MDATA認知模型理論及應用

賈焰教授，2021年6月，入選中國工程院2021年院士增選評審候選人名單，曾就職於國防科技大學，現就職於哈爾濱工業大學（深圳），主要研究方向包括網絡空間安全、大數據分析和人工智能；擔任863高技術計劃信息安全主題專家組委員，國際和國內專業的大數據分析和信息安全專家，中國電腦學會電腦安全專業委員會常務委員，數據庫專業委員會委員。國際會議IEEE DSC 和國際論壇FFD發起人和指導委員會負責人，中文信息學會常務理事和專委會主任；擔任《通信學報》《網絡與信息安全學報》等近10個期刊的編委。 發表進入SCI/EI論文242篇，出版專著5部，獲授權中國發明專利82項，獲軟件著作權62項，參與制定國家行業標準7項。獲得國家科技進步二等獎4項，省部級/軍隊科技進步一等獎7項。 顧釗銓 主要研究方向為網絡空間安全、大數據分析等。 已出版專著有： 賈焰，顧釗銓，李愛萍（音）. 《MDATA：A New Knowledge Representation Model:Theory, Methods and Applications，9783030715908》，Springer，2021年。 賈焰，方濱興，顧釗銓，等.《網絡安全態勢感知》，2020年。 方濱興，顧釗銓，等. 《人工智能安全》，2020年。

第1章 認知模型概述 001

1.1　網絡空間安全的背景　001

1.1.1　網絡空間安全事件　002

1.1.2　網絡空間安全事件的三大特性　003

1.1.3　研判網絡空間安全事件的需求和挑戰　004

1.2　認知模型的概念及其發展歷史　005

1.2.1　認知模型的概念　005

1.2.2　認知模型的發展歷史　006

1.3　MDATA認知模型　014

1.3.1　MDATA認知模型的定義　014

1.3.2　MDATA認知模型的組成部分　015

1.3.3　MDATA認知模型的工作原理　021

1.3.4　MDATA認知模型的創新與貢獻　021

1.4　本章小結　022

參考文獻　023

第2章　MDATA認知模型知識表示與管理　025

2.1　知識表示與管理的基本概念和研究現狀　025

2.1.1　知識表示與管理的基本概念　025

2.1.2　知識表示法的研究現狀　026

2.1.3　知識管理方法的研究現狀　032

2.2　知識表示與管理的需求與挑戰　035

2.2.1　知識表示與管理的需求　035

2.2.2　知識表示與管理的挑戰　035

2.3　MDATA認知模型知識表示與管理方法　039

2.3.1　MDATA認知模型知識表示法　039

2.3.2　基於時空信息的MDATA認知模型聯合嵌入方法　041

2.3.3　MDATA認知模型特性分析　045

2.3.4　MDATA認知模型知識管理方法　047

2.3.5　索引壓縮方法　053

2.4　本章小結　056

參考文獻　057

第3章　MDATA認知模型知識獲取　059

3.1　知識獲取的基本概念和相關方法　059

3.1.1　知識獲取的基本概念　059

3.1.2　已有的知識抽取方法　061

3.1.3　已有的知識推演方法　065

3.2　知識獲取的需求與挑戰　070

3.2.1　知識獲取的需求　071

3.2.2　知識獲取的挑戰　071

3.3　MDATA認知模型的知識抽取方法　075

3.3.1　基於網絡空間安全本體模型的MDATA認知模型知識

抽取方法　075

3.3.2　基於遠程監督的MDATA認知模型關系抽取方法　077

3.3.3　基於實體鏈接的MDATA認知模型時空屬性抽取方法　079

3.4　MDATA認知模型的知識推演方法　080

3.4.1　面向網絡空間安全關系的MDATA認知模型知識

推演方法　081

3.4.2　面向網絡空間安全事件序列的MDATA認知模型知識

推演方法　082

3.5　本章小結　083

參考文獻　084

第4章　MDATA認知模型知識利用　086

4.1　知識利用的基本概念和相關技術　086

4.1.1　知識利用的基本概念　086

4.1.2　子圖匹配　088

4.1.3　可達路徑計算　091

4.1.4　基於標簽的子圖查詢　097

4.2　知識利用的需求與挑戰　099

4.3　MDATA認知模型的知識利用方法　100

4.3.1　MDATA認知模型的子圖匹配方法　100

4.3.2　MDATA認知模型的可達路徑計算方法　104

4.3.3　MDATA認知模型的基於標簽的子圖查詢方法　109

4.3.4　MDATA認知模型的分佈協同知識利用方法　110

4.4　本章小結　112

參考文獻　113

第5章　MDATA認知模型在網絡攻擊研判中的應用　115

5.1　已有的網絡攻擊檢測與研判技術　115

5.1.1　基於特徵匹配的單步攻擊檢測方法　116

5.1.2　基於機器學習的單步攻擊檢測方法　117

5.1.3　基於深度學習的單步攻擊檢測方法　119

5.1.4　基於溯源圖的多步攻擊檢測方法　120

5.1.5　基於相關性的多步攻擊檢測方法　122

5.2　網絡攻擊研判面臨的問題　124

5.3　MDATA認知模型的網絡攻擊研判技術　124

5.3.1　MDATA認知模型的有效攻擊研判方法　125

5.3.2　MDATA認知模型的跨域攻擊研判方法　133

5.3.3　MDATA認知模型自演化的未知攻擊研判方法　135

5.4　基於MDATA認知模型的 網絡攻擊研判系統YHSAS　136

5.4.1　YHSAS系統的體系架構和功能介紹　137

5.4.2　YHSAS系統的典型應用及其效果　144

5.5　本章小結　145

參考文獻　145

第6章　MDATA認知模型在開源情報分析中的應用　149

6.1　開源情報分析概述　149

6.1.1　開源信息和數據的多源採集技術　150

6.1.2　開源情報分析的情報要素抽取技術　155

6.1.3　開源情報分析的知識關聯和推理技術　158

6.2　開源情報分析的難點與挑戰　162

6.3　MDATA認知模型的開源情報分析技術　162

6.3.1　面向開源情報時空演化的MDATA認知模型知識表示技術　163

6.3.2　面向巨規模開源情報的MDATA認知模型抽取與計算技術　165

6.3.3　面向情報線索復雜關聯的MDATA認知模型知識推演與

利用技術　168

6.4　基於MDATA認知模型的開源 情報分析系統——天箭系統　173

6.4.1　天箭系統的體系架構和功能介紹　173

6.4.2　天箭系統的典型應用及其效果　177

6.5　本章小結　181

參考文獻　181

第7章　MDATA認知模型在網絡輿情分析中的應用　183

7.1　網絡輿情分析的概念與技術背景　183

7.1.1　自媒體時代的信息傳播規律　183

7.1.2　輿情事件的生命周期　184

7.1.3　網絡輿情分析的概念與已有技術　185

7.1.4　輿情分析的難點與挑戰　189

7.2　基於MDATA認知模型的網絡輿情分析技術　190

7.2.1　面向網絡輿情時空演化的MDATA認知模型知識表示法　191

7.2.2　面向數據巨規模社區群體的MDATA認知模型知識獲取法　193

7.2.3　面向輿情話題復雜關聯的MDATA認知模型知識利用法　197

7.3　基於MDATA認知模型的網絡輿情分析系統——鷹擊系統　199

7.3.1　鷹擊系統的體系架構和功能介紹　200

7.3.2　鷹擊系統的網絡輿情監測典型應用及其效果　201

7.4　本章小結　206

參考文獻　206

第8章　MDATA認知模型在網絡空間安全測評中的應用　208

8.1　網絡空間安全測評技術的研究現狀　208

8.1.1　信息系統安全等級保護　209

8.1.2　信息系統風險評估　210

8.1.3　基於實戰的網絡空間安全測評　211

8.2　網絡空間安全測評面臨的挑戰　213

8.3　基於MDATA認知模型的網絡空間安全測評過程　214

8.3.1　基於MDATA認知模型的測評準備　216

8.3.2　基於MDATA認知模型的測評方案構建　216

8.3.3　基於MDATA認知模型的測評方案執行　217

8.3.4　基於MDATA認知模型的測評結果量化評估　218

8.4　基於MDATA認知模型的鵬城網絡靶場安全測評實例　221

8.4.1　基於MDATA認知模型的測評準備　221

8.4.2　基於MDATA認知模型的測評方案生成　223

8.4.3　基於MDATA認知模型的測評方案執行　224

8.4.4　基於MDATA認知模型的測評結果量化評估　225

8.5　本章小結　225

參考文獻　226

附錄　中英對照表　227