CN119442254A 基于知识图谱的网络安全漏洞检测方法、装置、终端设备及介质 （天津师范大学）

本申请公开了基于知识图谱的网络安全漏是采用样本漏洞的时序知识图谱，对TCGFormer检测模型是根据漏洞的时序知识图谱的实体和更有效地捕捉实体和关系节点的相关性以及长预警和应对能力，提高漏洞检测的准确性和效2根据预先训练好的漏洞检测模型和所述漏洞的时序知识图谱，安全等级，其中，所述预先训练好的漏洞检测模型是采用样本漏洞的时序知识图谱，对漏洞的时序知识图谱的实体和关系节点的相关性以及依基于所述实体编码模块，对所述样本漏洞的时序知识图谱中的实基于所述关系编码模块，对所述样本漏洞的时序知识图谱中的关系基于所述联合序列编码模块，对所述加权实体信息根据所述时间感知的实体和关系表示数据，对所述实体编码模块根据所述样本漏洞的知识图谱中的实体之间的距离和频率信息根据所述融合奖励和频率奖励，对注意力权重进行调节，得到根据所述调节后的多头注意力机制，对所述样本漏洞的时序知识图谱所述频率奖励包括通过频率补偿机制，对频繁出现的邻居节点进行通过预先建立的拓扑模式的关系图，对所述样本漏洞的时序知识图谱中3分别计算所述实体编码模块、所述关系编码模块和所述根据所述损失函数，对所述实体编码模块、所述关系编码模块和所述检测模块，用于根据预先训练好的漏洞检测模型和所述漏洞的时序知模型是根据漏洞的时序知识图谱的实体和关系节点的相关性以及依赖所述存储器存储计算机程序；所述至少一个处理器执行所述存储器存储的计算机程序，所述计算机程序被执行时实现权利要求1_7中任一项所述的基于知识图谱的网络安全4方法在捕获实体和关系节点相关性和长期时间依赖关[0006]2.知识表示不完整性：现有的基[0009]5.实体和关系节点相关性捕获不足5[0011]7.Transformer能力未充分利用：尽管Tr[0012]这些缺点和问题的产生原因主要是由于现有技术的算法和模型设计未能充分考漏洞的时序知识图谱的实体和关系节点的相关性以及依基于所述联合序列编码模块，对所述加权实体信息和所述关系表示信息进行编6检测模型是根据漏洞的时序知识图谱的实体和关系节点的相关性以及依基于所述联合序列编码模块，对所述加权实体信息和所述关系表示信息进行编7练好的漏洞检测模型是根据漏洞的时序知识图谱的实体和关系节点的相关性以及依赖关块Former和时序解码器，更有效地捕捉实体和关系节点的相关性以及长期时间依赖关系，8图5为本申请一实施例中VulKG数据集中不同分类器中tBGAT注意力头数量对准确[0035]参照图1，示出了本申请的一种基于知识图谱的网络安全漏洞检测方法实施例的的安全等级，其中，预先训练好的漏洞检测模型是采用样本漏洞的时序知识图谱，对[0037]终端设备上预先训练漏洞检测模型，即该漏洞检测模型至少包括实体编码模块、9安全等级，其中，预先训练好的漏洞检测模型是采用样本漏洞的时序知识图谱，对[0040]本申请又一实施例对上述实施例提供的基于知识图谱的网络安全漏洞检测方法学习，得到关系表示。之后联合序列编码模块将实体和关系表示进行对齐和拼接，通过根据调节后的多头注意力机制，对样本漏洞的时序知识图谱中的实体进行编码，利用RNN或LSTM处理时间序列数据来捕捉时间依赖性，可以更好地处理和分析时[0063]本申请实施例通过实体编码模块tBGAT、关系编码模块REN、联合序列编码模块解决方法：TCGFormer通过构建时序安全等级，其中，预先训练好的漏洞检测模型是采用样本漏洞的时序知识图谱，对[0081]参照图6，示出了本申请的一种基于知识图谱的网络安全漏洞检测装置实施例的检测模块602用于根据预先训练好的漏洞检测模型和漏洞的时序知识图谱，确定谱，对TCGFormer模型进行训练得到的，预先训练好的漏洞检测模型至少包括实体编码模洞的时序知识图谱的实体和关系节点的相关性以及依安全等级，其中，预先训练好的漏洞检测模型是采用样本漏洞的时序知识图谱，对[0083]本申请又一实施例对上述实施例提供的基于知识图谱的网络安全漏洞检测装置根据调节后的多头注意力机制，对样本漏洞的时序知识图谱中的实体进行编码，安全等级，其中，预先训练好的漏洞检测模型是采用样本漏洞的时序知识图谱，对预先训练好的漏洞检测模型是根据漏洞的时序知识图谱的实体和关系节点的相关性以及相关性以及依赖关系确定的，本申请实施例通过提供实体编码模块tBGAT、关系编码模块征的空间位置关系。应当理解的是，空间相对术语旨在包含