引用格式：徐睿，刘金，冯志，等. 基于知识图谱与本体驱动的数据建模框架［J］.网络安全与数据治理，2025，44（8）：39-45.
引言
数据建模作为数据治理的核心任务，通常采用实体-关系模型，通过定义实体、属性和关系等抽象结构来描述数据的语义，再映射为具体的数据库表、字段及约束，从而实现数据的存储与管理。然而，随着数据量的迅猛增长以及业务需求的日益复杂，传统的关系型数据建模方法逐渐暴露出诸多局限性。例如，传统方法依赖于静态的表结构和字段定义，难以有效处理多维度、动态变化的数据关系，也很难适应异构数据源的集成需求。随着大数据、人工智能和知识图谱等新兴技术的快速发展，数据建模的范式也在发生深刻变化。
在这一背景下，知识图谱和动态本体技术可以在数据治理领域发挥重要作用。知识图谱通过图结构表示实体及其关系，并能够通过语义推理揭示数据之间的深层次联系。本体则为知识图谱提供了一个规范的语义框架，帮助明确各类实体及其属性的定义及相互关系。知识图谱和动态本体的结合，不仅提供了更灵活的建模手段，还能够促进跨系统的数据集成，提升数据的语义理解与质量控制。
这一映射过程不仅是技术创新，也体现了对人类认知与理解世界方式的模拟。认知科学认为人类通过抽象符号、分类和关系表达知识，本体与知识图谱正是构建这种抽象模型的工具。在智能化趋势下，知识图谱作为模拟人类认知的“图式语言”，帮助机器理解、推理与学习数据，例如结合图神经网络（Graph Neural Network,GNN）进行推理与分析［1］。在网络安全领域，知识图谱能够通过路径推理识别攻击者的潜在利用路径（如漏洞→系统→攻击者），或通过关系映射发现未修复漏洞的关联防御措施。
在此基础上，考虑到当前大部分业务系统的数据仍主要存储于结构化数据库中，而知识图谱直接应用于业务系统的落地尚存在较大挑战，因此本文提出一种基于知识图谱和本体驱动的数据建模框架。通过将知识图谱中的实体、属性和关系有效映射到数据库表结构，实现从语义建模到结构化数据存储的高效转化；并结合威胁情报自动抽取、跨系统数据融合等业务应用场景验证框架能力。
本文详细内容请下载：
//www.51qz.net/resource/share/2000006649
作者信息：
徐睿1,2，刘金1,2，冯志1,2，张雅勤1,2，董伟1,2
（1.中国信息安全研究院有限公司， 北京102209;
2.华北计算机系统工程研究所， 北京100083）
