网络攻击知识因素空间模型

以因素空间(FS)理论为基础,将网络攻击条件、手段与其攻击目标相结合,定义了一种基于因素空间的网络攻击知识模型(FSAKM).对攻击中的各种因素综合考虑和分析,包括与目标实现相关的攻击条件认知、攻击功能支撑关系、系统状态和人员能力级别,以及攻击因素间关系和衡量标准.采用因素模糊空间搜索算法获取攻击条件和功能集映射的测度,将其与获自于攻击单元和目标集的映射结果比较,根据人员操作能力提取与之相称的对应手段,通过实验验证了模型与算法效果.研究结果为安全人员的训练和能力验证提供了技术手段.     

基于MLL-AT的网络攻击建模方法研究

研究了攻击树建模攻击的方法,主要研究目的是如何有效地用攻击树建模和表示多阶段网络攻击。对传统攻击树进行扩充和改进,重新定义了攻击节点,量化了叶子节点的攻击风险,提出了一种用MLL-AT(多级分层攻击树)建模攻击的思想和方法,并给出了一种基于攻击树的MLL-ATDL攻击描述语言。改进后的攻击树能更准确地建模攻击,尤其是表示多阶段网络攻击,并可以用于评估系统风险,区分不同攻击序列对系统的不同安全威胁程度。     

网络攻击和网络攻击事件判定研究

由于网络攻击技术的复杂性和攻击事件的紧耦合性,目前对网络攻击测评难以定量。对网络攻击、网络攻击事件的判定和计数规则进行研究,提出网络攻击、网络攻击事件分类判定和计数的原则,给出了其应用场景的具体建议。为网络攻击和网络攻击事件组织进行网络攻击和网络攻击事件判定提供技术支撑和标准建议,支撑网络攻击态势的共享和准确感知。     

基于扩展网络攻击图的网络攻击策略生成算法

该文针对网络攻防领域攻击策略生成问题的特性,从攻击者角度研究网络攻击图。根据漏洞信息对攻击模板进行实例化,维护原子攻击以及攻击的前提条件和攻击效果等因果关系,形成扩展网络攻击图,并进一步提出基于扩展网络攻击图的网络攻击策略生成算法,该算法能够动态的预测下一步网络攻击效果,求出达到该攻击效果的攻击链及其成功概率,为网络攻击过程的顺利实施提供决策支持。通过网络攻防实验,验证了网络攻击图的扩张和网络攻击策略生成算法的正确性。     

基于高斯层次感知的知识图谱链接预测

传统知识图谱链接预测任务忽略了知识之间可能存在的语义层次以及知识的不确定性,导致链接预测结果不佳。针对该问题,文中提出一种高斯层次感知知识图谱链接预测模型。在该模型中,高斯嵌入部分引入实体和关系的高斯分布信息,以实体分布和关系分布之间的距离来衡量实体之间是否存在链接。词向量嵌入部分将学习到的实体和关系的词向量转换为复向量,将词的复向量映射到极坐标系中建模实体的语义层次,以嵌入向量之间的距离来衡量实体之间是否存在链接。根据D-S证据理论,融合两部分得分函数,从而实现准确的知识图谱链接预测。实验结果表明,该模型可以有效地对知识图中实体的语义层次和不确定性进行建模,并且在现有基准数据集上的效果较优于其他方法。     

知识图谱在网络安全配置领域的应用研究

当前信息系统网络规模日益扩大,网络安全设备数量及种类急剧增多,导致系统配置异常复杂困难.此外,网络威胁攻击方式层出不穷,攻击手段复杂多变,信息系统防护难度急剧增高,导致传统以人工为主的网络安全配置已无法满足要求.利用知识图谱善于处理大量复杂、互连接、低结构化数据的优势,通过构建网络安全配置知识图谱,实现对网络安全配置领...     

面向电力项目的知识图谱构建及应用研究

文章针对电力公司在项目管理过程中存在的项目数量多、范围广、管理链条长、项目各阶段数据难以深度融合和应用的问题,基于语义网、知识图谱、自然语言处理等人工智能技术,对项目管理智能化提升的关键技术进行了研究,提出了项目智能化管理提升的技术方案,包括以项目为中心的知识表示、知识存储、知识服务应用三部分内容,基于技术方案撘建了知识图谱平台,并总结了该技术在项目时序图谱构建、项目智能问答两个场景的应用及成果,明确了基于知识图谱提升项目效率效益,支撑精准投资,促进精益管理的研究方向。     

基于双曲图注意力网络的知识图谱链路预测方法

现有的大多数知识表示学习模型孤立地看待每个知识三元组,未能发现和利用实体周围邻域特征信息,并且将树状层级结构的知识图谱嵌入到欧式空间,会带来嵌入式向量高度失真的问题。为解决上述问题,该文提出了一种基于双曲图注意力网络的知识图谱链路预测方法(HyGAT-LP)。首先将知识图谱嵌入到负常数曲率的双曲空间中,从而更契合知识图谱的树状层级结构;然后在所给实体领域内基于实体和关系两种层面的注意力机制聚合邻域特征信息,将实体嵌入到低维的双曲空间;最后利用得分函数计算每个三元组的得分值,并以此作为判定该三元组成立的依据完成知识图谱上的链路预测任务。实验结果表明,与基准模型相比,所提方法可显著提高知识图谱链路预测性能。     

基于效果的网络攻击分类方法

为了对网络攻击效能进行更加合理、科学的评估,首先要对各种各样的网络攻击进行解析,分析清楚各种网络攻击的原理以及攻击所造成的影响.网络攻击不胜枚举,而攻击造成的影响可以归为有限的几类.本文在总结了几种常规网络攻击分类方法后提出了一种基于攻击效果的网络攻击分类方法,并且在此分类方法的基础上提出了相应的评估指标体系,通过这些指标可以对各种网络攻击效果进行定量定性的分析,进而评估网络攻击的效能,为后续研究打下理论基础.     

基于知识图谱的变电站智能故障诊断研究

本文针对传统方法在变电站复杂关系和场景下故障诊断存在的不足,提出了一种基于知识图谱的变电站设备智能故障诊断方法,该方法建立了故障数据治理、领域词典构建、知识图谱构建、分布式向量表示和故障关系推理五个阶段构成的故障诊断框架。方法从变电站告警信息中提取知识构建故障诊断知识三元组,面向故障诊断问题设计评价函数对三元组的实体和关系进行分布式向量表示,以知识图谱关系推理的方式来实现故障诊断。通过在领域数据集上对方法进行试验,成功验证了方法的有效性。     

基于Stackelberg-Markov的网络攻击识别系统设计

由于受到数据库容量限制,传统的识别系统对于新型网络攻击类型的识别能力低。针对这一问题,提出基于Stackelberg-Markov的网络攻击识别系统,优化了系统硬件和软件,同时引入自主识别端与远程维护端,通过两个端口协调配合采集信息,将得到的信息存入到数据库中,将防御识别处理器作为Stackelberg博弈理念的核心处理器,同时加入B365M AORUS ELITE主板+英特尔i5-9400F主板U套装/主板+CPU套装,提高系统的防御能力。利用穷举法和网络猜测法记录病毒木马入侵攻击这一类网络攻击,并给出相应的解决建议。实验结果表明,基于Stackelberg-Markov的网络攻击识别系统具有新型病毒记忆功能,能够有效识别多种类型的网络攻击,识别能力较好。     

基于表示学习的多关系型知识图谱推理算法

目前知识图谱的推理方法中,表示学习尤其是基于翻译的TransE系列算法取得了优异表现.其相关论文大都关注实体推理,然而关系推理作为知识图谱补全的关键技术值得受到关注与研究.与此同时,在规模不断扩大、知识来源更加多样化的知识图谱中,关系种类繁多且类型复杂,单个关系在全体三元组中的出现频率进一步降低,这为关系推理增加了难度...     

基于GCN的配电网知识图谱构建及应用

知识图谱拥有强大的表达能力,借助知识图谱可快速生成检索配电网设备选型、配置连接的辅助决策规则库,有利于降低配电网规范使用难度.同时,由于自动从技术规范文档提取实体关系时存在实体缺失和语义模糊等问题,文中提出基于GCN的配电网知识图谱构建方法,利用文档的语法依存关系和图神经网络的消息传递能力,实现多元实体关系抽取,以提高...     

基于知识图谱分阶模型的知识工程技术与应用

本文根据知识工程的工程逻辑和耗散结构理论的特征对比,确定了知识工程背后的理论基础——耗散结构理论.通过对知识图谱的"图"和"谱"进行内涵解析,提出了知识图谱作为耗散结构理论落地工具的观点,并给出了知识图谱阶的定义,扩大了知识图谱关于"谱"的内涵;最后,通过知识图谱阶在自然语言处理(NLP)领域和制造业领域的应用,为知识...     

知识图谱在汽车维修领域的应用

针对汽车维修效率低、维修知识覆盖广、维修经验不能有效共享等问题,提出利用知识图谱解决汽车维修场景业务痛点的思路.分析利用本体设计、知识抽取、知识映射等步骤构建汽车维修场景知识图谱的方法,并开发维修问答助手、维修知识搜索、知识后台等应用,提升汽车维修效率.     

基于人工智能的知识图谱构建技术及应用

知识图谱(Knowledge Graphs,KG)自提出以来快速发展,结合人工智能技术成为一个新兴研究方向.随着KG在智能搜索领域取得良好的应用效果,研究者们开始着手于各领域中KG的应用.在实际应用场景下,KG是一种大规模的语义网络,也是一种技术体系,通过运用人工智能方法将文本、语音和视频等非结构化数据建模,形成一种实...     

基于注意力机制和多关系事件的时序知识图谱推理

时序知识图谱推理是将时序信息引入知识表征学习和知识推理任务中,旨在推断事件在未来的演变趋势.针对大多数时序知识图谱推理方法存在跨时间实体与关系推理能力有限的问题,提出基于多关系事件和注意力机制的时序知识图谱推理模型（Attention Events Network,Attn-Net）.为利用时序知识图谱中推理任务与时序事件的关联信息,往往需要设计专门的、复杂度高的时序编码器.然而循环神经网络作为最常用的一类序列编码器,忽略了序列节点与任务之间的关联程度,并不能很好适用于知识推理.文中提出了使用自注意力机制序列编码模型来融合序列的历史信息,计算推理任务与时序历史信息的注意力标量,从而得到更准确的历史事件关联信息编码.在此基础上,使用注意力机制优化多关系邻域聚合器,根据不同关系下事件关注程度计算得到实体的邻域表示,从而获得更准确的事件编码,最终获取了更准确的实体邻域向量表示.在WIKI和YAGO数据集上实验表明,Attn-Net的效果分别提升了1.5%和2%,且有效提高了时序知识图谱推理的能力.     

基于吸收马尔可夫链攻击图的网络攻击分析方法研究

现有基于攻击图的入侵路径研究在计算状态转移概率时,缺乏对除基本网络环境信息以外因素的考虑,为了全面且合理地分析目标网络的安全性,提出了一种基于吸收马尔可夫链攻击图的网络攻击分析方法。首先,在攻击图的基础上,提出了一种基于漏洞生命周期的状态转移概率归一化算法;其次,使用该算法将攻击图映射为吸收马尔可夫链,并给出其状态转移概率矩阵;最后,对状态转移概率矩阵进行计算,全面分析目标网络的节点威胁程度、攻击路径长度、预期影响。在实验网络环境中应用所提方法,结果表明,所提方法能够有效分析目标网络中的节点威胁程度、攻击路径长度以及漏洞生命周期对网络整体的预期影响,有助于安全研究人员更好地了解网络的安全状态。