[發明專利]一種工業信息安全知識圖譜構建方法和系統

在審

• 申請號: 202010697690.6
• 申請日: 2020-07-20
• 公開（公告）號: CN111897968A
• 公開（公告）日: 2020-11-06
• 發明（設計）人: 蔣正威;鄒劍鋒;趙志軍;金學奇;馬國梁;杜奇偉;陳國恩;江波;王躍強;張磊;殷華;宓群超;黃銀強
• 申請（專利權）人: 國網浙江省電力有限公司嘉興供電公司;嘉興恒創電力集團有限公司華創信息科技分公司
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06F16/951;G06F40/289;G06F40/295;G06N3/04;G06N3/08
• 代理公司: 浙江杭知橋律師事務所 33256
• 代理人: 陳麗霞

1.一種工業信息安全知識圖譜構建方法和系統，其特征在于，包括如下步驟：

信息的采集與整理，通過爬蟲方式，對信息進行采集和整理；信息包括工控設備數據、工業信息安全漏洞數據、攻擊較低數據、工業信息安全數據和建立工業信息安全相關的數據；

知識抽取，對采集和整理后的數據進行抽取，知識抽取包括實體抽取、關系抽取和工業信息安全事件抽取；

知識對齊，通過對抽取后的知識進行對齊；

構建知識圖譜，將對齊后的知識存入數據庫中構建知識圖譜。

2.根據權利要求1所述的一種工業信息安全知識圖譜構建方法，其特征在于，實體抽取包括結構化數據實體抽取和非結構化數據實體抽取；

結構化數據實體抽取通過正則匹配的方式進行實體的抽取；

非結構化數據實體抽取包括模板法和/或命名實體識別法的方式進行實體的抽取；

模板法為通過詞性分析和關系關鍵詞匹配，從語句中抽取實體的方法。

3.根據權利要求2所述的一種工業信息安全知識圖譜構建方法，其特征在于，命名實體識別法包括：

通過Stanford的CoreNLP工具對英文文本進行處理，使用哈工大的LTP工具對中文文本進行處理，并對非結構化的設備文本、漏洞文本以及新聞文本等文本進行分詞和人工標注；

通過NER工具和LTP工具對英文文本和中文文本分別進行模型的訓練，從而得到中英文分開的命名實體識別模型；

使用訓練好的命名實體識別模型在未標注的數據上進行分詞和命名實體的識別，自動抽取一些粗粒度的實體；

獲取粗粒度的實體，使用Word2Vec工具將實體名轉化為詞向量，并篩選出少量工業信息相關的實體，通過相關實體的詞向量，計算其他實體的詞向量與這些詞向量的距離的均值，不斷迭代從而從中選取相關實體。

4.根據權利要求1所述的一種工業信息安全知識圖譜構建方法，其特征在于，關系抽取包括結構化數據關系抽取和非結構化數據關系抽取；

結構化數據關系抽取包括實體間的關系抽取和部分實體的屬性關系抽取；

非結構化數據關系抽取采用基于詞向量卷積神經網絡的抽取方式進行關系抽取。

5.根據權利要求4所述的一種工業信息安全知識圖譜構建方法，其特征在于，基于詞向量卷積神經網絡的抽取方式進行關系抽取的方法為，

Google開源的Word2Vec工具將所有訓練語料中的詞語進行向量化處理，將每一個詞匯都轉化為固定長度的詞向量；

使用實體及其句式結構附近的詞匯的詞向量作為基本特征，將這些特征組合成特征向量，并根據詞語在句式結構中的位置進行非線性的加權變換，得到根據詞語向量信息和詞語位置信息組合生成的特征向量；

特征向量經過不同卷積核的卷積運算后會抽取到更多的特征，將最后生成的特征向量集合應用于分類器中，得到訓練分類模型，從而進行關系抽取。

6.根據權利要求1所述的一種工業信息安全知識圖譜構建方法，其特征在于，工業信息安全事件抽取包括時間識別和時間關鍵信息抽取；事件識別通過觸發詞詞典進行匹配，觸發詞詞典包括事件核心詞詞典和事件相關詞詞典；關鍵信息抽取依據候選屬性詞設有篩選機制。

7.根據權利要求1所述的一種工業信息安全知識圖譜構建方法，其特征在于，事件核心詞詞典的確定步驟包括：

第一步，利用詞性標注方法，當一個句子中出現的事件核心詞在該句中的詞性為動詞時，則執行第二步；

第二步，利用依存句法分析中的依存距離來判定關鍵詞；

第三步，事件相關詞詞典中的詞語用于協助判斷句子描述工控安全事件。