[发明专利]一种工业信息安全知识图谱构建方法和系统

权利要求书

1.一种工业信息安全知识图谱构建方法和系统，其特征在于，包括如下步骤：

信息的采集与整理，通过爬虫方式，对信息进行采集和整理；信息包括工控设备数据、工业信息安全漏洞数据、攻击较低数据、工业信息安全数据和建立工业信息安全相关的数据；

知识抽取，对采集和整理后的数据进行抽取，知识抽取包括实体抽取、关系抽取和工业信息安全事件抽取；

知识对齐，通过对抽取后的知识进行对齐；

构建知识图谱，将对齐后的知识存入数据库中构建知识图谱。

2.根据权利要求1所述的一种工业信息安全知识图谱构建方法，其特征在于，实体抽取包括结构化数据实体抽取和非结构化数据实体抽取；

结构化数据实体抽取通过正则匹配的方式进行实体的抽取；

非结构化数据实体抽取包括模板法和/或命名实体识别法的方式进行实体的抽取；

模板法为通过词性分析和关系关键词匹配，从语句中抽取实体的方法。

3.根据权利要求2所述的一种工业信息安全知识图谱构建方法，其特征在于，命名实体识别法包括：

通过Stanford的CoreNLP工具对英文文本进行处理，使用哈工大的LTP工具对中文文本进行处理，并对非结构化的设备文本、漏洞文本以及新闻文本等文本进行分词和人工标注；

通过NER工具和LTP工具对英文文本和中文文本分别进行模型的训练，从而得到中英文分开的命名实体识别模型；

使用训练好的命名实体识别模型在未标注的数据上进行分词和命名实体的识别，自动抽取一些粗粒度的实体；

获取粗粒度的实体，使用Word2Vec工具将实体名转化为词向量，并筛选出少量工业信息相关的实体，通过相关实体的词向量，计算其他实体的词向量与这些词向量的距离的均值，不断迭代从而从中选取相关实体。

4.根据权利要求1所述的一种工业信息安全知识图谱构建方法，其特征在于，关系抽取包括结构化数据关系抽取和非结构化数据关系抽取；

结构化数据关系抽取包括实体间的关系抽取和部分实体的属性关系抽取；

非结构化数据关系抽取采用基于词向量卷积神经网络的抽取方式进行关系抽取。

5.根据权利要求4所述的一种工业信息安全知识图谱构建方法，其特征在于，基于词向量卷积神经网络的抽取方式进行关系抽取的方法为，

Google开源的Word2Vec工具将所有训练语料中的词语进行向量化处理，将每一个词汇都转化为固定长度的词向量；

使用实体及其句式结构附近的词汇的词向量作为基本特征，将这些特征组合成特征向量，并根据词语在句式结构中的位置进行非线性的加权变换，得到根据词语向量信息和词语位置信息组合生成的特征向量；

特征向量经过不同卷积核的卷积运算后会抽取到更多的特征，将最后生成的特征向量集合应用于分类器中，得到训练分类模型，从而进行关系抽取。

6.根据权利要求1所述的一种工业信息安全知识图谱构建方法，其特征在于，工业信息安全事件抽取包括时间识别和时间关键信息抽取；事件识别通过触发词词典进行匹配，触发词词典包括事件核心词词典和事件相关词词典；关键信息抽取依据候选属性词设有筛选机制。

7.根据权利要求1所述的一种工业信息安全知识图谱构建方法，其特征在于，事件核心词词典的确定步骤包括：

第一步，利用词性标注方法，当一个句子中出现的事件核心词在该句中的词性为动词时，则执行第二步；

第二步，利用依存句法分析中的依存距离来判定关键词；

第三步，事件相关词词典中的词语用于协助判断句子描述工控安全事件。