[发明专利]基于知识图谱的预测方法、装置、电子设备及存储介质

说明书

本发明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。

技术领域

本发明涉及网络安全技术领域，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。

背景技术

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态势预测 的并不多，效果也不尽如人意。

知识图谱(Knowledge Graph)是近年来表示知识的一种新方法，属于语义 网络范畴，能够描述真实世界中存在的各种实体和概念，并用可视化技术显示 这些实体、概念之间的相互联系，探索并呈现特定领域概念之间的语义关系。 近几年知识图谱在计算机领域也得到了广泛的关注与重视。知识图谱链接预测 是知识图谱学习与补全的重要技术，其核心思想是对知识图谱中各个实体间可 能存在的关联关系进行预测，实现知识图谱中缺失信息的发现与还原。目前， 主流的知识图谱链接预测方法有张量神经网络、图卷积网络和基于路径的建模 等，但是这些方法仅在通用知识图谱上取得了不错的效果，通用知识图谱主要 针对不带有时间属性的常识性知识，可应用于面向互联网的搜索、推荐、问答 等业务场景。与此相反，网络空间目标的行为发展是一个不断演变的过程，目 标行为知识具有时效性。以钓鱼邮件为例，在攻击者实施攻击的过程中，每次 的伪装电邮、引导收件人链接到特制的网页、引导收件人输入账户密码等操作 都有时间的标记。现有知识图谱链接预测方法大多针对静态的数据，其中事实 不会随时间而变化，而结构化的知识可能仅在特定的时间段内成立，所以时序 信息非常重要，未考虑知识图谱中蕴含大量的动态时序信息将无法对其做出准 确的预测。

除此之外，在预测网络空间目标的意图或下一步行为时需要综合考虑行为、 流量、设备日志等多方面因素，上述因素均会随时间而发生改变，不会是固定 的常量型知识。因此，在网络空间目标行为预测领域应用以前的链接预测方法， 通过单一线路的非时序节点预测与其他节点的关联关系将很难做出准确预判。

发明内容

本发明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。

基于上述问题，本发明实施例提供的一种基于知识图谱的预测方法，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。

进一步地，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。