[发明专利]网络安全知识图谱的嵌入表示方法及装置

权利要求书

1.一种网络安全知识图谱的嵌入表示方法，其特征在于，包括如下步骤：

网络安全数据预处理步骤，基于预先构建的网络安全知识图谱本体对网络安全数据中的实体和关系进行整理，并抽取该网络安全数据中的关键实体和关系作为附加信息，从而形成结构化数据，其中，所述附加信息包括和实体以及关系相关的特征信息，实体A和实体B有至少一个关系，所述附加信息包括与实体A有该关系的实体B占所有实体B的比例；

网络安全数据集构建步骤，基于所述结构化数据对所述实体和关系进行索引标注，并计算所述附加信息作为训练权重，从而构建出含有所述训练权重的网络安全数据集；

嵌入算法模型选取及配置步骤，显示预存的多个嵌入算法的名称让用户选定需要进行对比实验的所述嵌入算法，并让所述用户输入相应的配置参数从而形成一个训练任务；

嵌入算法模型训练步骤，执行所述训练任务，生成并保存的嵌入表示结果；

嵌入算法模型测试步骤，基于所述嵌入表示结果进行链接预测从而生成并保存测试结果；

训练结果显示步骤，基于被选取的所述嵌入算法以及被输入的所述配置参数作为区分，显示给所述用户查看从而让该用户选择最优的表示结果应用到所述网络安全知识图谱本体中，

其中，所述训练权重的计算方式为：

式中，W_r表示关系r的训练权重，E表示特征集合，|E|表示特征数量，e表示单个特征，w_e表示特征e的对应值，f_n(x)表示对所有x值进行归一化处理，该归一化处理采用min-max方式。

2.根据权利要求1所述的网络安全知识图谱的嵌入表示方法，其特征在于：

其中，所述嵌入算法为Trans翻译模型系列，对应该Trans翻译模型系列的改进评分函数的定义如下：

f_r(h,t)＝||h+(1+W_r)r-t||_1/2

式中，h表示头实体，r表示关系，t表示尾实体，W_r表示关系r下的训练权重，数值范围在[0,1]，1/2表示L1范数以及L2范数。

3.根据权利要求1所述的网络安全知识图谱的嵌入表示方法，其特征在于：

其中，所述训练任务具有对应的优先级，

当所述嵌入算法模型选取及配置步骤中形成所述训练任务时，该训练任务被加入一个训练队列，在执行所述嵌入算法模型训练步骤前对所述训练队列进行检索，并在根据优先级获取相应的训练任务并执行所述嵌入算法模型训练步骤。

4.一种网络安全知识图谱的嵌入表示装置，其特征在于，包括：

网络安全数据预处理部，能够基于预先构建的网络安全知识图谱本体对网络安全数据中的实体和关系进行整理，并抽取该网络安全数据中的关键实体和关系作为附加信息，从而形成结构化数据，其中，所述附加信息包括和实体以及关系相关的特征信息，实体A和实体B有至少一个关系，所述附加信息包括与实体A有该关系的实体B占所有实体B的比例；

网络安全数据集构建部，能够基于所述结构化数据对所述实体和关系进行索引标注，并计算所述附加信息作为训练权重，从而构建出含有所述训练权重的网络安全数据集；

嵌入算法模型选取及配置部，用于显示预存的多个嵌入算法的名称让用户选定需要进行对比实验的所述嵌入算法，并让所述用户输入相应的配置参数从而形成一个训练任务；

嵌入算法模型训练部，用于执行所述训练任务，生成并保存的嵌入表示结果；

嵌入算法模型测试部，用于基于所述嵌入表示结果进行链接预测从而生成并保存测试结果；以及

训练结果分析以及显示部，能够基于被选取的所述嵌入算法以及被输入的所述配置参数作为区分，并显示给所述用户查看从而让该用户选择最优的表示结果应用到所述网络安全知识图谱本体中，

其中，所述训练权重的计算方式为：

式中，W_r表示关系r的训练权重，E表示特征集合，|E|表示特征数量，e表示单个特征，w_e表示特征e的对应值，f_n(x)表示对所有x值进行归一化处理，该归一化处理采用min-max方式。