本文版权为《邮电设计技术》所有，如需转载请联系《邮电设计技术》编辑部
摘要：针对通信网络架构复杂化引发的网络安全系统性挑战，提出了一种网络安全知识图谱构建方法。依托GraphRAG技术框架与大语言模型协同，以图模式Schema驱动对网络安全文档数据进行预处理、文档分块实现知识抽取，并通过结构和语义双重感知技术构建出结构化强、关系精确可溯的网络安全知识图谱。最后采用多粒度混合检索、加权融合重排等多种调优技术，实现知识的精准检索。评测结果表明，该方式构建的网络安全知识图谱更适配通信领域复杂的场景特征，为该领域实现高性能知识检索和智能问答服务提供了适合的技术与实践路径。
关键字：通信网络安全；检索增强生成；GraphRAG；大语言模型；知识图谱；智能问答
doi：10.12045/j.issn.1007-3043.2026.09.009
引言
随着数字化浪潮的持续推进，电信网络已由相对封闭的垂直架构，演进为多层次、多技术域融合的复杂系统[1]。5G、云网融合等新技术在显著提升网络灵活性与业务创新能力的同时，也进一步加剧了网络架构的复杂性，使网络安全面临严峻的系统性挑战[2]。为此，亟需构建能够深度映射网络复杂性的网络安全知识图谱。该类“安全地图”可将传统点状告警分析升级为面向场景的综合研判，为自动化响应提供推理支撑，并将跨域安全经验沉淀为可计算知识体系，推动安全运营由被动防御向主动预测转型，从而为复杂网络环境提供关键性的认知基础。然而，当前相关研究还处于初期阶段，亟需发展具备场景适配性高与优良性能的网络安全图谱构建技术，推动行业标准化[3]。
检索增强生成（RAG）技术在知识图谱构建与智能问答场景中，一定程度上缓解了大模型语言（LLM）的幻觉问题，但仍存在以下痛点：其一，知识以零散文本块形式存储，缺乏明确实体关系关联，导致信息链路不可追溯；其二，依托向量空间的单跳相似性检索，缺乏多跳推理能力，难以应对复杂问题，检索精度受限；其三，对网络安全领域多层次、异构化场景的适配性不足，易出现核心知识漏检与无关信息召回；其四，文本分块语义碎片化，难以满足该领域对知识准确性与逻辑严谨性的高要求[4]。
针对上述不足，提出了一种Schema 先行的Gra⁃phRAG[5]构建方法。该方法以领域知识作为前置契约，指导图结构的构建与信息组织；设计兼顾结构特征与语义信息的双重感知社区检测算法，形成四层知识树结构；进一步构建支持多粒度可追溯的混合检索机制，并结合加权融合与重排序策略，实现高精度查询。在网络安全文档上的实测结果表明，该方法能够更有效地捕捉复杂语义关联与上下文依赖关系，显著提升问答与推理的准确性、可解释性与逻辑一致性，从而有效缓解传统RAG 方法的痛点问题，更适用于通信领域中规则严谨与结构复杂的推理场景。
