引言

數(shù)據建模作為數(shù)據治理的核心任務，通常采用實體-關系模型，通過定義實體、屬性和關系等抽象結構來描述數(shù)據的語義，再映射為具體的數(shù)據庫表、字段及約束，從而實現(xiàn)數(shù)據的存儲與管理。然而，隨著數(shù)據量的迅猛增長以及業(yè)務需求的日益復雜，傳統(tǒng)的關系型數(shù)據建模方法逐漸暴露出諸多局限性。例如，傳統(tǒng)方法依賴于靜態(tài)的表結構和字段定義，難以有效處理多維度、動態(tài)變化的數(shù)據關系，也很難適應異構數(shù)據源的集成需求。隨著大數(shù)據、人工智能和知識圖譜等新興技術的快速發(fā)展，數(shù)據建模的范式也在發(fā)生深刻變化。

在這一背景下，知識圖譜和動態(tài)本體技術可以在數(shù)據治理領域發(fā)揮重要作用。知識圖譜通過圖結構表示實體及其關系，并能夠通過語義推理揭示數(shù)據之間的深層次聯(lián)系。本體則為知識圖譜提供了一個規(guī)范的語義框架，幫助明確各類實體及其屬性的定義及相互關系。知識圖譜和動態(tài)本體的結合，不僅提供了更靈活的建模手段，還能夠促進跨系統(tǒng)的數(shù)據集成，提升數(shù)據的語義理解與質量控制。

這一映射過程不僅是技術創(chuàng)新，也體現(xiàn)了對人類認知與理解世界方式的模擬。認知科學認為人類通過抽象符號、分類和關系表達知識，本體與知識圖譜正是構建這種抽象模型的工具。在智能化趨勢下，知識圖譜作為模擬人類認知的“圖式語言”，幫助機器理解、推理與學習數(shù)據，例如結合圖神經網絡（Graph Neural Network,GNN）進行推理與分析［1］。在網絡安全領域，知識圖譜能夠通過路徑推理識別攻擊者的潛在利用路徑（如漏洞→系統(tǒng)→攻擊者），或通過關系映射發(fā)現(xiàn)未修復漏洞的關聯(lián)防御措施。

在此基礎上，考慮到當前大部分業(yè)務系統(tǒng)的數(shù)據仍主要存儲于結構化數(shù)據庫中，而知識圖譜直接應用于業(yè)務系統(tǒng)的落地尚存在較大挑戰(zhàn)，因此本文提出一種基于知識圖譜和本體驅動的數(shù)據建模框架。通過將知識圖譜中的實體、屬性和關系有效映射到數(shù)據庫表結構，實現(xiàn)從語義建模到結構化數(shù)據存儲的高效轉化；并結合威脅情報自動抽取、跨系統(tǒng)數(shù)據融合等業(yè)務應用場景驗證框架能力。

本文詳細內容請下載：

http://m.ihrv.cn/resource/share/2000006649

作者信息：

徐睿1,2，劉金1,2，馮志1,2，張雅勤1,2，董偉1,2

（1.中國信息安全研究院有限公司， 北京102209;

2.華北計算機系統(tǒng)工程研究所， 北京100083）