事件关联图知识表示法及其推理算法

知识表示一直是人工智能研究领域的一个中心课题。本文提出一种新的知识表示方法，称为事件关联图知识表示方法。这是一种以外部物理模型所发生的事件为基础的知识表示方法。它适用于智能控制领域的多种实时专家系统。它能清晰、自然地表达过程控制领域知识和时间概念，实现了事件的时序推理，并且能提高推理效率。本文同时给出一种用事件关联图表示的知识推理方法。

基于图卷积网络的重大事件趋势预测

针对基于公开新闻数据的重大事件趋势预测研究在文本特征提取上语义理解不足问题,提出基于图卷积网络的重大事件趋势预测方法。利用结构化事件信息构建以事件为中心的语义关联图;按时间片粒度分割出局部事件语义关联图,利用预训练词向量对节点文本初始化特征表示;将带有节点特征的局部事件语义关联图输入图卷积网络,聚合节点邻域信息计算图特征表示并输入到分类器,训练预测模型并输出预测结果。以朝鲜核行为趋势预测问题验证所提出方法的有效性,对测试集(2017年3月~2018年3月)预测准确率达到76.92%,全时间段预测准确率为89.58%。预测结果表明,该方法增强了对文本的语义理解,预测精度优于基于专家知识构建特征的方法。

基于权限提升的网络攻击图生成方法

研究已有攻击图生成方法,提出基于权限提升的攻击图关联算法,实现一种有效的网络攻击图自动生成工具。该工具利用数据库对网络攻击进行建模,包括主机描述、网络连接、利用规则3个属性,自动将网络配置和主机信息写入数据库,根据广度优先前向和后向搜索相结合的关联算法生成攻击事件图,实现网络安全的整体分析。