计算机应用

作者：程子栋, 李鹏, 朱枫

单位：1.南京邮电大学 计算机学院、软件学院、网络空间安全学院，南京 210023；2.南京邮电大学 网络安全与可信计算研究所，南京 210023

关键词：物联网安全,威胁情报,知识图谱,图神经网络,知识表示,链接预测

基金：国家自然科学基金资助项目(62102194);江苏省“六大人才高峰”高层次人才项目(RJFW-111)

知识图谱对实现物联网威胁情报（ITI）的共享与利用具有重要意义，图神经网络（GNN）可以应用于ITI知识图谱（ITIKG）的知识表示任务，进而挖掘ITIKG的潜在关系；然而，当前大多数GNN没有考虑节点类型对节点表示能力的影响，且在节点信息聚合过程中使用随机策略进行节点采样，导致这些GNN不能区分不同距离的邻居，且没有考虑节点之间的关联性或重要性。为了解决这些问题，首先，基于不同数据源构建ITIKG；然后，设计确定性采样方法，从而基于节点的重要性采样根节点的邻居，并且考虑邻居距根节点的距离以及邻居在图中的中心性度量，即Katz中心性和中介中心性；最后，设计节点、节点模态和节点类型的嵌入和聚合方法。在此基础上，提出基于确定性采样的多模态异构图神经网络（DM-HGNN）模型。在所构建的ITIKG上的链接预测实验的结果表明，DM-HGNN模型的性能优于metapath2vec、多模态知识图谱表示学习模型（MMKRL）以及复杂图卷积网络（ComplexGCN）等知识表示模型，相较于次优模型MMKRL，DM-HGNN模型在曲线下面积（AUC）上提高了6.8%，在F1值上提高了7.1%，展示了DM-HGNN模型在链接预测任务上有效性和先进性。

来源：2025年第1期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第1期