CN115422404A - 基于知识图谱表示学习的通信辐射源威胁评估方法 - Google Patents

Abstract

基于知识图谱表示学习的通信辐射源威胁评估方法，属于通信辐射源电子对抗技术领域，具体的：提出通信辐射源威胁评估知识图谱，将评估威胁等级因素映射成实体与关系，完成通信辐射源威胁评估知识图谱的本体建模；运用知识图谱表示学习TransE模型挖掘辐射源与辐射源间的隐藏关系，推理通信辐射源的威胁等级；通过TransE模型的链路预测实验评估通信辐射源威胁等级推理效果。本发明基于知识表示的TransE模型推理通信辐射源威胁评估精确度高，推理能力强，动态可扩展对于研究知识图谱与通信辐射源威胁评估实际应用提供了参考和借鉴意义，对于分布式干扰发展具有重要意义。

Description

基于知识图谱表示学习的通信辐射源威胁评估方法

技术领域

本发明属于通信辐射源电子对抗技术领域，具体设计一种基于知识图谱利用TransE 知识表示学习推理模型进行通信辐射源威胁评估的方法。

背景技术

通信辐射源威胁评估，是基于电磁频谱态势数据融合、决策和推理的过程。通信对抗，作为电子对抗的一种，是敌我双方在通信领域争夺电磁优势的方式。其中分布式协 同干扰是一种电子对抗手段，通过分散抛撒或配置多个电子设备在地、海、空域内攻击 目标，其具有数量多、范围广等有事，取得电子对抗的优势，以“狼群”系统为例,即利 用体积小、重量轻的小型电子干扰机在电子攻击目标的活动区域内，自动地对选定的电 子设备进行干扰。该系统以分布式网络结构交换数据，以分布式干扰方式破坏敌方通信 链路，对敌方通信辐射源像狼群围攻猎物一样进行攻击。狼群系统使用网络失效对通信 节点间进行阻止，还利用验知识干扰那行攻击、信号欺骗或雷达假目标等，来破坏敌方 的通信和雷达系统。因此分析狼群系统的特点，进行威胁评估是正确评价分布式干扰效 果、调整干扰策略、合理优化资源分配的重要环节，对未来电子对抗的发展具有重要意 义。

随着通信对抗信息化的快速发展，通信辐射源威胁评估也是战场决策中的一个重要 环节，国内外主要的威胁评估方法有：1)基于专家知识方法。提高了有效性和合理性，但存在知识获取困难、推理方法不够智能的问题。2)基于TOPSIS算法方法。该方法在 多目标威胁评估中操作简便、计算速度快、适应性广，但TOPSIS法有很大的主观性和盲 目性。3)基于贝叶斯网络算法方法。提高了决策模型的准确性，但因网络结构简单，导 致威胁等级评估因素不完备，很难适应多变的战场环境。

知识图谱(Knowledge Graph，KG)使用图结构的形式刻画现实物理世界中各类事物 间的相互关系，其基本组成单位是三元组(h、r、t)，其中h和t代表一条关系的头结点 和尾节点，r代表关系。知识图谱能够更好的刻画实体的关系属性，可以根据实体间的关 系来分析和预测通信辐射源威胁等级，并为相关任务提供丰富的数据及其相关特性，为 复杂电磁环境下的知识表示带来了新的技术手段。西安电子科技大学张钊等人探索了知 识图谱在雷达识别中的应用，扩宽了电磁目标威胁评估新思路。西南电子设备研究所李 高云等提出以电磁目标高维画像、关联情报分析的形式服务于应用,并基于此探讨了电磁 目标知识图谱构建方案及面临的关键技术,为面向专业人员提供深度分析和辅助决策支 持，为类似行业知识图谱解决方案提供参考。中国电子科技集团二十八研究所梅发国等， 分析了多维多源异构情报大数据下态势感知的背景和需求,探讨了思维导图和知识图谱 等方法,提出了目标关系融合技术,并给出了应用案例设计,实现了目标融合由“点式”到 “链式”的转变,从而支撑对敌方意图的深度感知。

知识表示学习将知识图谱中的实体节点和对应关系通过训练模型映射到连续向量中 的空间，提高了异构知识的融合，提升了计算效率，且有效地解决了数据稀疏问题。目前知识表示学习在链路预测、关系抽取、智能问答等方面得到广泛应用。知识表示学习 主要分为四种方式：基于距离的知识表示、基于语义匹配的知识表示、基于神经网络的 知识表示、基于图神经网络的知识表示。其中基于距离的模型是知识表示的典型方法， 本发明重点研究基于距离的知识表示，在通信辐射源三元组中头实体和为实体通过中间 关系进行平移，挖掘通信辐射源间的隐藏关系。

发明内容

针对现有的威胁评估方法的不足，本发明提供了一种基于知识图谱表示学习的通信 辐射源威胁评估方法，基于知识表示的TransE模型推理通信辐射源威胁评估精确度高，推理能力强，动态可扩展对于研究知识图谱与通信辐射源威胁评估实际应用提供了参考和借鉴意义，对于分布式干扰发展具有重要意义。

为了实现上述提出的方法，本发明采用的技术方案如下所述：

基于知识图谱表示学习的通信辐射源威胁评估方法，包括以下步骤：

S1、构建知识图谱本体库：

通过列举通信辐射源威胁评估的重要术语、通信辐射源威胁评估指标，明晰实体、关系以及实体概念、属性间联系，提出通信辐射源威胁评估知识图谱，将评估威胁等级 因素映射成实体与关系，完成通信辐射源威胁评估知识图谱的本体建模；

S2、基于TransE模型进行知识推理：

知识表示学习将知识图谱中的实体节点和对应关系通过训练模型映射到连续向量中 的空间，TransE模型，将一个三元组表示成(h,r,t)，其中h表示头实体，r表示关系，而t表示尾实体，关系r被视作为一种操作—嵌入空间中的平移。

S3、基于知识图谱图谱表示学习的通信辐射源威胁评估：

使用知识图谱中已存的实体关系三元组，构建训练集输入基于距离的模型TransE， 通过负采样方法随机替换实体来计算尾实体概率分布；

评价指标：

MR表示正确三元组的得分排名，其值越小越好；Hits@n表示排名前n里正确实体的比例，值越高，模型效果就越好；

根据TransE模型进行链路预测，在给定头实体和关系的前提下，预测尾实体威胁等 级。

步骤S1知识图谱的本体建模

知识图谱分为通用知识图谱与领域知识图谱两类。这两种知识图谱主要存在覆盖范围 和使用方式上的差异：通用知识图谱面向通用领域，主要包含了大量的现实世界中的常 识性知识，更注重广度，强调融合更多的实体，其精确度不够高，且受概念范围的印象，很难借助本体库对公理、规则以及约束条件的支持能力规范其实体、属性、实体间的关 系等；领域知识图谱又称为行业知识图谱或垂直知识图谱，是面向某一特定领域的，是 由该领域的专业数据构成的行业知识库，因其基于行业数据构建，有着严格而丰富的数 据模式，所以对该领域知识的深度、知识准确性有着更高的要求。

通信辐射源威胁评估目前还没有统一有效的评估模型。本发明构建一个通信辐射源 威胁评估模型，并将威胁等级划分为三个级别，分别是：高、中、低。

本发明从通信辐射源威胁评估重要因素等特性出发，定义战术重要性、骨干节点、关 键链路、目标距离、功率等描述信号的核心要素，构建包含核心要素及要素间关系的领域知识图谱本体库。

步骤S2基于TransE模型进行通信辐射源威胁评估

表示学习让算法在学习向量表示的过程中自动捕捉、推理所需的特征，通过训练学 习，将知识图谱中离散符号表示的信息编码在不同的向量空间表示中，使得知识图谱的推理能够通过预设的向量空间表示之间的计算自动实现，不需要显示的推理步骤。在TransE模型中，关系r被视作为一种操作—嵌入空间中的平移，如果关系r的嵌入向量很 接近,即需满h+r≈t，意义在于尾实体是头实体通过关系平移(翻译)得到的。

步骤S3基于知识图谱图谱表示学习的通信辐射源威胁评估

使用知识图谱中已存的实体关系三元组，构建训练集输入基于距离的模型TransE， 通过负采样方法随机替换实体来计算尾实体概率分布。模型算法计算三元组实体被替换 后的距离，再按照升序排列，即，在链路预测中，原始三元组随机替换成数据集中已有 的三元组，但该情况会干扰三元组的正确排序得分。对此，采取随机替换三元组并进行过滤(Filter)，使得随机生成不属于训练集、验证集和测试集的三元组，未消除已有三元组的称Raw。

本发明的基于知识图谱表示学习的通信辐射源威胁评估方法，将知识图谱理论与技 术应用到通信辐射源威胁评估中：1)提出通信辐射源威胁评估知识图谱，将评估威胁等级因素映射成实体与关系，完成通信辐射源威胁评估知识图谱的本体建模；2)运用知识 图谱表示学习TransE模型挖掘辐射源与辐射源间的隐藏关系，推理通信辐射源的威胁等 级；3)通过TransE模型的链路预测实验评估通信辐射源威胁等级推理效果。评估精确度 高，推理能力强，动态可扩展对于研究知识图谱与通信辐射源威胁评估实际应用提供了 参考和借鉴意义，对于分布式干扰发展具有重要意义。

附图说明

图1为本发明分布式协同通信辐射源威胁评估场景示意图。

图2为本发明通信辐射源威胁评估指标示意图。

图3为本发明通信辐射源威胁评估知识图谱本体建模示意图。

图4为本发明分布式协同干扰通信辐射源威胁评估实体关系映射实例示意图。

图5为本发明基于知识表示模型的链路预测示意图。

图6为本发明多源数据知识推理结果示意图。

图7为本发明动态新增数据知识推理结果示意图。

具体实施方式

下面结合附图对本发明的具体实施方式进行说明：

本发明的基于知识图谱表示学习的通信辐射源威胁评估方法，将知识图谱理论与技 术应用到通信辐射源威胁评估中：1)提出通信辐射源威胁评估知识图谱，将评估威胁等级因素映射成实体与关系，完成通信辐射源威胁评估知识图谱的本体建模；2)运用知识 图谱表示学习TransE模型挖掘辐射源与辐射源间的隐藏关系，推理通信辐射源的威胁等 级；3)通过TransE模型的链路预测实验评估通信辐射源威胁等级推理效果。

步骤一：知识图谱的本体建模

结合图1的分布式协同通信辐射源威胁评估场景和图2的通信辐射源威胁评估指标， 图1场景下，由5个通信辐射源发射设备构建，5个通信辐射源发射设备分别是导弹车、战斗车、侦察车、指挥所，对干扰目标进行通信辐射源干扰，提出威胁评估模型。特征 值由通信辐射源威胁评估指标确定，对分布式协同场景下通信辐射源威胁评估关键因素 的分析，该指标具体包括：战术重要性、骨干节点、关键链路、目标距离、功率。

提出威胁评估模型：w_ij＝ω_jr_ij，其中w_ij表示威胁值，且w_ij∈[0,1]，ω_j表示权重，r_ij表示第i个通信辐射源的第j个特征值。特征值由通信辐射源威胁评估指标确定，如图2所示，对分布式协同场景下通信辐射源威胁评估关键因素的分析，该指标具体包括：战 术重要性、骨干节点、关键链路、目标距离、功率。

(1)战术重要性

依据通信链路的战术重要性确定威胁指数：各通信辐射源设备的通信链路不同，战 术重要性也不同。战术重要性特征值为r_i1，且r_i1∈[0,1]。其中通信辐射源设备影响能力 越大威胁就越大，战术重要性的特征值就越高。依据图1场景中导弹车、战斗车、侦察车、指挥所，且战术重要性由高到低依次导弹车＞战斗车＞侦察车＞指挥所，设特征值r_i1依次为0.92、0.74、0.57、0.28.

(2)骨干节点

骨干节点指的是信息网络系统的交汇点、控制点、信息交换中心，主要对节点的重要程度进行排序，获得某个节点相对于其他节点的重要程度。其特征值为r_i2：

式中l_x表示节点x与其他节点直接相关联的边数，N为网络中节点数目。

(3)关键链路

关键链路指的是作战要素之间的关键联系，任何信息网络都有节点和链路。分析通 信网络时间的通信链路是对目标进行威胁排序的关键步骤，通过对关键链路的分析选择 其中拥有高价值的通信链路，并作为干扰目标，能够更有效地干扰。其特征值为r_i3：

式中l_xy(c,v)表示通信网络中节点x与节点y间经过链路(c,v)的最短路径数量；l_xy表 示通信网络节点x与节点y间最短路径的总数。

(4)目标距离

威胁辐射源离目标距离越近，其威胁越大，威胁等级越高。则通信辐射源目标距离特征值r_i4：

式中，d_k为辐射源距攻击目标的距离，d_max,d_min分别为辐射源距攻击目标距离的最大值和最小值。

(5)功率

根据通信的干扰公式可以得到，当干扰目标距离一定时，距离越远、功率越大，所需干扰功率越大，干扰越难，因此威胁等级越高。则功率特征值为r_i5：

式中p_k表示干扰功率，p_max表示干扰设备能干扰的最大干扰功率的临界值。

不同指标对通信辐射源进行威胁等级评估的影响程度不同，需要明确评估指标相对 应的权重去计算通信辐射源的威胁等级，影响通信辐射源的指标和其权重关系如下：

对通信辐射源的威胁值进行计算，能有效地求解多目标决策。具体威胁值计算过程 如下：

设存在n个威胁通信辐射源，建立决策矩阵D＝[r_ij]_n×5去评估通信辐射源的威胁等级， 其中i＝1,2,…,n；j＝1,2,3,4,5，r_ij表示第i个通信辐射源的第j个特征值。构造加权标准 化矩阵：w＝[w_ij]_n×5，其中w_ij＝ω_jr_ij，再求解最大威胁值与最小威胁值：

确定各通信辐射源到最大、最小威胁值的距离

由上式可得相对贴近度C_i：

相对贴近度C_i反映通信辐射源威胁值接近最大威胁解，又远离最小威胁解的程度。 因此C_i值越大，表明该通信辐射源威胁越高。

通过将知识按照一定的方法进行表述和存储，才能让计算机系统更高效地处理和利用 知识。通过本体建模的方法可以将知识转化为更易被计算机读取和处理的数据，更方便 地存储在数据库或数据交换文件中。目前，本体构建尚没有统一的标准，现有本体的构建方法依据其涉及的领域和具体工程而不同。

本发明构建威胁评估本体，定义了对通信辐射源威胁评估实体和实体关系的表达，为 抽取实体和实体关系、可视化的展示威胁情报知识图谱夯实了基础。通过本体建模的方 法可以将知识转化为更易被计算机读取和处理的数据，更方便地存储在数据库或数据交 换文件中。实例和概念统称实体。E是带标签的有向边组成的集合，每条边e的标签指的 是这条边指代的关系或者属性，这里关系可以看成是实例的有序对组成的集合；属性可以看成是实例和值的有序对组成的集合。

在上述表示的基础上，可以用三元组表示电磁信号知识图谱中的任何一条知识，即<h, r,t>的格式，这里h和t是实体或者字面量，而r则是带标签的边。一个三元组可以等价 于一条主谓宾的知识，即h和t分别对应主语和宾语，r对应谓语。

考虑了一种面向领域知识图谱的工程化本体构建方法，由领域专家根据业务需求明确 领域范围、列举重要术语，指导工程技术人员确定概念分类体系，明确概念、关系，再通过校验评价进行迭代进化修正。

1)确定本体的领域及应用范围。根据业务需求，确定本体领域具体应用范围，划定本体的数据边界。

2)列举领域中的重要术语。搜集相关的数据，列举领域内重要的术语概念，为建立概念分类结构奠定基础。

3)定义概念类及分类层次体系。在领域专家指导下，设计确定概念类，并建立概念类的分类层次，实现领域知识的概念化描述。

4)定义概念类之间的关系。定义概念类之间的关系，实现领域知识关联的关系描述。

5)定义概念类的属性。定义概念类的属性，实现信息的进一步描述。

6)本体校验。通过专家鉴定、用户检验等方法对本体校验、评价，并持续迭代优化完善。

完成知识图谱的本体构建如图3所示，结合图3将通信辐射源威胁评估的知识高度概括和抽象，构建部分通信辐射源威胁评估的三元组，展示了部分通信辐射源威胁评估 的知识图谱三元组，体现了辐射源威胁评估要素的语义表示，明晰了辐射源之间的关联 关系。该知识图谱本体建模由软件Protégé构建，软件Protégé构建通信辐射源威胁评估的 知识图谱本体建模，部分实体与关系如下所示：“发射设备-has_individual-战斗车”、“战 斗车-发射-通信辐射源2”、“发射设备-影响-威胁评估指标”、“威胁评估指标 -has_subclass-战术重要性”等三元组关系。

步骤S2：基于TransE模型进行通信辐射源威胁评估

将一个三元组表示成(h,r,t)，其中h表示头实体，r表示关系，而t表示尾实体。如图4，在TransE模型中，关系r被视作为一种操作—嵌入空间中的平移，如果关系r的嵌 入向量很接近,即需满h+r≈t，此公式的意义在于尾实体是头实体通过关系平移(翻译) 得到的。在给定训练集S，其由三元组(h,r,t)构成，为了学习到每个实体和不同关系所 对应的维表示向量，其损失函数为：

式中，S表示知识图谱中正样本集合；S′_(h,r,t)表示(h,r,t)的负样本，h′、r′、t′表示在训 练过程中三元组(h,r,t)的负样本得到，d代表距离；[x]₊表示max(0,x)；γ表示损失函 数中的间隔，是一个需要设置的大于零的超参。TransE的训练目标是最小化损失函数L, 可以通过基于梯度的优化算法进行优化求解，直至训练收敛。

结合图4所示的实体关系映射实例在通信辐射源威胁评估知识图谱本体库的基础上， 将本体建模具体化，如表1、表2所示。

表1标识备注表

ThreatLevel	威胁等级
		TimeIs	时间
DistaneIs	距离
		TacticalImport	战术重要性
BackboneNode	骨干节点
		ThekeyLink	关键链路
Power	功率
		l	距离值
e	骨干节点值
		k	关键链路值
t	时刻

表2通信辐射源具体信息参数

威胁等级主要受战术重要性、关键链路、骨干节点、目标距离、功率、时间等因素影响，结合部分表2所示的信息参数。得到设备n1三元组知识集:

(n₁，ThreatLevel,high)、(n₁,TimeIs,t₁)、(n₁,DistaneIs,l₁)、(n₁,TacticalImport，0.92)、 (n₁,BackboneNode,e₁)、(n₁,ThekeyLink,k₁)等多个三元组。在此基础上构建设备n2 三元组知识集，如(n₂,TimeIs,t₂)、(n₂,DistaneIs,l₂)、(n₂,ThekeyLink,k₂) (n₂,TacticalImport，0.74)、(n₂,BackboneNode,e₂)因此对于威胁等级的评估问题可转化 为对表示威胁等级数值的三元组(n₂，ThreatLevel,high)的链路预测问题。且较短时间 内威胁等级具有相似性，可以增加(t₁,TimeSimilar,t₂)等三元组作为已知信息。

结合图5基于知识表示模型的链路预测流程，选取链路预测作为评价知识图谱表示学 习模型的效果。使用知识图谱中已存的实体关系三元组，构建训练集输入基于距离的模 型TransE，通过负采样方法随机替换实体来计算尾实体概率分布。

步骤三：基于知识图谱图谱表示学习的通信辐射源威胁评估

为了测试TransE模型在通信辐射源的威胁评估，从以下几个方面进行评估

(1)MR、Hits@n评价指标

结果如表所示：

(2)多源数据推理正确率

按照20％、40％、60％、80％比例增长数据集，链路预测的评估效果由Hits@n指标表示。实验结果如图6所示，横坐标表示数据增长的比例，纵坐标表示Hits@10数值。 其中随着数据比例增长到一定值时，Raw中未消除的三元组严重干扰三元组的正确排序 得分。为了消除此干扰生成Filter三元组，随着数据比例增长Filter三元组的Hits@10数 值也随之增长。

由实验可知，Hits@10排名结果随着知识的增加而提高，表明在通信辐射源威胁评估 中随着知识的增加，知识表示学习推理模型能从更多复杂数据中学习更多的实体间的隐 藏关系，威胁评估推理效果也越好。

(1)动态新增知识推理正确率

结合图7所示，通过去掉测试集中头实体或尾实体在训练集中出现过的三元组，再新增从未在训练集中出现过的头实体或尾实体，用此测试集进行测试，来验证动态新增 知识推理的正确率。实验结果：横坐标表示新增实体占比，左侧纵坐标表示raw三元组 的Hits@10数值，右侧纵坐标表示filter三元组的Hits@10数值。

该实验表明知识图谱中动态新增数据无需重新训练就能进行知识表示，且随着新增 数据的增加，威胁评估推理效果总体呈上升趋势。从而使基于知识表示的通信辐射源威胁评估推理具有可扩展性，并在后续的实际应用中具有实用性。

本发明提供了一种基于知识图谱的通信辐射源威胁评估方法，基于知识表示的TransE 模型推理通信辐射源威胁评估精确度高，推理能力强，动态可扩展对于研究知识图谱与 通信辐射源威胁评估实际应用提供了参考和借鉴意义，对于分布式干扰发展具有重要意义。

Claims (8)

1.基于知识图谱表示学习的通信辐射源威胁评估方法，其特征在于，包括以下步骤：

S1、构建知识图谱本体库：

通过列举通信辐射源威胁评估的重要术语、通信辐射源威胁评估指标，明晰实体、关系以及实体概念、属性间联系，提出通信辐射源威胁评估知识图谱，将评估威胁等级因素映射成实体与关系，完成通信辐射源威胁评估知识图谱的本体建模；

S2、基于TransE模型进行知识推理：

知识表示学习将知识图谱中的实体节点和对应关系通过训练模型映射到连续向量中的空间，TransE模型，将一个三元组表示成(h,r,t)，其中h表示头实体，r表示关系，而t表示尾实体，关系r被视作为一种操作—嵌入空间中的平移。

S3、基于知识图谱图谱表示学习的通信辐射源威胁评估：

使用知识图谱中已存的实体关系三元组，构建训练集输入基于距离的模型TransE，通过负采样方法随机替换实体来计算尾实体概率分布；

评价指标：

MR表示正确三元组的得分排名，其值越小越好；Hits@n表示排名前n里正确实体的比例，值越高，模型效果就越好；

根据TransE模型进行链路预测，在给定头实体和关系的前提下，预测尾实体威胁等级。

2.根据权利要求1所述的基于知识图谱表示学习的通信辐射源威胁评估方法，其特征在于步骤S1中构建知识图谱本体库，具体过程为：

针对分布式协同场景完成通信辐射源威胁评估模型构建，由若干个通信辐射源发射设备构建，每个通信辐射源发射设备分别对干扰目标进行通信辐射源干扰，提出威胁评估模型；特征值由通信辐射源威胁评估指标确定，对分布式协同场景下通信辐射源威胁评估关键因素的分析，该指标具体包括：战术重要性、骨干节点、关键链路、目标距离、功率；

提出威胁评估模型：w_ij＝ω_jr_ij，其中w_ij表示威胁值，且w_ij∈[0,1]，ω_j表示权重，r_ij表示第i个通信辐射源的第j个特征值。

3.根据权利要求2所述的基于知识图谱表示学习的通信辐射源威胁评估方法，其特征在于得到战术重要性指标，具体过程为：

依据通信链路的战术重要性确定威胁指数：各通信辐射源设备的通信链路不同，战术重要性也不同，令战术重要性特征值为r_i1，且r_i1∈[0,1]，其中通信辐射源设备影响能力越大威胁就越大，战术重要性的特征值就越高。

4.根据权利要求2所述的基于知识图谱表示学习的通信辐射源威胁评估方法，其特征在于得到骨干节点指标，具体过程为：

骨干节点指的是信息网络系统的交汇点、控制点、信息交换中心，根据节点的重要程度进行排序，获得某个节点相对于其他节点的重要程度；其特征值为r_i2：

式中l_x表示节点x与其他节点直接相关联的边数，N为网络中节点数目。

5.根据权利要求2所述的基于知识图谱表示学习的通信辐射源威胁评估方法，其特征在于得到关键链路指标，具体过程为：

关键链路指的是作战要素之间的关键联系，任何信息网络都有节点和链路；分析通信网络时间的通信链路是对目标进行威胁排序的关键步骤，通过对关键链路的分析选择其中拥有高价值的通信链路，并作为干扰目标，能够更有效地干扰；其特征值为r_i3：

式中l_xy(c,v)表示通信网络中节点x与节点y间经过链路(c,v)的最短路径数量；l_xy表示通信网络节点x与节点y间最短路径的总数。

6.根据权利要求2所述的基于知识图谱表示学习的通信辐射源威胁评估方法，其特征在于得到目标距离指标，具体过程为：

威胁辐射源离目标距离越近，其威胁越大，威胁等级越高；通信辐射源目标距离特征值r_i4：

式中，d_k为辐射源距攻击目标的距离，d_max,d_min分别为辐射源距攻击目标距离的最大值和最小值。

7.根据权利要求2所述的基于知识图谱表示学习的通信辐射源威胁评估方法，其特征在于得到功率指标，具体过程为：

当干扰目标距离一定时，距离越远、功率越大，所需干扰功率越大，干扰越难，因此威胁等级越高。则功率特征值为r_i5：

式中p_k表示干扰功率，p_max表示干扰设备能干扰的最大干扰功率的临界值。

8.根据权利要求1-7任一项所述的基于知识图谱表示学习的通信辐射源威胁评估方法，其特征在于不同指标对通信辐射源进行威胁等级评估的影响程度不同，需要明确评估指标相对应的权重去计算通信辐射源的威胁等级，影响通信辐射源的指标和其权重关系如下：

对通信辐射源的威胁值进行计算，能有效地求解多目标决策；具体威胁值计算过程如下：

设存在n个威胁通信辐射源，建立决策矩阵D＝[r_ij]_n×5去评估通信辐射源的威胁等级，其中i＝1,2,…,n；j＝1,2,3,4,5，r_ij表示第i个通信辐射源的第j个特征值；构造加权标准化矩阵：w＝[w_ij]_n×5，其中w_ij＝ω_jr_ij，再求解最大威胁值与最小威胁值：

确定各通信辐射源到最大、最小威胁值的距离

由上式可得相对贴近度C_i：

相对贴近度C_i反映通信辐射源威胁值接近最大威胁解，又远离最小威胁解的程度；因此C_i值越大，表明该通信辐射源威胁越高。

Images