-
公开(公告)号:CN116720580A
公开(公告)日:2023-09-08
申请号:CN202310512306.4
申请日:2023-05-08
Applicant: 鹏城实验室 , 四川亿览态势科技有限公司 , 电子科技大学(深圳)高等研究院
IPC: G06N5/022 , G06F18/214
Abstract: 本申请实施例提供了一种知识图谱的知识补全方法、系统、电子设备及存储介质,属于网络安全技术领域。方法包括:获取知识数据,并将数据划分为训练集、验证集和测试集;利用初始向量表示模型对数据中的实体和关系进行预处理,形成嵌入时间信息的实体向量和关系向量;利用训练集训练初始向量表示模型,得到多个候选向量表示模型;利用验证集对多个候选向量表示模型进行验证,得到目标向量表示模型;通过目标向量表示模型对测试集中的实体向量和关系向量进行处理,以构建多个待检验知识;通过打分函数从多个待检验知识中,得到候选知识;对候选知识进行检验,并根据检验结果判断候选知识是否需要补充到知识图谱中。
-
公开(公告)号:CN116610812A
公开(公告)日:2023-08-18
申请号:CN202310468627.9
申请日:2023-04-23
Applicant: 鹏城实验室 , 四川亿览态势科技有限公司 , 电子科技大学(深圳)高等研究院
Abstract: 本发明实施例提供图谱生成方法、攻击测验方法、装置、设备和介质,涉及网络安全技术领域。图谱生成方法获取至少一个网络攻击规则,对其进行解析得到攻击参数实体和攻击参数关系,并基于攻击参数实体和攻击参数关系构建表征空间信息的第一表示图谱;同时提取得到攻击时序实体和攻击时序关系,基于攻击时序实体和攻击时序关系构建表征时间信息的第二表示图谱,结合第一表示图谱和第二表示图谱得到网络攻击规则图谱。生成网络攻击规则的攻击参数实体和攻击时序实体,将攻击参数、空间特征和时间特征表示在同一层级的网络攻击规则图谱中,知识表示过程更直观,得到的网络攻击规则图谱在使用时能够快速查询或预测,提升网络攻击规则图谱的应用效率。
-
公开(公告)号:CN116257643A
公开(公告)日:2023-06-13
申请号:CN202310515242.3
申请日:2023-05-09
Applicant: 鹏城实验室
IPC: G06F16/36 , G06F16/901 , G06F40/279
Abstract: 本申请公开了一种跨语言实体对齐方法、装置、设备及可读存储介质,该方法包括步骤:获取待融合的跨语言知识图谱,以及获取跨语言知识图谱对应的第一对齐种子;将跨语言知识图谱内的文本翻译成统一语言文本,并对统一语言文本对应的实体向量进行初步对齐,得到初步对齐结果;确定实体向量间的相似度,并将大于等于第一预设相似度的相似度所对应的统一语言文本作为第二对齐种子;根据第一对齐种子和第二对齐种子,按照文本相似度和/或语义相似度,分批调整初步对齐结果中的实体向量;将调整后的实体向量中相似度最高的实体向量进行对齐,得到目标对齐结果。本申请实现了根据文本相似度和语义相似度,分批调整初步对齐结果,得到目标对齐结果。
-
公开(公告)号:CN116702893A
公开(公告)日:2023-09-05
申请号:CN202310518784.6
申请日:2023-05-09
Applicant: 鹏城实验室 , 四川亿览态势科技有限公司 , 电子科技大学(深圳)高等研究院
IPC: G06N5/02 , G06F18/214 , G06F16/36
Abstract: 本申请公开了网络安全知识图谱的嵌入方法、装置及介质,方法包括:构建知识图谱嵌入模型的训练集;将训练集中的实体初始化为知识图谱嵌入模型的嵌入层实体向量,并将空间信息和时间信息分层嵌入到嵌入层实体向量;获取正样本并对正样本进行负采样操作,得到负样本;构建交叉熵损失函数,通过正样本和负样本对知识图谱嵌入模型进行训练;计算知识图谱嵌入模型的平均倒数排名,选取平均倒数排名中分数最高的知识图谱嵌入模型作为目标模型;根据链接预测对目标模型进行测试评估以确定目标模型的效能。在本发明实施例中,能够将网络安全知识的时间信息和空间信息映射到嵌入层,实现具有时空特性的网络安全知识在嵌入层的表示。
-
公开(公告)号:CN116257643B
公开(公告)日:2023-08-25
申请号:CN202310515242.3
申请日:2023-05-09
Applicant: 鹏城实验室
IPC: G06F16/36 , G06F16/901 , G06F40/279
Abstract: 本申请公开了一种跨语言实体对齐方法、装置、设备及可读存储介质,该方法包括步骤:获取待融合的跨语言知识图谱,以及获取跨语言知识图谱对应的第一对齐种子;将跨语言知识图谱内的文本翻译成统一语言文本,并对统一语言文本对应的实体向量进行初步对齐,得到初步对齐结果;确定实体向量间的相似度,并将大于等于第一预设相似度的相似度所对应的统一语言文本作为第二对齐种子;根据第一对齐种子和第二对齐种子,按照文本相似度和/或语义相似度,分批调整初步对齐结果中的实体向量;将调整后的实体向量中相似度最高的实体向量进行对齐,得到目标对齐结果。本申请实现了根据文本相似度和语义相似度,分批调整初步对齐结果,得到目标对齐结果。
-
-
-
-