[发明专利]一种安全知识图谱构建方法、装置、电子设备及存储介质

说明书

本发明公开了一种安全知识图谱构建方法、装置、电子设备及存储介质，所述方法包括：基于结构化安全数据创建安全数据库，其中，针对每个安全数据，将所述安全数据的字段名作为所述安全数据的标签；对非结构化数据文本进行切词，并将得到的词语与所述安全数据库中的安全数据进行匹配，确定所述非结构化数据文本中的安全数据及对应的标签；基于所述非结构化数据文本中的安全数据及对应的标签，构建安全知识图谱。不需要人工参与，提高了安全知识图谱构建的效率。基于结构化安全数据创建的安全数据库来提取非结构化数据文本中的安全数据，使得提取到的非结构化数据文本中的安全数据准确，进而使得构建的安全知识图谱更准确。

技术领域

本发明涉及网络安全技术领域，尤其涉及一种安全知识图谱构建方法、装置、电子设备及存储介质。

背景技术

当前互联网中的信息量呈爆炸式增长，安全数据的增长也不例外。随着Web发展，非结构化安全数据的增长速度加快。从非结构化数据中抽取安全数据进而基于安全数据构建安全知识图谱，对后续的安全渗透意义重大。

目前可以通过手工方式提取非结构化安全数据，但是以手工方式获取安全数据将耗费大量的人工与时间成本。得益于自然语言处理技术的发展,自动化从海量异构的非结构化数据中抽取数据已有较多的研究成果，例如斯坦福自然语言处理工具Stanford NLP、自然语言处理工具包NLTK、清华关键词抽取包THUTag等。然而这些工具并非针对安全领域所设计，因此现有的工具并不具备从海量异构的非结构化数据中抽取安全数据的能力。

因此，现有技术中抽取安全数据的效果并不理想，也就没有一种能够高效和准确地构建安全知识图谱的技术方案。

发明内容

本发明实施例提供了一种安全知识图谱构建方法、装置、电子设备及存储介质，用以提供一种能够高效和准确地构建安全知识图谱的技术方案。

本发明实施例提供了一种安全知识图谱构建方法，所述方法包括：

基于结构化安全数据创建安全数据库，其中，针对每个安全数据，将所述安全数据的字段名作为所述安全数据的标签；

对非结构化数据文本进行切词，并将得到的词语与所述安全数据库中的安全数据进行匹配，确定所述非结构化数据文本中的安全数据及对应的标签；

基于所述非结构化数据文本中的安全数据及对应的标签，构建安全知识图谱。

进一步地，所述基于结构化安全数据创建安全数据库，其中，针对每个安全数据，将所述安全数据的字段名作为所述安全数据的标签包括：

基于结构化安全数据创建安全数据库，针对每个安全数据，将所述安全数据的字段名作为所述安全数据的标签；并针对每个标签，确定该标签下的安全数据对应的概率值；

所述将得到的词语与所述安全数据库中的安全数据进行匹配，确定所述非结构化数据文本中的安全数据及对应的标签包括：

将得到的词语与所述安全数据库中的安全数据进行匹配，确定所述非结构化数据文本中的安全数据，并根据安全数据库中每个标签下的安全数据对应的概率值，确定所述非结构化数据文本中的安全数据对应的标签。

进一步地，所述根据安全数据库中每个标签下的安全数据对应的概率值，确定所述非结构化数据文本中的安全数据对应的标签包括：

根据预设的规则将所述非结构化数据文本划分为多个上下文信息范围；

针对每个上下文信息范围，确定该上下文信息范围中包含的每个安全数据分别对应每个标签的概率和值；选取最大的概率和值作为该上下文信息范围中包含的每个安全数据的标签。

进一步地，所述针对每个上下文信息范围，确定该上下文信息范围中包含的每个安全数据分别对应每个标签的概率和值之前，所述方法还包括：