[发明专利]一种网络资产图中重要资产与关键链路的识别方法

说明书

本发明公开了一种网络资产图中重要资产与关键链路的识别方法，该识别方法首先结合随机游走介数中心性和度中心性的优点，利用随机游走介数中心性得到候选簇中心集合，接着在候选簇中心中利用度中心性过滤度小的节点得到簇中心集合，然后对簇中心集合进行分桶，并细分簇中心集合，可以成功识别出重要资产中的业务影响力簇中心，在已知的簇中心基础上，根据业务规则识别出重要资产之间的桥接链路，也就是关键链路；其次通过对桥接链路的提取，得到关键链路上的另一种重要资产‑业务影响力桥节点。本发明提供了在网络资产图中识别重要资产与关键链路的方法，具有识别效果好、准确性高的特点，适合推广应用。

技术领域

本发明属于知识图谱挖掘技术领域，特别涉及一种网络资产图中重要资产与关键链路的识别方法。

背景技术

图谱是一种描述和建模复杂系统的通用语言，在真实世界中无处不在。例如，脸谱(Facebook)、推特(Twitter)等社交媒体构成了人类之间的社交网络(Social Network)；人体中的蛋白质分子构成了生物网络(Biological Network)；各种移动终端构成了通信网络(CommunicationNetwork)；智能硬件之间构成了物联网(Internet-of-Things)、城市间的公路、铁路、航线构成了运输网络(TransportationNetwork)等。随着大数据时代的到来，在图上进行数据挖掘逐渐成为令人瞩目的研究热点之一，如为用户推荐感兴趣的好友、判断蛋白质结构、预测交通流量、检测异常账户等。这些图谱的数据挖掘算法不仅能够提高图谱结构的可视化程度，也能帮助我们更好地理解网络中纷繁复杂的关联关系。

知识图谱是一种用图模型来描述知识和建模世界万物之间关联关系的技术方法。知识图谱由节点和边组成。节点可以是一个实体，如一个人、一本书等，或是抽象的概念，如人工智能、知识图谱等。边可以是实体的属性，如姓名、书名，或是实体之间的关系，如朋友、配偶。知识图谱的早期概念来自Semantic Web(语义网)，其最初理想是把基于文本链接的万维网转化成基于实体链接的语义网。

网络资产图也是一种复杂的知识图谱和异质网络，由多种类型的网络资产和其关联关系组成。在网络资产图谱的重要节点和连边中，业务影响力簇中心与桥节点称为重要资产，重要资产及其连边形成的桥接链路称为关键链路，这两种结构在图谱中都扮演着非常重要的角色。但是，随着网络资产图谱规模的增加，分析人员很难直接通过肉眼识别重要资产与关键链路。

发明内容

为解决目前技术存在的缺陷和不足，本发明的目的在于提供一种网络资产图中重要资产与关键链路的识别方法。该识别方法准确率高、提取效果好，可以提高可视空间。

本发明的目的通过下述技术方案实现：

一种网络资产图中重要资产与关键链路的识别方法，包括如下步骤：

S01：获取网络资产图，计算网络资产图中每个节点的随机游走介数中心性，并进行放大；

S02：将步骤S01中每个节点放大后的随机游走介数中心性输入到第一h-index算法中，得到T1；

S03：如果步骤S01中某节点放大后的随机游走介数中心性大于步骤S02中得到的T1，则将该节点加入到候选簇中心集合中；

S04：计算步骤S03得到的候选簇中心集合中每个节点的度中心性，并进行放大；

S05：将步骤S04中每个节点放大后的度中心性输入到第二h-index算法中，得到T2；

S06：如果步骤S04中某节点放大后的度中心性大于步骤S05中得到的T2，则将该节点加入到簇中心集合中；

S07：对步骤S06中的得到的簇中心集合进行分桶；

S08：根据步骤S06得到的簇中心集合，识别出业务影响力簇中心；