物联网威胁情报知识图谱中潜在关系的挖掘

作     者：程子栋 李鹏 朱枫 CHENG Zidong;LI Peng;ZHU Feng

作者机构：南京邮电大学计算机学院、软件学院、网络空间安全学院南京210023 南京邮电大学网络安全与可信计算研究所南京210023 

基　　金：国家自然科学基金资助项目(62102194) 江苏省“六大人才高峰”高层次人才项目(RJFW-111) 

出 版 物：《计算机应用》 (journal of Computer Applications)

年 卷 期：2025年第45卷第1期

页      码：24-31页

摘      要：知识图谱对实现物联网威胁情报(ITI)的共享与利用具有重要意义,图神经网络(GNN)可以应用于ITI知识图谱(ITIKG)的知识表示任务,进而挖掘ITIKG的潜在关系;然而,当前大多数GNN没有考虑节点类型对节点表示能力的影响,且在节点信息聚合过程中使用随机策略进行节点采样,导致这些GNN不能区分不同距离的邻居,且没有考虑节点之间的关联性或重要性。为了解决这些问题,首先,基于不同数据源构建ITIKG;然后,设计确定性采样方法,从而基于节点的重要性采样根节点的邻居,并且考虑邻居距根节点的距离以及邻居在图中的中心性度量,即Katz中心性和中介中心性;最后,设计节点、节点模态和节点类型的嵌入和聚合方法。在此基础上,提出基于确定性采样的多模态异构图神经网络(DM-HGNN)模型。在所构建的ITIKG上的链接预测实验的结果表明,DM-HGNN模型的性能优于metapath2vec、多模态知识图谱表示学习模型(MMKRL)以及复杂图卷积网络(ComplexGCN)等知识表示模型,相较于次优模型MMKRL,DM-HGNN模型在曲线下面积(AUC)上提高了6.8%,在F1值上提高了7.1%,展示了DMHGNN模型在链接预测任务上有效性和先进性。

主 题 词：物联网安全 威胁情报 知识图谱 图神经网络 知识表示 链接预测 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

D　O　I：10.11772/j.issn.1001-9081.2024010136

馆 藏 号：203156926...