[發明專利]聯合查詢的網絡空間知識圖譜推理方法和裝置

有效

• 申請號: 202010424095.5
• 申請日: 2020-05-18
• 公開（公告）號: CN111813949B
• 公開（公告）日: 2022-06-24
• 發明（設計）人: 朱承;丁兆云;陳俐名;劉斌;朱席席;黃松平;朱先強;周鋆;呂國棟;湯羅浩
• 申請（專利權）人: 中國人民解放軍國防科技大學
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06F16/33;G06N3/04;G06N5/04
• 代理公司: 長沙國科天河知識產權代理有限公司 43225
• 代理人: 董惠文

本申請涉及一種聯合查詢的網絡空間知識圖譜推理方法和裝置。所述方法包括：接收聯合查詢實體，將聯合查詢實體編碼為聯合查詢向量；根據預先設置的第一循環神經網絡模型，確定聯合查詢向量對應的目標實體以及表示目標實體匹配度的第一概率模型；根據預先設置的最大跳數，獲取目標實體到最大跳數范圍內實體的有序列表，根據有序列表，生成推理子圖；根據預先設置的第二循環神經網絡模型，確定推理子圖中潛在答案匹配度的第二概率模型；根據第一概率模型和第二概率模型，進行評分，得到聯合查詢實體對應的正確答案集合。采用本方法能夠提高知識圖譜推理的計算效率以及優化最終推理得到答案的數量。

技術領域

本申請涉及知識圖譜技術領域，特別是涉及一種聯合查詢的網絡空間知識圖譜推理。

背景技術

網絡空間知識圖譜推理查詢更加復雜，通常涉及到多聯合查詢多步鏈接推理的需求，因此，為了實現網絡空間智能防御，需要滿足國家及企業在已知弱點的聯合查詢中，準確推理對手戰術、戰技、工具、活動過程等需求。

傳統知識圖譜推理大多針對“單查詢、單步鏈接”場景，推理的結果通過“一次查詢，一個三元組關系”即可以得到。而網絡空間威脅推理查詢更加復雜，通常涉及到多聯合查詢多步鏈接推理，比如針對一個企業內部網絡，在已了解該內部網絡已部署軟硬件和操作系統、以及弱點的基礎上，希望進一步推斷對手可能采用哪些戰技術對該內部網絡進行高級可持續威脅攻擊，針對上述場景，查詢將涉及到多個實體，比如軟硬件、操作系統、漏洞等，而推理過程也將涉及到多步、多跳，比如從軟硬件到漏洞、從漏洞到弱點、從弱點到攻擊模式等，傳統的知識圖譜推理很少考慮這種多聯合查詢的多步鏈接推理場景，也缺少相應的推理方法。

近年來，隨著深度神經網絡的發展，學術界提出了一些基于神經網絡的端到端的技術方案，來解決知識圖譜的多步推理問題。然而，這些方法將知識圖譜看作一個扁平的、大規模、逐項化的知識記錄表，使得利用圖中的結構信息變得困難，因而邏輯推理功能較弱。當推理的答案不是問題中實體的直接鄰居時，神經網絡的方法對于多跳推理問題表現不佳。通常的補救措施是進行知識圖譜補全，即在知識圖譜中為非鄰居關系的實體對創建新的關系。但是，多跳關系的數量會隨著跳數的增加而呈爆炸性增長。另一個關鍵是如何在知識圖譜中定位多聯合查詢的實體，現有的研究工作大多數假設答案實體可以通過簡單的匹配所有查詢實體來進行定位，而在一個大型的國家及企業內部網絡中，多聯合查詢將涉及到大量的漏洞、弱點、產品型號等，如果將所有聯合查詢實體隱射到知識圖譜中，將導致搜索的爆炸增長，同時答案實體也將爆炸增長，因此需要解決在部分查詢實體中獲得優化答案集合。

發明內容

基于此，有必要針對上述技術問題，提供一種能夠目前網絡空間中聯合查詢知識圖譜的計算量大、答案實體繁多問題的聯合查詢的網絡空間知識圖譜推理方法和裝置。

一種聯合查詢的網絡空間知識圖譜推理方法，所述方法包括：

接收聯合查詢實體，將所述聯合查詢實體編碼為聯合查詢向量；

根據預先設置的第一循環神經網絡模型，確定所述聯合查詢向量對應的目標實體以及表示所述目標實體匹配度的第一概率模型；

根據預先設置的最大跳數，獲取所述目標實體到最大跳數范圍內實體的有序列表，根據所述有序列表，生成推理子圖；

根據預先設置的第二循環神經網絡模型，確定所述推理子圖中潛在答案匹配度的第二概率模型；

根據所述第一概率模型和所述第二概率模型，進行尋優求解，得到所述聯合查詢實體對應的目標實體集合。

在其中一個實施例中，還包括：接收聯合查詢實體；根據預先設置的第一神經網絡，將聯合查詢實體映射成d維的聯合查詢向量為：

其中，fent(·)表示第一神經網絡，表示d維空間，q表示聯合查詢實體。