本發明涉及人工智能,尤其涉及云安全共性能力要素提取方法、裝置、設備及介質。
背景技術:
1、云安全產品集成服務面向云租戶和安全廠商等構件一個開放集成的云安全產品組件。根據接入的云租戶的不同,云安全產品會面對多個場景需求,為每一個場景構建新的能力要素(即具備實現場景需求能力的產品模塊),顯然是非常費時的。為了提高針對新場景的開發效率,需要找到具備共性的能力要素進行共同開發。在現有技術中,完全依賴人工經驗判斷哪些能力要素是共性要素,效率低下。
技術實現思路
1、本發明提供云安全共性能力要素提取方法、裝置、設備及介質,用以解決現有技術中識別共性要素的效率低的缺陷,實現高效提取共性能力要素。
2、本發明提供一種云安全共性能力要素提取方法,包括:
3、基于各個云安全要素之間的關系生成要素拓撲圖的鄰接矩陣和特征矩陣,所述云安全要素為云安全產品中的參與要素,所述云安全要素包括能力要素;
4、將所述鄰接矩陣和所述特征矩陣輸入至已訓練的圖編碼器中,得到所述圖編碼器輸出的各個所述云安全要素對應的向量表示特征,所述圖編碼器基于多個第一樣本輸入數據訓練得到,每個所述第一樣本輸入數據包括第一樣本要素拓撲圖對應的第一樣本鄰接矩陣和第一樣本特征矩陣;
5、將各個所述能力要素分別對應的所述向量表示特征輸入至已訓練的聚類模型中,獲取所述聚類模型輸出的聚類結果;
6、基于所述聚類結果在各個所述能力要素中提取至少兩個所述能力要素作為共性能力要素。
7、根據本發明提供的云安全共性能力要素提取方法,所述圖編碼器包括第一圖注意力層、第二圖注意力層、第一隨機舍棄層以及第二隨機舍棄層;所述將所述鄰接矩陣和所述特征矩陣輸入至已訓練的圖編碼器中,得到所述圖編碼器輸出的各個所述云安全要素對應的向量表示特征,包括:
8、將所述鄰接矩陣和所述特征矩陣輸入至所述第一圖注意力層,通過所述第一圖注意力層,基于各個所述云安全要素的鄰居要素為各個所述云安全要素分配注意力權重,獲取所述第一圖注意力層輸出的各個所述云安全要素分別對應的第一聚合特征;
9、將各個所述云安全要素分別對應的所述第一聚合特征輸入至所述第一隨機舍棄層,獲取所述第一隨機舍棄層輸出的各個所述云安全要素分別對應的第二聚合特征;
10、將各個所述云安全要素分別對應的所述第二聚合特征輸入至所述第二圖注意力層,通過所述第二圖注意力層,基于各個所述云安全要素的鄰居要素為各個所述云安全要素分配注意力權重,獲取所述第二圖注意力層輸出的各個所述云安全要素分別對應的第二聚合特征;
11、將各個所述云安全要素分別對應的所述第二聚合特征輸入至所述第二隨機舍棄層,獲取所述第二隨機舍棄層輸出的各個所述云安全要素分別對應的所述向量表示特征。
12、根據本發明提供的云安全共性能力要素提取方法,所述圖編碼器的訓練過程包括:
13、將所述第一樣本輸入數據輸入至所述圖編碼器中,獲取所述圖編碼器輸出的所述第一樣本要素拓撲圖中的各個第一樣本云安全要素分別對應的第一樣本向量表示特征;
14、將所述第一樣本向量表示特征輸入至圖解碼器中,獲取所述圖解碼器輸出的第一重建鄰接矩陣;
15、基于所述第一重建鄰接矩陣和所述第一樣本鄰接矩陣確定第一訓練損失;
16、基于所述第一訓練損失更新所述圖編碼器的參數。
17、根據本發明提供的云安全共性能力要素提取方法,所述聚類模型基于多個第二樣本輸入數據訓練得到,每個所述第二樣本輸入數據包括第二樣本要素拓撲圖對應的第二樣本鄰接矩陣和第二樣本特征矩陣;所述聚類模型的訓練過程包括:
18、將所述第二樣本輸入數據輸入至所述圖編碼器中,得到所述圖編碼器輸出的所述第二樣本要素拓撲圖中各個第二樣本能力要素分別對應的第二樣本向量表示特征;
19、將各個所述第二樣本向量表示特征輸入至所述聚類模型中,獲取所述聚類模型輸出的樣本聚類結果;
20、基于所述樣本聚類結果確定第二訓練損失;
21、基于所述第二訓練損失更新所述聚類模型的參數。
22、根據本發明提供的云安全共性能力要素提取方法,所述基于所述樣本聚類結果確定第二訓練損失,包括:
23、獲取第一分布結果,所述第一分布結果反映所述樣本聚類結果中所述第二樣本能力要素屬于分別屬于各個類的概率;
24、獲取第二分布結果,所述第二分布結果反映所述樣本聚類結果中所述第二樣本能力要素與各個類的中心的距離;
25、基于所述第一分布結果和所述第二分布結果確定所述第二訓練損失。
26、根據本發明提供的云安全共性能力要素提取方法,所述基于所述第一訓練損失更新所述圖編碼器的參數之后,還包括:
27、將所述第二樣本向量表示特征輸入至所述圖解碼器中,得到所述圖解碼器輸出的第二重建鄰接矩陣;
28、基于所述第二重建鄰接矩陣和所述第二樣本鄰接矩陣確定第三訓練損失;
29、基于所述第二訓練損失和所述第三訓練損失確定第四訓練損失;
30、基于所述第四訓練損失更新所述圖編碼器的參數。
31、本發明還提供一種云安全共性能力要素提取裝置,包括:
32、圖生成模塊,用于基于各個云安全要素之間的關系生成要素拓撲圖的鄰接矩陣和特征矩陣,所述云安全要素為云安全產品中的參與要素,所述云安全要素包括能力要素;
33、圖編碼模塊,用于將所述鄰接矩陣和所述特征矩陣輸入至已訓練的圖編碼器中,得到所述圖編碼器輸出的各個所述云安全要素對應的向量表示特征,所述圖編碼器基于多個第一樣本輸入數據訓練得到,每個所述第一樣本輸入數據包括第一樣本要素拓撲圖對應的第一樣本鄰接矩陣和第一樣本特征矩陣;
34、聚類模塊,用于將各個所述能力要素分別對應的所述向量表示特征輸入至已訓練的聚類模型中,獲取所述聚類模型輸出的聚類結果;
35、結果提取模塊,用于基于所述聚類結果在各個所述能力要素中提取至少兩個所述能力要素作為共性能力要素。
36、本發明還提供一種電子設備,包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序,所述處理器執行所述程序時實現如上述任一種所述云安全共性能力要素提取方法。
37、本發明還提供一種非暫態計算機可讀存儲介質,其上存儲有計算機程序,該計算機程序被處理器執行時實現如上述任一種所述云安全共性能力要素提取方法。
38、本發明還提供一種計算機程序產品,包括計算機程序,所述計算機程序被處理器執行時實現如上述任一種所述云安全共性能力要素提取方法。
39、本發明提供的云安全共性能力要素提取方法、裝置、設備及介質,通過將云安全要素之間的關系轉換為圖,利用圖編碼器可以有效提取圖空間特征的特點來提取能夠表征能力要素的向量表示特征,然后利用聚類模型對能力要素的向量表示特征進行聚類,可以將相似的能力要素聚為一類,從而實現了對具有共性的云安全能力要素的自動識別,不需要依靠人工經驗,提高共性能力要素提取的效率。