[发明专利]基于多层网络空间知识表示的知识处理方法和装置在审
| 申请号: | 202010577901.2 | 申请日: | 2020-06-23 |
| 公开(公告)号: | CN111611410A | 公开(公告)日: | 2020-09-01 |
| 发明(设计)人: | 刘斌;丁兆云;严经文;潘永琪;刘蔚柯;陈俐名;孙立健;朱席席;李青山;张力涛 | 申请(专利权)人: | 中国人民解放军国防科技大学 |
| 主分类号: | G06F16/36 | 分类号: | G06F16/36;G06N3/04;G06N5/02;G06N5/04 |
| 代理公司: | 长沙国科天河知识产权代理有限公司 43225 | 代理人: | 周达 |
| 地址: | 410073 湖*** | 国省代码: | 湖南;43 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 基于 多层 网络 空间 知识 表示 处理 方法 装置 | ||
1.一种基于多层网络空间知识表示的知识处理方法,所述方法包括:
构建自上而下多层结构的多层网络空间知识表示;所述多层结构自上而下包括:宏观层、实施层、属性层、资源层和关系层;
针对每个所述多层结构,根据对应学科领域知识,提取所述多层结构对应的本体,以及所述本体之间的空间关系;
构建针对所述多层网络空间知识表示的六元组知识表示;所述六元组知识表示包括:头实体、关系、尾实体、时间概念、空间概念以及处理算子;
根据所述六元组知识表示对所述多层网络空间知识表示进行知识处理。
2.根据权利要求1所述的方法,其特征在于,针对每个所述多层结构,根据对应学科领域知识,提取所述多层结构对应的本体,以及所述本体之间的空间关系,包括:
根据STIX2.0结构化表达,构建包含战役、事件、攻击指标三个本体的宏观层;
根据网络攻击过程知识,构建包括网络攻击者、攻击方法、工具、弱点,攻击目标、攻击影响、应对措施七个本体的实施层;
根据所述实施层中包含的本体的属性,构建属性层;
根据预先设置的结构化数据源和非结构化数据源,得到数据源本体,根据所述数据源本体构建资源层;
通过提取所述实施层、属性层、资源层中本体之间的关系,得到关系本体,根据所述关系本体,构建关系层。
3.根据权利要求1所述的方法,其特征在于,构建针对所述多层网络空间知识表示的六元组知识表示,包括:
构建针对所述多层网络空间知识表示的六元组知识表示为:
S,P,O,T,L,Op
其中,S、P、O分别为多层网络空间知识表示中网络空间要素中的头实体、关系和尾实体;T表示时间概念;L表示空间概念;OP表示处理算子。
4.根据权利要求1至3任意一项所述的方法,其特征在于,根据所述六元组知识表示对所述多层网络空间知识表示进行知识处理,包括:
根据所述六元组知识表示,提取多个按照时序排列的三元组序列;
将所述三元组序列输入预先训练的TransR模型,得到所述三元组序列的向量表示;
将所述三元组序列的向量表示输入预先训练的LSTM网络,得到包含语意信息的序列化三元组,或者所述三元组序列对应的得分函数;所述得分函数用于判断所述三元组序列成立的概率。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
预先将所述TransR模型和LSTM网络采用随机梯度下降方式进行联合训练。
6.一种基于多层网络空间知识表示的知识处理装置,其特征在于,所述装置包括:
网络构建模块,用于构建自上而下多层结构的多层网络空间知识表示;所述多层结构自上而下包括:宏观层、实施层、属性层、资源层和关系层;
要素确定模块,用于针对每个所述多层结构,根据对应学科领域知识,提取所述多层结构对应的本体,以及所述本体之间的空间关系;
知识表示模块,用于构建针对所述多层网络空间知识表示的六元组知识表示;所述六元组知识表示包括:头实体、关系、尾实体、时间概念、空间概念以及处理算子;
知识处理模块,用于根据所述六元组知识表示对所述多层网络空间知识表示进行知识处理。
7.根据权利要求6所述的装置,其特征在于,所述要素确定模块还用于根据STIX2.0结构化表达,构建包含战役、事件、攻击指标三个本体的宏观层;根据网络攻击过程知识,构建包括网络攻击者、攻击方法、工具、弱点,攻击目标、攻击影响、应对措施七个本体的实施层;根据所述实施层中包含的本体的属性,构建属性层;根据预先设置的结构化数据源和非结构化数据源,得到数据源本体,根据所述数据源本体构建资源层;通过提取所述实施层、属性层、资源层中本体之间的关系,得到关系本体,根据所述关系本体,构建关系层。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国人民解放军国防科技大学,未经中国人民解放军国防科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010577901.2/1.html,转载请声明来源钻瓜专利网。





