实战：利用知识图谱分析企业信息资产威胁（要点＋视频）

知识图谱能够把复杂的知识领域通过语义匹配，数据挖掘、信息处理、知识计量和图形绘制显示出来，揭示知识领域的动态发展规律，为研究和决策提供切实的、有价值的参考。

因此，当知识图谱应用于信息资产安全威胁的发现与分析时，能够显著提升发现资产安全威胁的效率和准确率，为企业安全人员的威胁分析提供决策依据。

本次雷锋网硬创公开课，北京数字观星科技有限公司创始人郭亮分享了如何利用知识图谱，对企业信息资产面临的安全威胁，进行构建、绘制、挖掘以及分析的实践经验。

嘉宾介绍

郭亮，北京数字观星科技有限公司创始人，超过20年大型业务信息系统安全运营管理经验，曾担任过国家发改委多个重大技术专项课题的技术负责人。

演讲提要

以下为雷锋网该演讲提要，要想获取完整内容，请移步视频回放区：http://www.mooc.ai/course/443/learn#lesson/2420。

一、知识图谱的相关概念和构建

1.知识图谱

Google于2012年首先提出了知识图谱（Knowledge Graph）概念，目的在于描述真实世界中存在的各种实体、概念，以及它们之间的关联关系，大幅改善搜索体验。

本质上, 知识图谱旨在描述真实世界中存在的各种实体或概念及其关系,其构成一张巨大的语义网络图，节点表示实体或概念，边则由属性或关系构成。

知识是一个内涵非常丰富的概念；知识广泛存在于社会各个领域。科学知识图谱广义上包括：生物的基因图谱、教育教学中的认知地图、探索太空的天体图、描绘地形的GIS、模拟人脑的神经网络图、各种金属图谱等。

知识图谱是以科学知识为对象，显示学科的发展进程与结构关系的一种图形，具有“图”和“谱”的双重性质与特征。

2.知识图谱的3种节点：

实体: 指的是具有可区别性且独立存在的某种事物。如某一个人、某一个城市、某一种植物等、某一种商品等等。世界万物有具体事物组成，此指实体。如图1的“中国”、“美国”、“日本”等。，实体是知识图谱中的最基本元素，不同的实体间存在不同的关系。

语义类（概念）：具有同种特性的实体构成的集合，如国家、民族、书籍、电脑等。 概念主要指集合、类别、对象类型、事物的种类，例如人物、地理等。

内容: 通常作为实体和语义类的名字、描述、解释等，可以由文本、图像、音视频等来表达。

基于上述定义。基于三元组是知识图谱的一种通用表示方式，即,其中，是知识库中的实体集合，共包含|E|种不同实体； 是知识库中的关系集合，共包含|R|种不同关系；代表知识库中的三元组集合。三元组的基本形式主要包括(实体1-关系-实体2)和(实体-属性-属性值)等。

每个实体(概念的外延)可用一个全局唯一确定的ID来标识，每个属性-属性值对(attribute-value pair，AVP)可用来刻画实体的内在特性，而关系可用来连接两个实体，刻画它们之间的关联。如下图1的知识图谱例子所示，中国是一个实体，北京是一个实体，中国-首都-北京 是一个（实体-关系-实体）的三元组样例北京是一个实体 ，人口是一种属性2069.3万是属性值。北京-人口-2069.3万构成一个（实体-属性-属性值）的三元组样例。

3.知识图谱的构建

包括3个步骤：

信息抽取，即从各种类型的数据源中提取出实体（概念）、属性以及实体捡的相互关系，在此基础上形成本体化的知识表达

知识融合，在获得新知识后，需要对其进行整合，以消除矛盾和歧义，比如某些实体可能有多种表达，某个特定称谓也许对应于多个不同的实体等

知识加工，对于经过融合的新知识，需要经过质量评估之后（部分需要人工参与甄别），才能将合格的部分加入到知识库中，以确保知识库的质量，新增数据之后，可以进行知识推理、拓展现有知识、得到新知识。

4.知识样本数据的获取

传统静态知识

主要数据来源：Web of Science

科学文献数据：(SCI)  (SSCI)

专利文献数据：德温特创新索引DII

国际会议文献数据：(CPCI)

国内数据库：CNKI、CSSCI、CSCD、万方等

网络数据源：Google Scholar、arXiv、CiteSeerX

动态知识

主要数据来源：事件数据

另外还有Scopus，Science Direct

设备可读取以及可输出的异常数据

4.样本数据的梳理

基于数据进行知识可视化的质量、合理性和可靠性很大程度上依赖于所用数据的精确性和全面性，不准确或不全面的数据往往造成不精确甚至错误的结果。即使目前最权威、公认质量最高的WoS，也存在数据著录格式（如人名和地名的不统一）和遗漏的问题。

5.数据标准化

为便于可视化，对简单地频次计算的单元数据，标准化常常通过数据间的相似度测量。主要有两大类：一是集合论方法（Set-theoretic measures），包括Cosine、Pearson、Spearman、Inclusion 指数和Jaccard指数；二是概率论方法（Probabilistic measure），主要有合力指数（Association Strength）和概率亲和力指数（Probabilistic Affinity）

6.数据分析-简化分析

因子分析以较少几个因子描述许多指标或因素间关系，即把较密切的变量归在同一类，每类变量成为一个因子，以少量的因子反映原资料中大部分信息。

7.在知识图谱的解读过程中，常常需要对图谱进行相应操作，包括浏览、放大、缩小、过滤、查寻、关联和按需移动等。主要从以下几方面着手：网络分析、历时分析、空间分析、突变检测

二、资产和威胁

资产数字化是趋势，每个资产都有其特征；威胁是数字的表征，威胁数据有其特征

三、关联和分析

分三步：

第一步，先把企业开展工作需要哪些关键知识识别出来，找到源头，不管是企业内部的还是外部的，不管是数据库、文档库还是网页，都汇聚起来；

第二步，是通过知识图谱，让系统能“认识理解”这些数字和文字代表的含义，把各个源头的知识抽取出来，把知识和人都关联起来，形成一张知识网；

第三步，让知识围绕业务转起来，实现智能化应用，包括语义搜索、个性化推荐、智能问答、协同研究、决策支持等等

要想获取雷锋网该公开课演讲的完整内容，请移步视频回放区：http://www.mooc.ai/course/443/learn#lesson/2420。