國家開發(fā)銀行河北省分行 董 杭

本文簡述了知識圖譜的概念及其在銀行業(yè)中的應用，并從方案設計和實現方法兩方面著手，對銀行網絡安全中知識圖譜技術的應用進行分析，旨在為相關研究人員提供參考，更好地應用于銀行網絡安全的維護中。

1 知識圖譜技術的應用現狀

目前，信息服務應用朝著智能化的方向發(fā)展，在個性化推薦、智能問答以及智能檢索等多個領域中都實現了知識圖譜技術的廣泛應用。對于智能檢索應用來說，系統將會突破以往關鍵詞匹配的局限，從用戶檢索的目的和實際環(huán)境出發(fā)展開推理，這樣檢索的結果便可以展現出更加結構化以及層次化的特征。另外，知識圖譜技術的應用，能夠使計算機更好地實現對于人類語言模式的理解，進而更加智能化地對用戶所需要的各類信息進行反饋。

2 銀行網絡安全中知識圖譜技術的應用分析

2.1 方案設計

（1）總體架構

在構建網絡安全知識圖譜的過程中，最為關鍵的內容便是合理識別網絡安全實體以及對于實體關系的抽取，其具體的識別包括黑客信息、漏洞信息、惡意程序信息以及用戶信息等。結合當前的實際情況來分析，在深度學習基礎上所形成的網絡識別在效果上相對較好，其主要由循環(huán)神經網絡和卷積神經網絡組成。之所以要對實體關系進行抽取，是因為要確定各個網絡安全實體之間所具有的關系，具體可以強化對于半監(jiān)督學習方法的應用，進而提升實體關系抽取的實效性。

從實際情況來看，網絡安全結構相對復雜且有著廣泛的數據來源，其中所涉及到的數據類型包括結構化、半結構化以及非結構化等?；诖耍P者在本文中基于傳統模型對于數據分類的管理提出了根據知識圖譜技術所形成的網絡安全數據組織方法。從網絡安全數據特征出發(fā)，立足于相關接入規(guī)則的要求，從不同的層面著手，對相應的網絡安全數據進行采納和收集工作；接下來要采取數據清洗的方式，針對原始數據的標準方式和格式規(guī)整等相關內容展開相應的預處理工作，對其中的各類有效信息進行保留，與此同時將數據的復雜程度降低。充分運用專家經驗，完成對于網絡安全知識庫和相應本體關系的構建；運用雙向長短時記憶網絡-條件隨機場模型，在參數共享的基礎上高質量實現實體識別、關系抽取，這樣便能解決其普遍存在的因為多標注所造成的模型準確性降低的問題；然后便可對完成合并后的知識進行組織，繼而構建起更加完整和全面的知識圖譜。

（2）網絡安全知識圖譜設計

網絡安全知識圖譜主要涉及到兩方面內容。一方面為通用知識圖譜，其中包含安全公告、攻擊威脅、已知漏洞等信息，這些信息能夠在各個漏洞網站中獲得，本質上屬于已有的安全知識；另一方面，能夠實現對于網絡結構覆蓋的擴展知識圖譜，其中主要包含網絡運維、網絡拓撲、網絡資產等信息，是一種具體網絡的特有知識，需要對其展開具體的學習。

知識圖譜在深度學習能力的應用下能為銀行動態(tài)、海量的大數據表達、管理和應用帶來一種更加高效的手段，提升銀行知識處理的智能化水平，使其能夠無限同人類本身的認知思維相適應。知識圖譜的應用場景具體包括三方面內容，分別為智慧平臺級、業(yè)務領域級和通用應用級，具體如圖1所示。

圖1 知識圖譜的應用場景

筆者主要針對業(yè)務領域級和通用應用級展開分析。

從銀行金融業(yè)務分類的實際情況進行分析，能夠將業(yè)務領域級的知識圖譜劃分為對公知識圖譜、零售知識圖譜等類型，其中最關鍵的應用便在于風險時間傳導、客戶識別、智能風險報告、風險前置等。在通用應用級方面，結合當前市場各行業(yè)的應用狀況來看，知識圖譜所具有的通用場景涉及到問答、地圖、協作、搜索等。在知識圖譜技術基礎上所進行的智能搜索主要是基于長尾的搜索，搜索引擎將會采用知識卡片的形式展現出相應的搜索結果。用戶的查詢請求將會經歷查詢式語義理解和知識檢索兩個階段，智能搜索引擎的具體展現形式包括集成數據、查詢答案、查詢答案推薦列表等。對于信息檢索系統來說，問答系統是其高級形式，可以針對用戶所提出的問題用更加簡潔精煉的自然語言予以解答。傳統問答系統的應用更側重于關鍵字在搜索知識庫，而利用知識圖譜技術所建立的問答系統則是依靠領域知識，充分運用自然語言理解和相應的對話管理平臺，通過采用規(guī)則+模型的方法，構建起能夠為二次開發(fā)提供支持的實體識別模型，進而提升擬人交互過程的智能性、可感知性。此外，推演、圖析地圖均需要在領域知識圖譜的基礎上實現，進而向用戶展現出相應的特征、布局以及關系等信息，具體涉及到風險推演、資金關系圈、客戶畫像以及風險地圖等。

2.2 方法實現

（1）數據處理

在正式對原始數據進行獲取之前，應先針對原始數據采取清洗措施，具體指的是格式規(guī)整、標注方式方面的處理。數據清洗和過濾工作應按照以下步驟：首先為初步過濾，在該階段需通過對于合規(guī)數據的應用，制定出更加規(guī)范的正則表達式，實現對于數據的科學篩查。其次便是去除冗余，在該階段需加強Bloom-Filter算法的應用對重復數據進行過濾。最后則在于補足殘缺，通過均值插補方式的應用達到良好的殘缺處理效果，定類數據、定量數據所使用的分別為眾數插補和均值插補。因為其數據結構和類型存在一定的差異性，所以應當針對數據展開精加工工作。其中，所涉及的半結構化和結構化數據都屬于百科類數據，一般情況下都擁有固定的標簽類格式，并側重于專家知識庫，所以通常有著相對較高的可信度，在對實體進行獲取的過程中可以從該類數據中進行相關信息的直接抽取，并在隊列中對相關實體進行存儲，為后續(xù)的調用提供方便。在面臨非結構化數據的時候，在其加工過程中應事先剔除無用標簽，接下來再采用相關工具針對文本數據展開分詞處理，這樣便能夠形成相應的語料庫。知識圖譜技術本身有著數據可視化、圖模型計算、圖挖掘等多方面優(yōu)勢，能夠為銀行工作者在各種業(yè)務場景下進行科學分析和決策創(chuàng)造良好的條件，有助于形成客戶畫像，此基礎上提升客戶服務的精準性，對銀行業(yè)務場景的交易全貌進行更好的表達。

（2）網絡安全知識圖譜構建

知識庫是網絡安全知識圖譜構建的重要組成部分，網絡安全知識庫模型中涉及到五方面元素，分別為定義、實例、關系、屬性、規(guī)則。在本文的設計模型體系中包括五個本體，具體為物理安全、主機安全、網絡結構安全、應用安全以及數據安全。其中，物理安全主要指的是系統網絡所處的環(huán)境以及各種設備的安全；主機安全是指服務器和終端等設備所具有的操作系統以及文件安全；網絡結構安全在于設備防護措施、入侵防護措施的完備，同時與訪問控制設置與網絡拓撲安全有著密切的聯系；應用安全主要指的是其所使用的網絡應用軟件以及系統的安全性；數據安全具體在于數據所具有的保密性以及完整性。

在實體識別方面，筆者采用了一種在特征模板和BiLSTM—CRF基礎上所形成的一種命名實體識別訓練方法。首先，需要充分結合專家經驗事先對本體關系進行構造，完成初步篩選工作后便可以產生相應的特征模板，接下來便要對局部上下文特征進行提取。其次，則應當利用Bert模型，預先訓練的字向量文件對輸入語句進行轉化，使其以字向量序列的形式呈現出來，并對局部上下文特征、字符特征向量進行組合。最后，需要使用條件隨機場算法開展對于語義特征的實體標準工作，這樣便可最終得到相應的標記序列。網絡數據可劃分為結構化數據、非結構數據、圖數據以及流數據等幾種形式。從實際情況來看，圖所對應的是擁有復雜聯系的實體或者是拓撲信息，而流則是網絡流的緩存實體。結構化數據主要指的是數據庫記錄實體，非結構化數據則同網絡日志等實體相對應。因為OrientDB圖形數據庫的應用能實現類結構化查詢語言，可以對知識圖譜各個節(jié)點及相應關系信息實現全面獲取，其本身作為圖像數據庫在當前有著較高的成熟度以及良好的性能優(yōu)勢，所以筆者在本文中主要使用OrientDB圖形數據庫對網絡安全知識圖譜展開組織和構建工作。

結論：優(yōu)化采用知識圖譜技術能提升銀行網絡安全，對于銀行未來的持續(xù)平穩(wěn)發(fā)展有著促進作用。因此，相關工作人員應重視知識圖譜技術，增強銀行網絡的安全性。