面向移动互联网关联分析的多实体知识图谱设计与实现

doi:10.12267/j.issn.2096-5931.2025.03.012

信息通信技术与政策 ›› 2025, Vol. 51 ›› Issue (3): 89-96.doi: 10.12267/j.issn.2096-5931.2025.03.012

技术与标准上一篇

面向移动互联网关联分析的多实体知识图谱设计与实现

Design and implementation of a multi-entity knowledge graph for correlation analysis in mobile internet

王淞鹤¹^,², 王艳红¹^,², 李京典¹^,², 武林娜¹^,²

1.中国信息通信研究院泰尔终端实验室,北京 100191
2.移动应用创新与治理技术工业和信息化部重点实验室,北京 100191

收稿日期:2025-01-20 出版日期:2025-03-25 发布日期:2025-04-02
通讯作者: 王淞鹤,中国信息通信研究院泰尔终端实验室、移动应用创新与治理技术工业和信息化部重点实验室工程师,主要从事移动应用软件安全、Android 恶意代码分析、移动应用自动化检测等方面的研究工作
作者简介:
王艳红,中国信息通信研究院泰尔终端实验室、移动应用创新与治理技术工业和信息化部重点实验室工程师,主要从事移动互联网领域信息安全、个人信息保护、数据管理等方面的研究工作
李京典,中国信息通信研究院泰尔终端实验室、移动应用创新与治理技术工业和信息化部重点实验室工程师,主要从事移动安全、个人信息保护等方面的研究工作
武林娜,中国信息通信研究院泰尔终端实验室、移动应用创新与治理技术工业和信息化部重点实验室工程师,主要从事移动智能终端及应用软件安全和个人信息保护检测等方面的研究工作

WANG Songhe¹^,², WANG Yanhong¹^,², LI Jingdian¹^,², WU Linna¹^,²

1. CTTL Terminal Labs, China Academy of Information and Communications Technology, Beijing 100191, China
2. Key Laboratory of Mobile Application Innovation and Governance Technology, Beijing 100191, China

Received:2025-01-20 Online:2025-03-25 Published:2025-04-02

摘要/Abstract

摘要：

通过分析应用软件、软件开发工具包、开发运营者等不同实体间的关系特性设计和实现多实体知识图谱,提出基于多实体知识图谱的关系挖掘和关联分析方法,为用户隐私数据流动、风险应用软件溯源等典型安全场景提供新的研究思路和技术方案。

关键词: 知识图谱, 移动互联网, 关联分析

Abstract:

By analyzing the relational characteristics among different entities such as APPs, SDKs, and developers, a multi-entity knowledge graph is designed and implemented. This approach proposes relationship mining and correlation analysis methods based on the multi-entity knowledge graph, offering new research perspectives and technical solutions for typical security scenarios such as user privacy data flow and risk APP traceability.

Key words: knowledge graph, mobile internet, correlation analysis

中图分类号:

王淞鹤, 王艳红, 李京典, 武林娜. 面向移动互联网关联分析的多实体知识图谱设计与实现[J]. 信息通信技术与政策, 2025, 51(3): 89-96.

WANG Songhe, WANG Yanhong, LI Jingdian, WU Linna. Design and implementation of a multi-entity knowledge graph for correlation analysis in mobile internet[J]. Information and Communications Technology and Policy, 2025, 51(3): 89-96.

导出引用管理器 EndNote|Ris|BibTeX

链接本文:

http://ictp.caict.ac.cn/CN/10.12267/j.issn.2096-5931.2025.03.012

http://ictp.caict.ac.cn/CN/Y2025/V51/I3/89

图/表 6

参考文献 12

[1]	DONG X, GABRILOVICH E, HEITZ G, et al. Knowledge vault: a web-scale approach to probabilistic knowledge fusion[C]// Proceedings of the 20th ACM SIGKDD international conference on Knowledge discovery and data mining, 2014: 601-610.
[2]	PUJARA J, MIAO H, GETOOR L, et al. Knowledge graph identification[C]// The Semantic Web-ISWC 2013: 12th International Semantic Web Conference. Sydney: Springer Berlin Heidelberg, 2013: 542-557.
[3]	ALLIX K, BISSYANDE T F, KLEIN J, et al. Androzoo: collecting millions of android apps for the research community[C]// Proceedings of the 13th International Conference on Mining Software Repositories, 2016: 468-471.
[4]	LI L, GAO J, KONG P, et al. KnowledgeZooClient: constructing knowledge graph for Android[C]// Proceedings of the 35th IEEE/ACM International Conference on Automated Software Engineering, 2020: 73-78.
[5]	MENG G, XUE Y, SIOW J K, et al. Androvault: constructing knowledge graph from millions of android apps for automated analysis[J]. arXiv Preprint, arXiv:1711.07451, 2017.
[6]	ZHOU H, LI W, ZHANG B, et al. MAKG: a mobile application knowledge graph for the research of cybersecurity[C]// Knowledge Graph and Semantic Computing: Knowledge Graph Empowers New Infrastructure Construction: 6th China Conference, CCKS 2021. Singapore: Springer Singapore, 2021: 321-328.
[7]	BAI Y, CHEN S, XING Z, et al. ArgusDroid: detecting Android malware variants by mining permission-API knowledge graph[J]. Science China Information Sciences, 2023, 66(9):192101.
[8]	MA Z, WANG H, GUO Y, et al. Libradar: fast and accurate detection of third-party libraries in android apps[C]// Proceedings of the 38th International Conference on Software Engineering Companion, 2016: 653-656.
[9]	ZHAN X, FAN L, LIU T, et al. Automated third-party library detection for android applications: are we there yet?[C]// Proceedings of the 35th IEEE/ACM International Conference on Automated Software Engineering, 2020: 919-930.
[10]	PAN J Z. Resource description framework[M]// Handbook on Ontologies. Berlin, Heidelberg: Springer Berlin Heidelberg, 2009.
[11]	BLONDEL D V, GUILLAUME J, LAMBIOTTE R, et al. Fast unfolding of communities in large networks[J]. Journal of Statistical Mechanics: Theory and Experiment, 2008. DOI:10.1088/1742-5468/2008/10/P10008.
[12]	GHOSH S, HALAPPANAVAR M, TUMEO A, et al. Distributed louvain algorithm for graph community detection[C]// 2018 IEEE International Parallel and Distributed Processing Symposium (IPDPS), 2018: 885-895.

属性类型	主要属性
基本信息	应用包名、版本号、开发运营者信息、个人信息处理情况、权限使用情况、第三方共享情况、发布时间、应用分类、年龄分级、历史版本
样本结构化信息	权限申请、服务注册、广播监听、网络访问、Activity调用、敏感API调用、开发者签名、MD5、IPs、域名、第三方SDK
样本安全检测信息	APP安全风险、个人信息安全风险、用户权益保护风险
开发运营者企业信息	法人信息、公司名称、公司类型、成立时间、注册邮箱、运营情况、关联企业

属性类型	主要属性
基本信息	应用包名、版本号、开发运营者信息、个人信息处理情况、权限使用情况、第三方共享情况、发布时间、应用分类、年龄分级、历史版本
样本结构化信息	权限申请、服务注册、广播监听、网络访问、Activity调用、敏感API调用、开发者签名、MD5、IPs、域名、第三方SDK
样本安全检测信息	APP安全风险、个人信息安全风险、用户权益保护风险
开发运营者企业信息	法人信息、公司名称、公司类型、成立时间、注册邮箱、运营情况、关联企业

面向移动互联网关联分析的多实体知识图谱设计与实现

Design and implementation of a multi-entity knowledge graph for correlation analysis in mobile internet

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 6

参考文献 12

相关文章 3

编辑推荐

Metrics

本文评价

[1]	李俊逸, 王卓, 马鹏玮. 图数据库技术发展趋势研究[J]. 信息通信技术与政策, 2021, 47(5): 67-72.
[2]	张云勇, 　严斌峰, 周晶, 　关蕾, 　宋天舒, 　顾旻霞. 5G 时代大视频传播与前景探析[J]. 信息通信技术与政策, 2020, 46(1): 69-73.
[3]	符山, 吕艾临, 闫树. 知识图谱的概念与应用[J]. 信息通信技术与政策, 2019, 45(5): 10-13.