[发明专利]网络空间态势的智能感知和预测方法、装置和计算机设备

权利要求书

1.一种网络空间态势的智能感知和预测方法，其特征在于，包括如下步骤：

抽取并表达网络空间实体概念以及所述网络空间实体概念间关系和属性，构建网络空间实体概念集合；

获取网络空间多源异构原始数据；

依据所述网络空间实体概念集合，从所述网络空间多源异构原始数据中，抽取实体对象以及所述实体对象间关系和属性；

根据所述实体对象以及所述实体对象间关系和属性，构建网络空间态势知识图谱；

根据所述网络空间态势知识图谱，进行多目标行为动态演化分析和预测。

2.如权利要求1所述的网络空间态势的智能感知和预测方法，其特征在于，所述从所述网络空间多源异构原始数据中，抽取实体对象以及所述实体对象间关系和属性还包括步骤：

抽取所述实体对象时，获得所述实体对象的指称项；

根据所述实体对象的指称项，筛选出一组候选实体对象；

对所述候选实体对象进行相似度计算，根据计算结果确定正确的实体对象，并将所述指称项链接到所述正确的实体对象。

3.如权利要求1所述的网络空间态势的智能感知和预测方法，其特征在于，构建网络空间态势知识图谱之后，根据所述网络空间态势知识图谱，进行多目标行为动态演化分析和预测之前，还包括步骤：

对所述网络空间态势知识图谱进行向量化表示、时序增量描述、多目标间隐藏关系或新关系的挖掘。

4.如权利要求1所述的网络空间态势的智能感知和预测方法，其特征在于，所述抽取所述网络空间实体概念，包括：

从词法规则和词性特征的角度对数据进行处理，得到处理后的数据；

对所述处理后的数据进行分词，并对分词结果进行频数统计。

5.如权利要求1所述的网络空间态势的智能感知和预测方法，其特征在于，所述网络空间实体概念间关系，包括：分类关系和非分类关系，其中，所述分类关系包括上下位关系、并列关系，所述非分类关系为除去所述分类关系之外的其他关系，包括整体与部分关系、人与地点间的关联关系。

6.如权利要求5所述的网络空间态势的智能感知和预测方法，其特征在于，所述抽取所述网络空间实体概念间分类关系，包括：

当所述网络空间实体概念的数量小于设定值或异构原始数据为结构化数据时，人工手动抽取；

当所述网络空间实体概念的数量大于设定值或异构原始数据为非结构化数据或半结构化数据时，利用数据驱动法自动抽取；所述数据驱动法自动抽取具体包括：

所述网络空间实体概念并列关系相似度计算，用于考察任意给定的两个实体概念属于同一概念分类的测度，相似度越高，该两个实体概念属于同一语义类别测度越高；

所述网络空间实体概念上下位关系抽取，用于确定实体概念之间的隶属关系；

本体的生成，用于对各层次得到的实体概念进行聚类，并对实体概念进行语义类标定。

7.如权利要求1所述的网络空间态势的智能感知和预测方法，其特征在于，所述依据所述网络空间实体概念集合，从所述网络空间多源异构原始数据中，抽取实体对象以及所述实体对象间关系和属性，包括：

从网络通信数据中抽取通信双方、通信协议、数据量、应用类型的信息，并映射至实体对象，完成实体对象、对象关系及属性的抽取；

和/或

从半结构化的文本数据中抽取实体对象、对象关系及属性；

和/或

首先从自然语言描述的非结构化数据中提取语义信息，并融合至实体对象，然后采用机器学习方法抽取实体对象关联关系及属性信息。

8.如权利要求3所述的网络空间态势的智能感知和预测方法，其特征在于，所述对所述网络空间态势知识图谱进行向量化表示和时序增量描述包括：

将高维稀疏的所述网络空间态势知识图谱降维转化为低维稠密的所述网络空间态势知识图谱；

描述一个时间窗口内，所述网络空间态势知识图谱中实体对象以及实体对象间关系的变化。