CN115378624B - 知识图谱构建方法、装置、电子设备及存储介质 - Google Patents

知识图谱构建方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN115378624B
CN115378624B CN202210392779.0A CN202210392779A CN115378624B CN 115378624 B CN115378624 B CN 115378624B CN 202210392779 A CN202210392779 A CN 202210392779A CN 115378624 B CN115378624 B CN 115378624B
Authority
CN
China
Prior art keywords
entity
data
information
data sources
fusion
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202210392779.0A
Other languages
English (en)
Other versions
CN115378624A (zh
Inventor
闫汇
杨明川
白亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Telecom Corp Ltd
Original Assignee
China Telecom Corp Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Telecom Corp Ltd filed Critical China Telecom Corp Ltd
Priority to CN202210392779.0A priority Critical patent/CN115378624B/zh
Publication of CN115378624A publication Critical patent/CN115378624A/zh
Application granted granted Critical
Publication of CN115378624B publication Critical patent/CN115378624B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/04—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks
    • H04L63/0428—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the data content is protected, e.g. by encrypting or encapsulating the payload
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/04—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks
    • H04L63/0407—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the identity of one or more communicating identities is hidden
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L2209/00—Additional information or applications relating to cryptographic mechanisms or cryptographic arrangements for secret or secure communication H04L9/00
    • H04L2209/12—Details relating to cryptographic hardware or logic circuitry
    • H04L2209/127—Trusted platform modules [TPM]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L2209/00—Additional information or applications relating to cryptographic mechanisms or cryptographic arrangements for secret or secure communication H04L9/00
    • H04L2209/46—Secure multiparty computation, e.g. millionaire problem
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • General Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computing Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computer Hardware Design (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Storage Device Security (AREA)

Abstract

本公开提供了一种知识图谱构建方法、装置、电子设备及存储介质，涉及数据处理领域。该方法包括：对多个数据源中的数据分别进行知识抽取，得到所述多个数据源的数据实体信息；将所述多个数据源的数据实体信息分别进行隐私计算处理，得到所述多个数据源的加密实体信息；根据预设的实体融合规则和所述加密实体信息，对所述多个数据源的数据进行实体知识融合处理，得到实体融合信息；根据所述实体融合信息，构建融合所述多个数据源的知识图谱。本公开能够以在多方明文数据不出本地的情况下构建融合知识图谱，有效利用多方的数据解决信息不对称、计算结果不准确的问题，识别更复杂、更全面的关系链条以及风险。

Description

知识图谱构建方法、装置、电子设备及存储介质
技术领域
本公开涉及数据处理领域，尤其涉及一种知识图谱构建方法、装置、电子设备及存储介质。
背景技术
在社会信息化建设的过程中，同一身份实体的数据在不同行业或领域相互独立存储、独立维护，彼此间相互孤立，形成了物理上的数据孤岛。单一来源的数据仅能从某个维度对实体进行分析，使得对预警对象缺乏全面的分析把控。
相关技术中实现多方数据联合的方式通常包括：
1.将各参与方数据汇总在一起，然后进行模型训练并共同应用该模型；
2.将各参与方数据共同存放在第三方；
3.各参与方通过定制的数据流通平台实现数据共享，各参与方之间互相约定接口，通过接口调用对应的数据。
然而，以上方式均会存在数据泄漏的风险，极有可能会给各参与方造成重大损失，同时也可能因此降低各参与方之间的信任度。此外，数据流通平台的定制成本高，流程繁琐，平台透明度不够；而传统的数据库通过表格、字段等进行读取，关系层级和表达方式多种多样，难以处理复杂多样的关联分析，在真实场景中难以支撑管理和决策。
需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的相关技术的信息。
发明内容
本公开提供一种文本搜索意图识别方法、装置、电子设备及存储介质，至少在一定程度上克服相关技术中的多方数据联合的数据泄漏使得难以处理复杂多样的数据关联分析的技术问题。
本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
根据本公开的一个方面，提供了一种知识图谱构建方法，该方法包括：对多个数据源中的数据分别进行知识抽取，得到所述多个数据源的数据实体信息；将所述多个数据源的数据实体信息分别进行隐私计算处理，得到所述多个数据源的加密实体信息；根据预设的实体融合规则和所述加密实体信息，对所述多个数据源的数据进行实体知识融合处理，得到实体融合信息；根据所述实体融合信息，构建融合所述多个数据源的知识图谱。
在一些实施例中，所述将所述数据实体信息进行隐私计算处理，得到加密的实体信息之前包括：利用第一预设方式对所述多个数据源的数据实体信息进行算法适配处理，得到所述多个数据源的适配后的数据实体信息；其中，所述第一预设方式包括以下至少之一：区分代码安全区域与非安全区域、计算算子加密和建模梯度参数拟合。
在一些实施例中，所述将所述数据实体信息进行隐私计算处理，得到加密实体信息包括：利用第二预设方式对所述多个数据源的适配后的数据实体信息进行隐私计算处理，得到所述多个数据源的加密实体信息；其中，所述第二预设方式包括以下至少之一：可信执行环境、安全多方计算和联邦学习。
在一些实施例中，所述加密实体信息至少包括：实体身份信息、实体属性信息和实体关系信息。
在一些实施例中，根据预设的实体融合规则和所述加密实体信息，对所述多个数据源的数据进行实体知识融合处理，得到实体融合信息包括：基于所述多个数据源的所述实体身份信息，计算各实体身份信息的相似度；将所述相似度满足设定阈值的实体身份信息进行知识融合，并将其对应的实体属性信息、实体关系信息进行对齐处理；将处理后的实体身份信息、实体属性信息、实体关系信息作为所述实体融合信息。
在一些实施例中，根据预设的实体融合规则和所述加密实体信息，对所述多个数据源的数据进行实体知识融合处理，得到实体融合信息之前包括：对所述多个数据源进行信源加密，将数据源和数据源发送的数据明文或代表明文的电信号转化为数据密文；所述多个数据源的加密实体信息在传输加密信道进行知识融合处理。
在一些实施例中，对多个数据源中的数据分别进行知识抽取，得到所述多个数据源的数据实体信息之后包括：根据所述数据实体信息，对单个数据源中的数据进行知识融合，得到融合后的数据实体信息。
根据本公开的另一个方面，提供了一种知识图谱构建装置，该装置包括：知识抽取模块，用于：对多个数据源中的数据分别进行知识抽取，得到所述多个数据源的数据实体信息；隐私计算模块，用于：将所述多个数据源的数据实体信息分别进行隐私计算处理，得到所述多个数据源的加密实体信息；知识融合模块，用于：根据预设的实体融合规则和所述加密实体信息，对所述多个数据源的数据进行实体知识融合处理，得到实体融合信息；图谱构建模块，用于：根据所述实体融合信息，构建融合所述多个数据源的知识图谱。
根据本公开的另一个方面，还提供了一种电子设备，该电子设备包括：处理器；以及存储器，用于存储处理器的可执行指令；其中，处理器配置为经由执行可执行指令来执行上述任意一项知识图谱构建方法。
根据本公开的另一个方面，还提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述任意一项的知识图谱构建方法。
本公开的实施例所提供的知识图谱构建方法、装置、电子设备及存储介质，通过隐私计算技术可以实现在保护数据本身不对外泄露的前提下进行数据的分析计算，实现不分享数据但分享数据的价值；将多数据源数据进行知识融合后构建知识图谱，可以高效处理多源异构数据，对于关系的挖掘与分析，知识图谱能够找到隐藏关系在行为之下的联系，识别更复杂、更全面的关系链条以及风险，有效利用多方的数据解决信息不对称、计算结果不准确的问题。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1示出本公开实施例中一种知识图谱构建系统架构示意图；
图2示出本公开第一实施例中的知识图谱构建方法流程图；
图3示出本公开第二实施例中的知识图谱构建方法流程图；
图4示出本公开第三实施例中的知识图谱构建系统框图；
图5示出本公开第四实施例中的基于多源数据的风险预警方法的流程图；
图6示出本公开实施例中一种知识图谱构建装置示意图；以及，
图7示出本公开实施例中一种电子设备的结构框图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
为便于理解，在介绍本公开实施例之前，首先对本公开实施例中涉及到的几个名词进行解释如下：
可信执行环境(Trusted execution environment，TEE)是移动设备(包含智能手机、平板电脑、机顶盒、智能电视等)主处理器上的一个安全区域，其可以保证加载到该环境内部的代码和数据的安全性、机密性以及完整性。TEE提供一个隔离的执行环境，提供的安全特征包含：隔离执行、可信应用的完整性、可信数据的机密性、安全存储等；TEE提供的执行空间比常见的移动操作系统(如IoS、Android等)提供更高级别的安全性；比安全元素SE(Secure Element，如智能卡、SIM卡等)提供更多的功能。
安全多方计算(Secure Multi-party Computation,MPC)是指某一组互相不信任的参与者在保护个人隐私的同时，可以进行协同计算，可以在保护个人隐私信息的前提下，实现隐私数据共享。
联邦学习(Federated Learning，FL)是一种机器学习设定，其中许多客户端在中央服务器的协调下共同训练模型，同时保持训练数据的去中心化及分散性；联邦学习的长期目标：在不暴露数据的情况下分析和学习多个数据拥有者的数据。
下面结合附图，对本公开实施例的具体实施方式进行详细说明。
图1示出了可以应用于本公开实施例的知识图谱构建方法或知识图谱构建装置的示例性系统架构的示意图。
如图1所示，该系统架构包括终端设备101、网络102和服务器103。
网络102用以在终端设备101和服务器103之间提供通信链路的介质，可以是有线网络，也可以是无线网络。
可选地，上述的无线网络或有线网络使用标准通信技术和/或协议。网络通常为因特网，但也可以是任何网络，包括但不限于局域网(Local Area Network，LAN)、城域网(Metropolitan Area Network，MAN)、广域网(Wide Area Network，WAN)、移动、有线或者无线网络、专用网络或者虚拟专用网络的任何组合)。在一些实施例中，使用包括超文本标记语言(Hyper Text Mark-up Language，HTML)、可扩展标记语言(ExtensibleMarkupLanguage，XML)等的技术和/或格式来代表通过网络交换的数据。此外还可以使用诸如安全套接字层(Secure Socket Layer，SSL)、传输层安全(Transport Layer Security，TLS)、虚拟专用网络(Virtual Private Network，VPN)、网际协议安全(InternetProtocolSecurity，IPsec)等常规加密技术来加密所有或者一些链路。在另一些实施例中，还可以使用定制和/或专用数据通信技术取代或者补充上述数据通信技术。
终端设备101可以是各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机、台式计算机、可穿戴设备、增强现实设备、虚拟现实设备等。
可选地，不同的终端设备101中安装的应用程序的客户端是相同的，或基于不同操作系统的同一类型应用程序的客户端。基于终端平台的不同，该应用程序的客户端的具体形态也可以不同，比如，该应用程序客户端可以是手机客户端、PC客户端等。
服务器103可以是提供各种服务的服务器，例如对用户利用终端设备101所进行操作的装置提供支持的后台管理服务器。后台管理服务器可以对接收到的请求等数据进行分析等处理，并将处理结果反馈给终端设备。
可选地，服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN(Content Delivery Network，内容分发网络)、以及大数据和人工智能平台等基础云计算服务的云服务器。终端可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等，但并不局限于此。终端以及服务器可以通过有线或无线通信方式进行直接或间接地连接，本申请在此不做限制。
本领域技术人员可以知晓，图1中的终端设备、网络和服务器的数量仅仅是示意性的，根据实际需要，可以具有任意数目的终端设备、网络和服务器。本公开实施例对此不作限定。
在上述系统架构下，本公开实施例中提供了一种知识图谱构建方法，该方法可以由任意具备计算处理能力的电子设备执行。
在一些实施例中，本公开实施例中提供的知识图谱构建方法可以由上述系统架构的终端设备执行；在另一些实施例中，本公开实施例中提供的知识图谱构建方法可以由上述系统架构中的服务器执行；在另一些实施例中，本公开实施例中提供的知识图谱构建方法可以由上述系统架构中的终端设备和服务器通过交互的方式来实现。
图2示出本公开第一实施例中的知识图谱构建方法流程图，如图2所示，本公开实施例中提供的知识图谱构建方法包括如下步骤：
S202，对多个数据源中的数据分别进行知识抽取，得到所述多个数据源的数据实体信息。
需要说明的是，上述S202中的知识抽取是分别对每个数据源中的数据进行的，可以得到实体身份信息(例如实体是公司的话，实体身份信息可以包括但不限于公司的名称、企业类型、组织结构代码、注册地址、法定代表人；例如实体是自然人的话，实体信息可以包括但不限于姓名、性别、年龄、身份证号、证件照)、实体属性信息(例如实体是公司的话，实体属性信息可以包括但不限于所属行业、经营范围、在该数据源中登记的特定信息；例如实体是自然人的话，数据源为商场的话，实体属性信息可以包括但不限于消费时间、消费地点、消费项目、消费金额；数据源为医院的话，实体属性信息可以包括但不限于就诊时间、就诊科室、治疗项目、治疗或医药费)、实体关系信息(例如实体是公司的话，实体关系信息可以包括但不限于股权关系、上下游合作关系、总分公司关系；例如实体是自然人的话，实体关系信息可以包括但不限于配偶关系、父母子女关系、常联系人关系)，以上这些信息都可以作为数据实体信息。
在一些实施例中，在S202步骤之后可以在单个数据源中对数据的实体进行知识融合处理，得到融合后的数据实体信息。可以减少单个数据源中实体的重复率，减轻后续计算的数据量即处理压力。例如，可以汇总自然人(甲)在数据源(商场)中的全部数据信息，将多条信息融合为一条信息。
S204，将所述多个数据源的数据实体信息分别进行隐私计算处理，得到所述多个数据源的加密实体信息。
需要说明的是，上述加密实体信息可以是对所述多个数据源的数据实体信息进行隐私计算处理后得到的数据。在一些实施例中，隐私计算处理可采用但不限于可信执行环境、安全多方计算和联邦学习中的一种或多种的组合来实现。通过隐私计算技术，可以实现在保护数据本身不对外泄露的前提下进行数据进一步的分析计算。
在一些实施例中，在上述S204步骤之前：可以对所述多个数据源的数据实体信息进行算法适配处理，可选的算法适配处理可采用但不限于：区分代码安全区域与非安全区域、计算算子加密和建模梯度参数拟合中的一种或多种的组合来实现；得到所述多个数据源的适配后的数据实体信息。通过算法适配处理将知识图谱所使用的机器学习算法进行改造，可以解决多数据源数据输入与隐私计算之间的适配问题，将知识图谱算法无缝衔接到隐私计算环境中。
S206，根据预设的实体融合规则和所述加密实体信息，对所述多个数据源的数据进行实体知识融合处理，得到实体融合信息。
在一些实施例中，上述S206具体可通过如下步骤来实现：基于所述多个数据源的所述实体身份信息，计算各实体身份信息的相似度；将所述相似度满足设定阈值的实体身份信息进行知识融合，并将其对应的实体属性信息、实体关系信息进行对齐处理；将处理后的实体身份信息、实体属性信息、实体关系信息作为所述实体融合信息。
需要说明的是，本公开实施例中的实体身份信息相似度(similarity)计算可以采用以下公式：
其中，向量A表示实体A的身份信息，Ai表示总数为n的实体A的身份信息中的第i个信息；向量B表示实体B的身份信息，Bi表示总数为n的实体B的身份信息中的第i个信息。
S208，根据所述实体融合信息，构建融合所述多个数据源的知识图谱。
需要说明的是，上述知识图谱可以是融合了多个数据源中的数据构建成的，且这些数据经过隐私计算处理，可以在多方明文数据不出本地的情况下构建融合知识图谱，识别更复杂、更全面的关系链条以及风险，有效利用多方的数据解决信息不对称、计算结果不准确的问题。在一些实施例中，所述多个数据源的加密实体信息在传输加密信道进行知识融合处理，解决信息在线路传输过程中的安全问题，同时控制非法用户侵入。
图3示出本公开第二实施例中的知识图谱构建方法的流程图，如图3所示，具体包括：
S302，对多个数据源进行信源加密，将数据源和数据源发送的数据明文或代表明文的电信号转化为数据密文；
S304，对多个数据源中的数据密文分别进行知识抽取，得到所述多个数据源的数据实体信息；
S306，对所述多个数据源的数据实体信息进行算法适配处理，得到所述多个数据源的适配后的数据实体信息；
S308，将多个数据源的适配后的数据实体信息分别进行隐私计算处理，得到所述多个数据源的加密实体信息；
S310，根据预设的实体融合规则和所述加密实体信息，对所述多个数据源的数据在传输加密信道进行实体知识融合处理，得到实体融合信息；
S312，根据所述实体融合信息，构建融合所述多个数据源的知识图谱。
在具体实施时，首先对多个数据源进行信源加密。例如，对数据源-医院、数据源-商场、数据源-学校等进行信源加密，对将数据源和数据源发送的数据明文或代表明文的电信号转化为数据密文。使消息或数据不被非法截获或破译，保障信息在传输、使用和交换中的安全。
然后，对多个数据源中的数据密文分别进行知识抽取，得到实体信息。例如，实体A在数据源甲中的实体信息{实体身份信息(A1，A2，A3)，实体属性信息(A4，A5)和实体关系信息(A6，A7)}。实体A在数据源乙中的实体信息{实体身份信息(A1，A2，A3)，实体属性信息(A8，A9)和实体关系信息(A6，A10)}。分别对上述信息进行算法融合处理解决各个数据源中的输入与隐私计算平台之间的适配问题，再进行隐私计算处理，以满足多方数据联合使用过程中的计算过程机密性、数据加密计算、建模过程隐私的要求。根据预设的实体融合规则和所述加密实体信息，对所述多个数据源的数据在传输加密信道进行实体知识融合处理，得到实体融合信息。例如，对实体A在数据源甲中的实体身份信息(A1，A2，A3)和实体A在数据源乙中的实体身份信息(A1，A2，A3)做相似度计算，其相似度值超过阈值，则融合实体A在数据源甲、乙中的实体属性信息、实体关系信息，得到实体A的融合信息：{实体身份信息(A1，A2，A3)，实体属性信息(A4，A5，A8，A9)和实体关系信息(A6，A7，A10)}。
最后，根据所述实体融合信息，构建融合所述多个数据源的知识图谱。将多个数据源中的数据进行前述步骤的处理融合后，构建知识图谱。通过该方式，可以在多方明文数据不出本地的情况下构建融合知识图谱，识别更复杂、更全面的关系链条以及风险，有效利用多方的数据解决信息不对称、计算结果不准确的问题，实现从单点式向集群性的数据分析技术演进。
在一些实施例中，知识图谱构建的方法可应用于智慧城市领域，例如基层社会治理中重点人群安全风险或其引发的群体事件的风险预警。目前基层社会治理的现实场景中还存在诸多棘手的问题，其中，针对重点人群的风险监控一直缺乏高效、有利的手段，造成该现状的原因主要有两方面：1.数据孤岛：反映目标对象风险指数的数据往往掌握在多家单位，如政府部门、互联网公司、运营商、医疗机构、教育部门等，但基于数据隐私和安全的考虑，这些单位往往不愿分享自己的数据，而单一来源的数据仅能从某个维度对风险进行评估，这使得有关部门预警对象缺乏全面的把控。2.分析缺乏关联：传统的数据库通过表格、字段等进行读取，关系层级和表达方式多种多样，难以处理复杂多样的关联分析，在真实场景中难以支撑管理和决策。
图4示出本公开第三实施例中的知识图谱构建的系统框图，如图4所示，具体包括：
在边缘对各个数据源的数据进行数据预处理，得到预处理之后的数据。对各个数据源经过预处理之后的数据进行知识抽取，获得各个数据源中的实体、实体属性和各实体之间的关系。通过算法适配器将知识图谱所使用的机器学习算法进行改造，包括区分代码安全区域与非安全区域，计算算子加密、建模梯度参数拟合等，解决各个数据源中的输入与隐私计算平台之间的适配问题，将知识图谱算法无缝衔接到隐私计算环境中。将各个数据源中融合后的实体、属性和关系输入对应的隐私计算平台，借助隐私计算多种技术路线包括可信执行环境TEE、安全多方计算MPC、联邦学习FL来提供数据融合过程的可用不可见，满足多方数据联合使用过程中的计算过程机密性、数据加密计算、建模过程隐私的要求。对各个数据源进行信源加密，即将信源和信源发送的信息明文或代表明文的电信号转化为密文，使消息不被非法截获或破译，保障信息在传输、使用和交换中的安全。通过加密的各个信源通过隐私计算平台之间的传输加密信道进行通信，解决信息在线路传输过程中的安全问题，同时控制非法用户侵入。根据预设的实体融合规则对所述多个数据源的实体进行融合，计算实体身份之间的相似度，当相似度大于预设的阈值时，进行实体对齐融合，实现数据消歧。根据融合后的实体、属性和关系进行新的本体构建，在进行质量评估之后，构建融合多个数据源的知识图谱。知识图谱是描绘实体之间关系的语义网络，通过融合NLP、图计算和知识表示等技术，可以赋予计算机人类认知的效果，但单个数据源的数据往往不能识别更为复杂、全面的风险关系链路。本发明实施例通过融合知识图谱与安全计算技术，可以在保护各方数据安全与隐私的条件下，实现跨机构(如：政府机构、运营商、金融机构等)之间数据安全融合，构建联合关系图谱，打破图计算的数据边界，识别更复杂、更全面的关系链条以及风险，有效利用多方的数据解决信息不对称、计算结果不准确的问题，实现从单点式向集群性的社会风险治理技术演进。
图5示出本公开第四实施例中的基于多源数据的风险预警方法的流程图，如图5所示，具体包括：
对各个数据源(例如，政府部门、互联网公司、运营商、医疗机构、教育部门、金融机构等)进行信源加密，使消息不被非法截获或破译，保障信息在传输、使用和交换中的安全。收集多个数据源的数据，输入隐私计算平台，借助隐私计算多种技术路线包括可信执行环境TEE、安全多方计算MPC、联邦学习FL来提供数据融合过程的可用不可见，满足多方数据联合使用过程中的计算过程机密性、数据加密计算、建模过程隐私的要求。通过隐私计算平台之间的传输加密信道进行通信，根据预设的实体融合规则对所述多个数据源的实体进行融合，计算实体身份之间的相似度，当相似度大于预设的阈值时，进行实体对齐融合，在解决信息在线路传输过程中的安全问题的同时，实现对多个数据源中的同一实体的数据进行汇总融合。根据融合后的实体、属性和关系进行新的本体构建，构建融合多个数据源的知识图谱，可以赋予计算机人类认知的效果，实现多数据主体之间数据安全融合，构建联合关系图谱，识别更复杂、更全面的关系链条以及风险，有效利用多方的数据解决信息不对称、计算结果不准确的问题，实现预警重点人群安全风险或其他事件风险。
图6示出本公开实施例中一种知识图谱构建装置，该装置包括：
知识抽取模块61，用于：对多个数据源中的数据分别进行知识抽取，得到所述多个数据源的数据实体信息；(例如实体是公司的话，实体身份信息可以包括但不限于公司的名称、企业类型、组织结构代码、注册地址、法定代表人；例如实体是自然人的话，实体信息可以包括但不限于姓名、性别、年龄、身份证号、证件照)、实体属性信息(例如实体是公司的话，实体属性信息可以包括但不限于所属行业、经营范围、在该数据源中登记的特定信息；例如实体是自然人的话，数据源为商场的话，实体属性信息可以包括但不限于消费时间、消费地点、消费项目、消费金额；数据源为医院的话，实体属性信息可以包括但不限于就诊时间、就诊科室、治疗项目、治疗或医药费)、实体关系信息(例如实体是公司的话，实体关系信息可以包括但不限于股权关系、上下游合作关系、总分公司关系；例如实体是自然人的话，实体关系信息可以包括但不限于配偶关系、父母子女关系、常联系人关系)，以上这些信息都可以作为数据实体信息。
隐私计算模块62，用于：将所述多个数据源的数据实体信息分别进行隐私计算处理，得到所述多个数据源的加密实体信息；
知识融合模块63，用于：根据预设的实体融合规则和所述加密实体信息，对所述多个数据源的数据进行实体知识融合处理，得到实体融合信息；
图谱构建模块64，用于：根据所述实体融合信息，构建融合所述多个数据源的知识图谱。
经过隐私计算处理，可以在多方明文数据不出本地的情况下构建融合知识图谱，识别更复杂、更全面的关系链条以及风险，有效利用多方的数据解决信息不对称、计算结果不准确的问题。
此处需要说明的是，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述方法实施例所公开的内容。需要说明的是，上述模块作为装置的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。
在一些实施例中，隐私计算模块62还用于：利用第一预设方式对所述多个数据源的数据实体信息进行算法适配处理，得到所述多个数据源的适配后的数据实体信息；其中，所述第一预设方式包括以下至少之一：区分代码安全区域与非安全区域、计算算子加密和建模梯度参数拟合。通过算法适配处理将知识图谱所使用的机器学习算法进行改造，可以解决多数据源数据输入与隐私计算模块62之间的适配问题，将知识图谱算法无缝衔接到隐私计算环境中。
在一些实施例中，隐私计算模块62还用于：利用第二预设方式对所述多个数据源的适配后的数据实体信息进行隐私计算处理，得到所述多个数据源的加密实体信息；其中，所述第二预设方式包括以下至少之一：可信执行环境TEE、安全多方计算MPC和联邦学习FL。通过隐私计算技术，可以实现在保护数据本身不对外泄露的前提下进行数据进一步的分析计算。
在一些实施例中，所述加密实体信息包括但不限于：实体身份信息、实体属性信息和实体关系信息。
在一些实施例中，知识融合模块63还用于：基于所述多个数据源的所述实体身份信息，计算各实体身份信息的相似度；将所述相似度满足设定阈值的实体身份信息进行知识融合，并将其对应的实体属性信息、实体关系信息进行对齐处理；将处理后的实体身份信息、实体属性信息、实体关系信息作为所述实体融合信息。
本实施例中的实体身份信息相似度(similarity)计算可以采用以下公式：
其中，向量A表示实体A的身份信息，Ai表示总数为n的实体A的身份信息中的第i个信息；向量B表示实体B的身份信息，Bi表示总数为n的实体B的身份信息中的第i个信息。
例如，对实体A在数据源甲中的实体身份信息(A1，A2，A3)和实体B在数据源乙中的实体身份信息(B1，B2，B3)做相似度计算，其相似度值超过阈值，则实体A与实体B为同一实体，融合实体A在数据源甲、实体B在数据源乙中的实体属性信息、实体关系信息，得到实体A(即实体B)的融合信息：{实体身份信息(A1，A2，A3)，实体属性信息(A4，A5，B4，B5)和实体关系信息(A6，A7，B6)}。
在一些实施例中，知识融合模块63还用于：对所述多个数据源进行信源加密，将数据源和数据源发送的数据明文或代表明文的电信号转化为数据密文；所述多个数据源的加密实体信息在传输加密信道进行知识融合处理。解决了信息在线路传输过程中的安全问题，同时控制非法用户侵入。
在一些实施例中，知识抽取模块61还用于：根据所述数据实体信息，对单个数据源中的数据进行知识融合，得到融合后的数据实体信息。可以减少单个数据源中实体的重复率，减轻后续计算的数据量即处理压力。
综上所述，本公开的实施例所提供的知识图谱构建方法和装置，使得多源数据经过隐私计算处理，可以在多方明文数据不出本地的情况下构建融合知识图谱，识别更复杂、更全面的关系链条以及风险，有效利用多方的数据解决信息不对称、计算结果不准确的问题。
所属技术领域的技术人员能够理解，本公开的各个方面可以实现为系统、方法或程序产品。因此，本公开的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
下面参照图7来描述根据本公开的这种实施方式的电子设备700。图7显示的电子设备700仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图7所示，电子设备700以通用计算设备的形式表现。电子设备700的组件可以包括但不限于：上述至少一个处理单元710、上述至少一个存储单元720、连接不同系统组件(包括存储单元720和处理单元710)的总线730。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元710执行，使得所述处理单元710执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。例如，所述处理单元710可以执行上述方法实施例的如下步骤：获取目标用户输入的搜索文本，以及目标用户的基本属性信息和行为偏好数据；根据搜索文本，生成文本向量化编码特征；根据目标用户的基本属性信息和行为偏好数据，生成用户向量化编码特征；将文本向量化编码特征和用户向量化编码特征输入到预先练好的意图识别模型中，输出搜索文本的意图识别结果。
存储单元720可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)7201和/或高速缓存存储单元7202，还可以进一步包括只读存储单元(ROM)7203。
存储单元720还可以包括具有一组(至少一个)程序模块7205的程序/实用工具7204，这样的程序模块7205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线730可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备700也可以与一个或多个外部设备740(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备700交互的设备通信，和/或与使得该电子设备700能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口750进行。并且，电子设备700还可以通过网络适配器760与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器760通过总线730与电子设备700的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备700使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
在本公开的示例性实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质可以是可读信号介质或者可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本公开的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。
本公开中的计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
在本公开中，计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可选地，计算机可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
在具体实施时，可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由所附的权利要求指出。

Claims (9)

1.一种知识图谱构建方法，其特征在于，包括：
对多个数据源中的数据分别进行知识抽取，得到所述多个数据源的数据实体信息；
利用第一预设方式对所述多个数据源的数据实体信息进行算法适配处理，得到所述多个数据源的适配后的数据实体信息；其中，所述第一预设方式包括以下至少之一：区分代码安全区域与非安全区域、计算算子加密和建模梯度参数拟合；
将所述多个数据源的适配后的数据实体信息分别进行隐私计算处理，得到所述多个数据源的加密实体信息；
根据预设的实体融合规则和所述加密实体信息，对所述多个数据源的数据进行实体知识融合处理，得到实体融合信息；
根据所述实体融合信息，构建融合所述多个数据源的知识图谱。
2.根据权利要求1所述的知识图谱构建方法，其特征在于，所述将所述多个数据源的适配后的数据实体信息分别进行隐私计算处理，得到所述多个数据源的加密实体信息包括：
利用第二预设方式对所述多个数据源的适配后的数据实体信息进行隐私计算处理，得到所述多个数据源的加密实体信息；
其中，所述第二预设方式包括以下至少之一：可信执行环境TEE、安全多方计算MPC和联邦学习FL。
3.根据权利要求1所述的知识图谱构建方法，其特征在于，所述加密实体信息至少包括：
实体身份信息、实体属性信息和实体关系信息。
4.根据权利要求3所述的知识图谱构建方法，其特征在于，根据预设的实体融合规则和所述加密实体信息，对所述多个数据源的数据进行实体知识融合处理，得到实体融合信息包括：
基于所述多个数据源的所述实体身份信息，计算各实体身份信息的相似度；
将所述相似度满足设定阈值的实体身份信息进行知识融合，并将其对应的实体属性信息、实体关系信息进行对齐处理；
将处理后的实体身份信息、实体属性信息、实体关系信息作为所述实体融合信息。
5.根据权利要求1所述的知识图谱构建方法，其特征在于，根据预设的实体融合规则和所述加密实体信息，对所述多个数据源的数据进行实体知识融合处理，得到实体融合信息之前包括：
对所述多个数据源进行信源加密，将数据源和数据源发送的数据明文或代表明文的电信号转化为数据密文；
所述多个数据源的加密实体信息在传输加密信道进行知识融合处理。
6.根据权利要求1所述的知识图谱构建方法，其特征在于，对多个数据源中的数据分别进行知识抽取，得到所述多个数据源的数据实体信息之后包括：
根据所述数据实体信息，对单个数据源中的数据进行知识融合，得到融合后的数据实体信息。
7.一种知识图谱构建装置，其特征在于，包括：
知识抽取模块，用于：对多个数据源中的数据分别进行知识抽取，得到所述多个数据源的数据实体信息；
隐私计算模块，用于：利用第一预设方式对所述多个数据源的数据实体信息进行算法适配处理，得到所述多个数据源的适配后的数据实体信息；其中，所述第一预设方式包括以下至少之一：区分代码安全区域与非安全区域、计算算子加密和建模梯度参数拟合；将所述多个数据源的适配后的数据实体信息分别进行隐私计算处理，得到所述多个数据源的加密实体信息；
知识融合模块，用于：根据预设的实体融合规则和所述加密实体信息，对所述多个数据源的数据进行实体知识融合处理，得到实体融合信息；
图谱构建模块，用于：根据所述实体融合信息，构建融合所述多个数据源的知识图谱。
8.一种电子设备，其特征在于，包括：
处理器；以及
存储器，用于存储所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1～6中任意一项所述知识图谱构建方法。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1～6中任意一项所述的知识图谱构建方法。
CN202210392779.0A 2022-04-14 2022-04-14 知识图谱构建方法、装置、电子设备及存储介质 Active CN115378624B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210392779.0A CN115378624B (zh) 2022-04-14 2022-04-14 知识图谱构建方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210392779.0A CN115378624B (zh) 2022-04-14 2022-04-14 知识图谱构建方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN115378624A CN115378624A (zh) 2022-11-22
CN115378624B true CN115378624B (zh) 2024-01-30

Family

ID=84060412

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210392779.0A Active CN115378624B (zh) 2022-04-14 2022-04-14 知识图谱构建方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN115378624B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111163086A (zh) * 2019-12-27 2020-05-15 北京工业大学 一种多源异构的网络安全知识图谱构建与应用方法
CN112100680A (zh) * 2020-11-16 2020-12-18 支付宝(杭州)信息技术有限公司 保护隐私的多平台数据处理方法及装置
CN113157938A (zh) * 2021-03-25 2021-07-23 支付宝(杭州)信息技术有限公司 保护隐私数据的多个知识图谱联合处理的方法和装置
CN113537508A (zh) * 2021-06-18 2021-10-22 百度在线网络技术（北京）有限公司 联邦计算的处理方法、装置、电子设备和存储介质
CN114219052A (zh) * 2022-02-23 2022-03-22 富算科技(上海)有限公司 一种图数据融合方法、装置、电子设备及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220067204A1 (en) * 2020-08-27 2022-03-03 Accenture Global Solutions Limited System architecture for providing privacy by design

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111163086A (zh) * 2019-12-27 2020-05-15 北京工业大学 一种多源异构的网络安全知识图谱构建与应用方法
CN112100680A (zh) * 2020-11-16 2020-12-18 支付宝(杭州)信息技术有限公司 保护隐私的多平台数据处理方法及装置
CN113157938A (zh) * 2021-03-25 2021-07-23 支付宝(杭州)信息技术有限公司 保护隐私数据的多个知识图谱联合处理的方法和装置
CN113537508A (zh) * 2021-06-18 2021-10-22 百度在线网络技术（北京）有限公司 联邦计算的处理方法、装置、电子设备和存储介质
CN114219052A (zh) * 2022-02-23 2022-03-22 富算科技(上海)有限公司 一种图数据融合方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN115378624A (zh) 2022-11-22

Similar Documents

Publication Publication Date Title
US11127088B2 (en) Cross-blockchain interaction method, system, computer device, and storage medium
US20220230071A1 (en) Method and device for constructing decision tree
EP3646219B1 (en) Detecting synthetic online entities facilitated by primary entities
JP2022529967A (ja) ブロックチェーン・ネットワークからのデータの抽出
CN111027870A (zh) 用户风险评估方法及装置、电子设备、存储介质
CN107480540B (zh) 数据访问控制系统及方法
WO2023040429A1 (zh) 用于联邦特征工程的数据处理方法、装置、设备以及介质
CN109242280A (zh) 用户行为数据处理方法、装置、电子设备及可读介质
CN111563267A (zh) 用于联邦特征工程数据处理的方法和装置
CN110348719A (zh) 一种基于用户信息知识图谱的风险控制方法、装置和电子设备
CN109767330A (zh) 用于管理作品的系统、方法和装置
US11797888B2 (en) System and method for automatically retraining machine learning models to predict bias in a data input
US11755848B1 (en) Processing structured and unstructured text to identify sensitive information
CN116226289A (zh) 基于区块链的电子凭证管理方法、装置、设备及存储介质
CN117036023A (zh) 元宇宙内识别异常交易网络的方法、系统、设备及介质
CN115378624B (zh) 知识图谱构建方法、装置、电子设备及存储介质
CN116629379A (zh) 联邦学习聚合方法及装置、存储介质及电子设备
CN113032838B (zh) 基于隐私计算的标签预测模型生成方法、预测方法、模型生成装置、系统及介质
CN115203487A (zh) 基于多方安全图的数据处理方法及相关装置
Vu et al. Applications of Generative AI (GAI) for Mobile and Wireless Networking: A Survey
He et al. Information Security Countermeasures for Big Data Platforms Based on Cloud Computing
CN115795119B (zh) 触觉特征信息获取方法、装置、系统、设备及介质
Horn et al. Privacy issues for cloud systems
CN117235785A (zh) 一种隐私信息管理方法、装置、计算机设备及存储介质
WO2024060906A1 (zh) 联邦学习系统的数据处理方法、装置、计算机及可读存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant