买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉广州大学申请的专利一种基于文本和图嵌入交互的漏洞图谱对齐方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116578715B 。

龙图腾网通过国家知识产权局官网在2026-04-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310387189.3，技术领域涉及：G06F16/36；该发明授权一种基于文本和图嵌入交互的漏洞图谱对齐方法是由李默涵;蒋进;孙彦斌;田志宏;仇晶;李树栋;唐可可设计研发完成，并于2023-04-11向国家知识产权局提交的专利申请。

本一种基于文本和图嵌入交互的漏洞图谱对齐方法在说明书摘要公布了：本发明涉及网络安全技术领域，且公开了一种基于文本和图嵌入交互的漏洞图谱对齐方法，包括以下步骤：从国家信息安全漏洞库和国家信息安全漏洞共享平台中获取公开的漏洞数据，构建用于漏洞实体对齐实验的数据集，以QuatE模型作为基础，构建图嵌入表示模型QuatAE，引入新关系ra作为两个图谱间的“连接桥梁”。该基于文本和图嵌入交互的漏洞图谱对齐方法，充分考虑了漏洞图谱的特点，以统一的模型综合考虑实体、邻居和属性层面的信息，实现了较好的对齐效果。除了支持漏洞图谱之外，由于将知识图谱中影响知识对齐的各层面信息都加入训练，可以兼容其他领域知识图谱的实体对齐工作，具有很强的通用性。

本发明授权一种基于文本和图嵌入交互的漏洞图谱对齐方法在权利要求书中公布了：1.一种基于文本和图嵌入交互的漏洞图谱对齐方法，其特征在于，包括以下步骤： S1、漏洞知识图谱构建模块 从国家信息安全漏洞库和国家信息安全漏洞共享平台中获取公开的漏洞数据，构建用于漏洞实体对齐实验的数据集，以实体h，关系r，实体t与实体h，属性a，属性值v的形式分别构成了关系三元组集合和属性三元组集合； S2、图嵌入表示模块 以QuatE模型作为基础，构建图嵌入表示模型QuatAE，引入新关系ra作为两个图谱间的“连接桥梁”，利用对齐种子Sd和关系ra，加入一组训练数据，修改训练目标，该模块的损失函数设计如下： ； S3、实体文本-图嵌入模块 对于输入的实体文本，利用跨语言预训练模型BERT来学习文本信息，将BERT的CLS嵌入与QuatAE学习到的图嵌入拼接，再经过一个MLP层进行过滤，考虑到QuatAE嵌入与BERT嵌入间的差异，在拼接之前，将QuatAE嵌入经过一个MLP层进行特征选择： ， 利用对齐种子，随机采样一些负样本作为微调BERT和QuatAE的训练数据:，其中，表示与的相同实体，而为与不相同的负样本，负样本对的采样计算通过实体对的余弦相似度来选择，在获得训练数据后，使用成对边缘损失来进行微调，损失函数如下： ； S4、多视角交互对齐模块 在对齐时，考虑邻居和属性能更容易区分那些在图结构和名称都相似，但实际并不相同的实体，将邻居视角和属性视角加入，与上一模块的图文视角进行交互，得到最终的对齐结果，首先，在邻居视角下，对于给定的候选匹配实体对，通过上一模块获取其各自的邻居实体嵌入表示，用以计算出一个邻居实体间的相似度矩阵Sr，任一元素表示实体的第x个邻居与实体的第y个邻居的相似度； 关系的文本嵌入同样利用BERT的CLS嵌入通过一个MLP层获得： 其中，表示实体第x个关系和实体的第y个关系的相似度，这些关系相似度能组成一个关系mask矩阵M，将邻居相似度矩阵和对应的关系mask矩阵M计算哈达玛积，得到最终的相似度矩阵: ； 取每行的最大值作为RBF核函数的输入，即只关心与的邻居中最可能是相同实体的实体对有多相似；由此，得到实体和实体在邻居视角下每行和每列的相似度分数集合： 其中，RBFr·对相似度矩阵的行元素进行聚合，RBFc·对相似度矩阵的列元素进行聚合。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人广州大学，其通讯地址为：510006 广东省广州市大学城外环西路230号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。