【技术实现步骤摘要】
本专利技术涉及数据分析领域，具体而言，涉及一种网络资产图谱中节点特征提取方法及装置、网络资产图谱中相似节点搜索方法及装置、电子设备及计算机可读存储介质。
技术介绍
1、网络资产是指组成网络的基础设施和网络环境的各种实体和资源。它们是组成网络的各种设备、系统、应用程序、数据和信息等。
2、网络资产图谱是指对网络中的各种资产进行分类、关联和分析的一种图谱结构。它通过图形化的方式呈现网络资产的拓扑结构、属性信息和关联关系，帮助安全团队更好地理解和管理网络资产，提高网络安全的可视化和智能化水平。在网络安全领域，网络资产图谱是一种将网络资产及其相关信息进行结构化和关联的图谱模型，其由大量节点和连接节点的边结构组成，它可以帮助组织全面了解和管理网络资产，提高网络安全的效果和效率。通过收集和分析内网中的网络流量、日志、等信息，自动发现和识别内网中的资产，并将其添加到网络资产图谱中。同时通过与其他节点的关联，可以更好地理解和分析网络资产之间的关系，帮助安全团队更好地进行威胁检测、漏洞管理和安全防护等工作。
3、对网络资产图谱进行处理和分析的过程离不开对节点的分析过程，而对节点的分析过程离不开节点的特征提取过程。然而，现有技术中提取的节点特征较为片面，导致后续根据节点特征进行网络资产图谱分析，如相似节点的搜索的结果准确率较低。
技术实现思路
1、本专利技术的目的在于提供一种网络资产图谱中节点特征提取方法及装置、网络资产图谱中相似节点搜索方法及装置、电子设备及计算机可读存储介质
2、第一方面，本申请实施例提供了一种网络资产图谱中节点特征提取方法，包括：获取网络资产图谱中每个节点的结构向量和内容向量，所述节点用于表征网络资产；根据每个节点的所述结构向量和内容向量，通过目标注意力神经网络模型选择多个目标特征元素，并将所述多个目标特征元素进行融合，得到每个所述节点的融合特征向量；根据目标图神经网络模型和所述融合特征向量，获取每个所述节点的节点图嵌入向量。
3、与现有技术相比，本申请实施例所提供的网络资产图谱中节点特征提取方法中，对网络资产图谱中每个节点的结构向量和内容向量分别进行提取，然后根据目标注意力神经网络模型从每个节点的结构向量和内容向量中选择多个目标特征元素，并将多个目标特征元素进行融合，得到该节点的融合特征向量，并根据目标图神经网络模型和融合特征向量，获取每个节点的节点图嵌入向量，将注意力神经网络模型和图神经网络模型结合使用，综合关注网络资产图谱中各个节点的结构向量和内容向量，注意力神经网络模型可以根据实际需要灵活的为结构向量和内容向量分配权重，图神经网络模型可以充分利用图谱数据中的结构信息和内容信息，即从多个方面提取网络资产图谱中的节点特征。
4、在可选的实施例中，所述根据每个节点的所述结构向量和内容向量，通过目标注意力神经网络模型选择多个目标特征元素，并将所述多个目标特征元素进行融合，包括：对于任一所述节点，计算所述节点的所述结构向量和所述内容向量的和向量，将所述和向量输入所述目标注意力神经网络模型；通过所述目标注意力神经网络模型分别求取所述和向量中各个特征元素的元素得分，并根据所述元素得分，选择所述多个目标特征元素；将所述多个目标特征元素进行拼接，得到所述节点的所述融合特征向量。
5、在可选的实施例中，对所述目标注意力神经网络模型和目标图神经网络模型进行模型训练，包括：获取样本网络资产图谱，所述样本网络资产图谱包括多个样本节点，每个所述样本节点用于表征相应的样本网络资产；获取所述样本网络资产图谱中每个所述样本节点的样本结构向量和样本内容向量；根据所述样本结构向量和样本内容向量，通过初始注意力神经网络模型选择多个目标样本元素，并对所述多个目标样本元素进行融合，得到每个所述样本节点的样本融合特征向量；对于任意两个所述样本节点，根据两个所述样本节点的两个所述样本融合特征向量，通过初始图神经网络模型获取两个所述样本节点之间直接连接的可能性得分；根据所述可能性得分，对所述初始注意力神经网络模型和初始图神经网络模型进行模型训练，得到所述目标注意力神经网络模型和目标图神经网络模型。
6、在可选的实施例中，所述获取网络资产图谱中每个节点的结构向量，包括：对于所述网络资产图谱中的任一目标节点，获取所述目标节点的k跳子图数据，根据目标自编码模型和所述k跳子图数据获取所述目标节点的结构向量，其中，k为正整数。
7、在可选的实施例中，获取网络资产图谱中每个节点的内容向量，包括：对于所述网络资产图谱中的任一目标节点，遍历与所述目标节点连接的全部边结构，获取所述目标节点连接的目标资源数据，所述边结构用于表征两个所述节点之间的连接关系，所述目标资源数据为通过所述边结构与所述目标节点连接的其它节点的参数数据；根据所述目标资源数据获取所述目标节点的内容向量。
8、在可选的实施例中，所述目标节点为内网ip资产节点；所述获取所述目标节点连接的目标资源数据，包括：获取所述内网ip资产节点连接的端口信息数据，所述端口信息数据包括与所述内网ip资产节点连接的端口的种类和数量。内网ip资产由内网的使用者进行随机分配，与外网ip资产相比不具有归属地等显著特征，在内网资产图谱中，统计内网ip资产节点所连接的端口的种类及数量作为内网ip资产节点的特征，解决了内网ip资产的特征提取问题。
9、第二方面，本申请实施例提供了一种网络资产图谱中相似节点搜索方法，包括：根据如前述的网络资产图谱中节点特征提取方法获取网络资产图谱中每个节点的节点图嵌入向量；获取检索节点的检索节点图嵌入向量，计算所述网络资产图谱中各个节点的所述节点图嵌入向量与所述检索节点图嵌入向量的向量相似度，节点图嵌入向量获取所述向量相似度满足预设检索条件的节点作为所述检索节点的相似节点。
10、与现有技术相比，本申请实施例所提供的网络资产图谱中相似节点搜索方法中，通过如前述的网络资产图谱中节点特征提取方法获取网络资产图谱中每个节点的节点图嵌入向量，因此本申请实施例中提取的节点图嵌入向量为从多个方面提取的节点特征，使用该节点图嵌入向量进行相似节点搜索可以有效的提升搜索结果的准确度。
11、第三方面，本申请实施例提供了一种网络资产图谱中节点特征提取装置，包括：向量获取模块，所述向量获取模块用于获取网络资产图谱中每个节点的结构向量和内容向量；向量融合模块，所述向量融合模块用于根据每个节点的所述结构向量和内容向量，通过目标注意力神经网络模型选择多个目标特征元素，并将所述多个目标特征元素进行融合，得到每个所述节点的融合特征向量；特征确定模块，所述特征确定模块用于根据目标图神经网络模型和所述融合特征向量，获取每个所述节点的节点图嵌入向量。
12、第四方面，本申请实施例提供了一种网络资产图谱中相似节点搜索装置，包括：特征向量获取模块，所述特征向量获取模块用于根据如前述的网络资产图谱中节点特征提取方法获取网络本文档来自技高网...
【技术保护点】
1.一种网络资产图谱中节点特征提取方法，其特征在于，包括：
2.根据权利要求1所述的网络资产图谱中节点特征提取方法，其特征在于，所述根据每个节点的所述结构向量和内容向量，通过目标注意力神经网络模型选择多个目标特征元素，并将所述多个目标特征元素进行融合，包括：
3.根据权利要求1所述的网络资产图谱中节点特征提取方法，其特征在于，对所述目标注意力神经网络模型和目标图神经网络模型进行模型训练，包括：
4.根据权利要求1所述的网络资产图谱中节点特征提取方法，其特征在于，所述获取网络资产图谱中每个节点的结构向量，包括：
5.根据权利要求1所述的网络资产图谱中节点特征提取方法，其特征在于，获取网络资产图谱中每个节点的内容向量，包括：
6.根据权利要求5所述的网络资产图谱中节点特征提取方法，其特征在于，所述目标节点为内网IP资产节点；
7.一种网络资产图谱中相似节点搜索方法，其特征在于，包括：
8.一种网络资产图谱中节点特征提取装置，其特征在于，包括：
9.一种网络资产图谱中相似节点搜索装置，其特征
10.一种电子设备，其特征在于，包括：
11.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行实现如权利要求1至6中任意一项所述的网络资产图谱中节点特征提取方法或如权利要求7所述的网络资产图谱中相似节点搜索方法。
...【技术特征摘要】
1.一种网络资产图谱中节点特征提取方法，其特征在于，包括：
2.根据权利要求1所述的网络资产图谱中节点特征提取方法，其特征在于，所述根据每个节点的所述结构向量和内容向量，通过目标注意力神经网络模型选择多个目标特征元素，并将所述多个目标特征元素进行融合，包括：
3.根据权利要求1所述的网络资产图谱中节点特征提取方法，其特征在于，对所述目标注意力神经网络模型和目标图神经网络模型进行模型训练，包括：
4.根据权利要求1所述的网络资产图谱中节点特征提取方法，其特征在于，所述获取网络资产图谱中每个节点的结构向量，包括：
5.根据权利要求1所述的网络资产图谱中节点特征提取方法，其特征在于，获取网...
【专利技术属性】
技术研发人员：刘浩然，王占一，田野，
申请(专利权)人：奇安信科技集团股份有限公司，
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。