知识库的关联

融合建模

多源、多维、多层次数据的融合建模是后续分析技术的核心基础。本节将重点介绍融合建模中的关 键技术趋势⸺ 超融合知识图谱。

超融合知识图谱

4.1.1.1　定义内涵

超融合知识图谱的含义是以安全领域知识图谱为核心，面向网络环境数据、威胁行为数据、威胁情 报数据、安全知识库
等，构建本体化、标准化、全局化的知识结构，支持安全数据的动态查询与聚合分 析，升安全数据运营分析的整体性。超融合知识图谱是后续风险感知、因果认知、鲁邦决策、可靠行 动多层次技术能力实现的核心技术基础。没有统一的数据视图支撑，高复杂度算法的构建将是空中楼阁。
4.1.1.2　技术背景

网络环境本身具有典型的图结构，网络安全问题也因此很自然地与图数据结构、图算法结合起来。 在 Google 出知识图谱的概念之后，以知识图谱技术为基础的智能应用方案，已经在推荐系统、问答 系统、搜索引擎、社交网络、风控等领域广为使用。在安全领域，最常见的就是各大安全产品中的可视 化界面中资产关系图、攻击向量图等。通过图进行数据关联和推理，国内外
厂商也在不断地进行深入的 尝试。依赖于语义图的内在可解释性，图结构及图算法广泛的应用在诸多场景下，如推荐系统、欺诈检测、 网络安全等，为自然存在的大规模数据关系的挖掘提供了系统性的可解释的方法，成为 XAI（eXplainable AI）技术的重要组成部分。此外，针对图算法的研究，如基于深度学习的图嵌入、图遍历、图上异常检 测等，增强其可解释性也是重要的研究方向。
4.1.1.3　思路方案

微 软 的 智 能 安 全 图（Microsoft Intelligent Security Graph） 已 几 乎 全 面 占 领 了 Google 引 擎 “Graph”+“Security”关键词的搜索结果。其通过云生态和平台全面融合，链接多方多维数据，供 全面的威胁关联信息，并以云端的分析能力保证实时的威胁检测，此外还供了可快速集成的 API。 在 2019 年 RSAC大会上，微软安全团队介绍了数据重力ÿ