一测试向量集中的每一测试向量进行嵌入评估处理,得到第一评估集;根据所述时空评估向量对所述第二测试向量集中的每一测试向量进行嵌入评估处理,得到第二评估集;根据所述第一评估集和所述第二评估集构建目标评估数据;其中,所述目标评估数据表征所述
MDATA
图谱中向量空间的嵌入效果
。2.
根据权利要求1所述的
MDATA
图谱嵌入的评估方法,其特征在于,在所述获取目标
MDATA
图谱之前,所述评估方法还包括:构建所述目标
MDATA
图谱,具体包括:获取每个时间点的网络监控数据;从所述网络监控数据中抽取出网络攻击数据;其中,所述网络攻击数据包括:静态特征数据和时空特征数据;根据所述静态特征数据构建所述
MDATA
静态图谱,根据所述时空特征数据构建所述
MDATA
时空图谱
。3.
根据权利要求2所述的
MDATA
图谱嵌入的评估方法,其特征在于,所述静态特征数据包括头实体
、
关系和尾实体,所述时空特征数据包括源地址
、
时间信息和目的地址;所述根据所述静态特征数据构建所述
MDATA
静态图谱,根据所述时空特征数据构建所述
MDATA
时空图谱,包括:将所述头实体作为第一头实体,所述关系作为第一关系,所述尾实体作为第一尾实体;根据所述第一关系将所述第一头实体
、
所述第一尾实体进行关联,以构建所述
MDATA
静态图谱;将所述源地址作为第二头实体,所述时间信息作为第二关系,所述目的地址作为第二尾实体;根据所述第二关系将所述第二头实体
、
所述第二尾实体进行关联,以构建所述
MDATA
时空图谱
。4.
根据权利要求1所述的
MDATA
图谱嵌入的评估方法,其特征在于,所述将所述
MDATA
静态图谱中的实体嵌入至预设的向量空间,得到第一实体向量集,包括:将所述
MDATA
静态图谱中的实体输入至预设的静态嵌入模型进行向量空间转换,得到静态嵌入向量;根据预设的静态评估向量和所述静态嵌入向量进行损失计算,得到第一损失值;
根据所述第一损失值让所述静态嵌入模型执行第一训练过程;其中,所述第一训练过程为利用随机梯度下降算法更新所述静态嵌入向量,并更新所述第一损失值;直至更新的所述第一损失值满足第一预设条件,将更新的所述静态嵌入向量作为所述静态嵌入模型的输出,以得到所述第一实体向量集
。5.
根据权利要求1所述的
MDATA
图谱嵌入的评估方法,其特征在于,所述将所述
MDATA
时空图谱中的实体嵌入至所述向量空间,得到第二实体向量集,包括:将所述
MDATA
时空图谱中的实体输入至预设的时空嵌入模型进行向量空间转换,得到时空嵌入向量;根据预设的时空评估向量和所述时空嵌入向量进行损失计算,得到第二损失值;根据所述第二损失值让所述时空嵌入模型执行第二训练过程;其中,所述第二训练过程为利用随机梯度下降算法更新所述时空嵌入向量,并更新所述第二损失值;直至更新的所述第二损失值满足第二预设条件,将更新的所述时空嵌入向量作为所述时空嵌入模型的输出,以得到所述第二实体向量集
。6.
根据权利要求1所述的
MDATA
图谱嵌入的评估方法,其特征在于,所述第一实体向量集包括多个静态嵌入向量,所述静态嵌入向量包括静态头实体向量和静态尾实体向量,所述静态评估向量包括第一头实体评估向量和第一尾实体评估向量,所述第一测试向量集包括第一头实体测试集和第一尾实体测试集;所述根据所述第一实体向量集对所述静态评估向量进行替换,得到第一测试向量集,包括:根据所述第一实体向量集中每一所述静态头实体向量和每一所述静态尾实体向量将所述第一头实体评估向量进行替换,得到所述第一头实体测试集;根据所述第一实体向量集中每一所述静态头实体向量和每一所述静态尾实体向量将所述第一尾实体评估向量进行替换,得到所述第一尾实体测试集
。7.
根据权利要求1所述的
MDATA
图谱嵌入的评估方法,其特征在于,所述第二实体向量集包括多个时空嵌入向量,所述时空嵌入向量包括时空头实体向量和时空尾实体向量,所述时空评估向量包括第二头实体评估向量和第二尾实体评估向量,...
【专利技术属性】
技术研发人员:顾钊铨,赵昂霄,贾焰,方滨兴,景晓,向夏雨,李润恒,谢敏容,周琥晨,王新刚,
申请(专利权)人:电子科技大学深圳高等研究院四川亿览态势科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。