基于知識(shí)圖譜的密碼領(lǐng)域研究特征探析?
——依據(jù)2011-2020年歐密、美密、亞密年會(huì)論文數(shù)據(jù)

林 輝 陶 治 郝耀輝 郭淵博

（戰(zhàn)略支援部隊(duì)信息工程大學(xué)密碼工程學(xué)院 鄭州 450004）

1 引言

密碼是保障網(wǎng)絡(luò)與信息安全的核心技術(shù)和基礎(chǔ)支撐，無(wú)論是商業(yè)領(lǐng)域還是軍事領(lǐng)域，隨處可見(jiàn)的密碼應(yīng)用場(chǎng)景，促使密碼研究領(lǐng)域得到飛速發(fā)展。如何有效組織、存儲(chǔ)全球密碼領(lǐng)域研究者、研究機(jī)構(gòu)等信息，進(jìn)而挖掘、分析密碼研究領(lǐng)域的熱點(diǎn)主題、研究力量及其合作關(guān)系等，對(duì)分析全球密碼研究領(lǐng)域?qū)嵙λ椒植?，了解密碼研究領(lǐng)域研究發(fā)展趨勢(shì)等，具有重要參考價(jià)值，對(duì)啟發(fā)密碼領(lǐng)域科研思路、促進(jìn)密碼領(lǐng)域研究具有積極作用。

自2012 年Google 公司提出知識(shí)圖譜概念，許多研究機(jī)構(gòu)、科研人員對(duì)知識(shí)圖譜構(gòu)建技術(shù)進(jìn)行研究，并將其應(yīng)用于諸多領(lǐng)域，取得了很多創(chuàng)新性的研究成果［1～4］。概況起來(lái)，知識(shí)圖譜構(gòu)建最常見(jiàn)的是以“實(shí)體-關(guān)系-實(shí)體”或者“實(shí)體-屬性-屬性值”三元組形式作為事實(shí)的表達(dá)方式，從而將現(xiàn)實(shí)世界的數(shù)據(jù)存儲(chǔ)到信息世界，構(gòu)成知識(shí)的“圖譜”。其主要步驟包含實(shí)體識(shí)別、實(shí)體抽取、實(shí)體消歧、屬性抽取、關(guān)系抽取、關(guān)系補(bǔ)全等。

目前，在知識(shí)圖譜構(gòu)建方法和技術(shù)的研究方面，胡代旺等利用輕量級(jí)預(yù)訓(xùn)框架ALBERT，提出了一種新的知識(shí)圖譜實(shí)體關(guān)系抽取算法，可有效地提高實(shí)體關(guān)系抽取的精度［5］；付瑞等改進(jìn)的BERTBiGRU-CRF模型［6］、Wu提出的CTD-BLSTM模型［7］等，均取得了較好的效果。在知識(shí)圖譜研究領(lǐng)域，最常見(jiàn)的是依據(jù)不同行業(yè)、領(lǐng)域背景，構(gòu)建知識(shí)圖譜，進(jìn)行數(shù)據(jù)存儲(chǔ)和分析。例如：丁晟春等采用知識(shí)圖譜方法挖掘、組織、存儲(chǔ)、展示電商產(chǎn)品信息［8］；呂華揆等基于金融機(jī)構(gòu)間持股關(guān)系、持股比例構(gòu)建了中國(guó)金融股權(quán)知識(shí)圖譜，分析了中國(guó)金融機(jī)構(gòu)間的知識(shí)關(guān)聯(lián)關(guān)系［9］；沈科杰等使用Neo4j圖數(shù)據(jù)庫(kù)，基于個(gè)人公開(kāi)履歷信息，建立了涵蓋個(gè)人任職經(jīng)歷、任職機(jī)構(gòu)、同事等數(shù)據(jù)信息的履歷知識(shí)圖譜，可為企事業(yè)單位的人才選拔、人事任免任務(wù)提供決策支持［10］。在醫(yī)學(xué)研究領(lǐng)域，胡正銀等提出了一套基于知識(shí)圖譜多源數(shù)據(jù)融合的學(xué)科知識(shí)發(fā)現(xiàn)方法框架，并基于造血干細(xì)胞癌癥治療的科技文獻(xiàn)數(shù)據(jù)，進(jìn)行了學(xué)科知識(shí)發(fā)現(xiàn)探索［11］；Li等從患者的電子病歷文本數(shù)據(jù)中，抽取知識(shí)，構(gòu)建了膝骨關(guān)節(jié)炎知識(shí)圖譜［12］；Daniel［13］基于COVID-19 冠狀病毒的病理、生理學(xué)知識(shí)，構(gòu)建了相應(yīng)的知識(shí)圖譜。李濤等以CNKI 收錄的2244 條密碼文獻(xiàn)記錄為研究對(duì)象，采用Citespace V 軟件繪制了我國(guó)密碼學(xué)研究文獻(xiàn)知識(shí)圖譜，分析了密碼學(xué)文獻(xiàn)的時(shí)間、作者、機(jī)構(gòu)及關(guān)鍵詞等知識(shí)信息［14］。這些工作取得了許多有意義的成果。

總體看，知識(shí)圖譜方法和技術(shù)在密碼學(xué)領(lǐng)域的研究還較少見(jiàn)。亞密（ASIACRYPT）、歐密（EUROCRYPT）、美密（CRYPTO）三大密碼學(xué)年會(huì)代表國(guó)際密碼學(xué)術(shù)界的發(fā)展水平［15～17］，一直受到世界各國(guó)學(xué)者的廣泛關(guān)注。本文以三大密碼學(xué)年會(huì)收錄的論文的題目、作者等數(shù)據(jù)信息為研究樣本，進(jìn)行分析、挖掘，采用Neo4j 圖數(shù)據(jù)［18］，構(gòu)建三大密碼年會(huì)知識(shí)圖譜，呈現(xiàn)密碼學(xué)的國(guó)際研究現(xiàn)狀、研究熱點(diǎn)、演變特征及研究關(guān)鍵詞、研究者等之間的關(guān)聯(lián)關(guān)系，以期為后續(xù)相關(guān)密碼領(lǐng)域研究者提供參考與啟發(fā)，對(duì)密碼領(lǐng)域相關(guān)機(jī)構(gòu)、研究者了解行業(yè)現(xiàn)狀有一定參考意義。

2 數(shù)據(jù)來(lái)源與研究方法

本文構(gòu)建知識(shí)圖譜的數(shù)據(jù)對(duì)象來(lái)源于網(wǎng)址https：//www.iacr.org/cryptodb，采用Python 語(yǔ)言編寫(xiě)爬蟲(chóng)程序抓取獲得，包含2011-2020 共十年間三大密碼年會(huì)收錄的論文1820 篇。其中，抓取的論文信息主要包括：題目、作者、作者所屬機(jī)構(gòu)、機(jī)構(gòu)所屬?lài)?guó)家、收錄年份等?；赟PO 三元組模型，使用Neo4j圖數(shù)據(jù)庫(kù)（社區(qū)版版本號(hào)：4.2.0），構(gòu)建生成知識(shí)圖譜。概況起來(lái)，可分為以下四個(gè)主要步驟，具體如圖1所示。

圖1 知識(shí)圖譜構(gòu)建步驟圖

1）數(shù)據(jù)采集與處理

分為爬取數(shù)據(jù)和抽取數(shù)據(jù)兩部分，首先從三大密碼年會(huì)網(wǎng)站爬取發(fā)表的論文數(shù)據(jù)，編號(hào)記錄每篇論文；然后，對(duì)論文標(biāo)題進(jìn)行分詞操作，再依次抽取、存儲(chǔ)論文標(biāo)題關(guān)鍵詞、論文作者、作者所屬單位等數(shù)據(jù)，表示為“實(shí)體-屬性-屬性值”形式。

2）數(shù)據(jù)融合與表示

依據(jù)上述處理后的三大密碼年會(huì)發(fā)表論文的數(shù)據(jù)，依據(jù)論文作者姓名、論文標(biāo)題關(guān)鍵詞等對(duì)數(shù)據(jù)進(jìn)行匯總歸類(lèi)，相應(yīng)的各實(shí)體間的關(guān)系也做融合處理，得到三大密碼年會(huì)論文數(shù)據(jù)的SPO 三元組（實(shí)體-屬性-實(shí)體）。

3）知識(shí)圖譜構(gòu)造與存儲(chǔ)

Neo4j 是一款被廣泛應(yīng)用的圖數(shù)據(jù)庫(kù)管理系統(tǒng)，可提供基于圖論的數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)和知識(shí)查詢(xún)推理。本文主要在Neo4j圖數(shù)據(jù)庫(kù)管理系統(tǒng)中構(gòu)建密碼領(lǐng)域知識(shí)圖譜。

4）知識(shí)發(fā)現(xiàn)

主要通過(guò)尋找知識(shí)圖譜中的度值、介數(shù)值、緊密度值大的中心性節(jié)點(diǎn)及繪制可視化圖譜等，分析密碼研究領(lǐng)域的高頻作者、機(jī)構(gòu)、關(guān)鍵詞及作者合作關(guān)系、機(jī)構(gòu)合作關(guān)系等，形成對(duì)全球密碼研究領(lǐng)域發(fā)展、演化的前沿探測(cè)。

3 密碼學(xué)時(shí)空知識(shí)圖譜及其分析

3.1 研究機(jī)構(gòu)圖譜及分析

考察三大密碼學(xué)年會(huì)收錄論文作者所屬的科研機(jī)構(gòu)，統(tǒng)計(jì)各機(jī)構(gòu)的發(fā)文數(shù)量，考察世界范圍內(nèi)密碼學(xué)研究的核心學(xué)術(shù)團(tuán)體和機(jī)構(gòu)，分析研究機(jī)構(gòu)的所屬?lài)?guó)家及機(jī)構(gòu)間的合作關(guān)系，是了解世界密碼學(xué)研究實(shí)力分布的重要依據(jù)。按時(shí)間片（1年）統(tǒng)計(jì)前10名機(jī)構(gòu)發(fā)表論文數(shù)的時(shí)序圖譜，如圖2所示。

從圖2可以看出，近10年累計(jì)發(fā)表論文數(shù)量排名前10 的機(jī)構(gòu)，各自每年發(fā)表論文數(shù)量各不相同，存在起伏漲落。2019年是累計(jì)發(fā)表論文數(shù)量10年中最多的一年，2020 年發(fā)文1 數(shù)量與2013 年、2015年的發(fā)文數(shù)量相近，與2019 年發(fā)文數(shù)量相比下降許多。主要由于UCLA、Aarhus University、IBM Research、Johns Hopkins University、UT Austin 這5 個(gè)機(jī)構(gòu)發(fā)文數(shù)量減少引起的。

統(tǒng)計(jì)排名前10 科研機(jī)構(gòu)發(fā)表的論文數(shù)量，計(jì)算各機(jī)構(gòu)論文數(shù)量與全部論文數(shù)量的占比，如表1所示。排名前三的研究機(jī)構(gòu)有UCLA 學(xué)院（143篇）、MIT 學(xué)院（81 篇）和Aarhus University 學(xué)院（71篇），三個(gè)研究機(jī)構(gòu)發(fā)表論文數(shù)量總占比為15.1%，說(shuō)明這三個(gè)研究機(jī)構(gòu)在密碼學(xué)研究領(lǐng)域有較強(qiáng)的科研實(shí)力與領(lǐng)域影響力，緊隨其后的是UC Berkeley、University of Bristol、IBM Research、Johns Hopkins University、Northeastern University、University of Maryland、UT Austin等科研單位。

表1 排名前10的科研機(jī)構(gòu)發(fā)表論文數(shù)量與總占比

繼續(xù)考察不同機(jī)構(gòu)之間的合作情況，設(shè)置在同一篇論文中出現(xiàn)過(guò)的機(jī)構(gòu)之間存在合作關(guān)系，采用Neo4j 圖數(shù)據(jù)庫(kù)及Python 詞云工具，生成密碼學(xué)研究機(jī)構(gòu)之間的合作圖譜及高頻科研機(jī)構(gòu)詞頻圖（忽略沒(méi)有合作關(guān)系的獨(dú)立機(jī)構(gòu)節(jié)點(diǎn)），如圖3 所示。圖中一個(gè)節(jié)點(diǎn)代表一個(gè)科研機(jī)構(gòu)，紅色、黃色、藍(lán)色節(jié)點(diǎn)分別表示合作機(jī)構(gòu)數(shù)量大于30、大于10 小于等于30、小于等于10的科研機(jī)構(gòu)。

圖3 三大密碼年會(huì)中機(jī)構(gòu)合作論文關(guān)系圖譜及高頻機(jī)構(gòu)詞頻圖

對(duì)比圖3 中三大密碼年會(huì)中各機(jī)構(gòu)合作關(guān)系圖譜，可以看出三大密碼年會(huì)各自的關(guān)系圖譜均不相同，既存在有合作關(guān)系數(shù)量較大的機(jī)構(gòu)，也存在兩兩孤立合作的機(jī)構(gòu)（單個(gè)機(jī)構(gòu)也在圖中顯示），說(shuō)明全球密碼學(xué)研究領(lǐng)域大部分機(jī)構(gòu)之間存在合作關(guān)系，但有部分機(jī)構(gòu)自立門(mén)戶，獨(dú)立為戰(zhàn)，與外界無(wú)交流合作。進(jìn)一步檢索三大密碼年會(huì)中合作關(guān)系數(shù)量排名前5的機(jī)構(gòu)，如表2所示。

表2 合作關(guān)系數(shù)量排名前5的機(jī)構(gòu)

從表2 數(shù)據(jù)可發(fā)現(xiàn)，CNRS、UCLA、IBM Research 這三個(gè)科研機(jī)構(gòu)在歐密會(huì)、美密會(huì)、亞密會(huì)的合作關(guān)系數(shù)量排名中均在前5 名里，MIT、New York University、NTT Secure Platform Laboratories 三個(gè)機(jī)構(gòu)分別對(duì)應(yīng)在歐密會(huì)、美密會(huì)、亞密會(huì)中出現(xiàn)在前5 名里。和表1 中的數(shù)據(jù)關(guān)聯(lián)分析，可以發(fā)現(xiàn)UCLA 既是發(fā)表論文數(shù)量最多的機(jī)構(gòu)，又是存在多方合作關(guān)系的機(jī)構(gòu)。而CNRS、New York University、NTT Secure Platform 這三個(gè)機(jī)構(gòu)未出現(xiàn)在發(fā)文數(shù)量前10 名的機(jī)構(gòu)名單中，說(shuō)明其主要依賴(lài)于合作研究，獨(dú)立研究能力相對(duì)較弱。

此外，在知識(shí)圖譜分析中節(jié)點(diǎn)的介數(shù)中心性和緊密中心性是測(cè)量節(jié)點(diǎn)在網(wǎng)絡(luò)中重要性的指標(biāo)，根據(jù)Neo4j 中的GDS 算法庫(kù)，計(jì)算構(gòu)建的知識(shí)圖譜中各節(jié)點(diǎn)的介數(shù)值和緊密度值，分別選取排名前5 的機(jī)構(gòu)，如表3與表4所示。

表3 機(jī)構(gòu)合作關(guān)系圖譜中排名前5的節(jié)點(diǎn)介數(shù)值

表4 機(jī)構(gòu)合作關(guān)系圖譜中排名前5的節(jié)點(diǎn)緊密度

依據(jù)表3 中的機(jī)構(gòu)介數(shù)值數(shù)據(jù)，只有CNRS 在三大密碼年會(huì)都排在前5 名中，UCLA 在歐密會(huì)和美密會(huì)中排在前5 位中，未進(jìn)入亞密會(huì)的前5 位。TU Darmstadt、UC BerkeleyNew 的介數(shù)值在歐密會(huì)中排在第1、第2位，但美密會(huì)和亞密會(huì)中未進(jìn)入在前5 名。同時(shí)，New York University 的介數(shù)值在美密會(huì)中排在第2 位，但歐密會(huì)和亞密會(huì)中未進(jìn)入在前5 名。說(shuō)明在機(jī)構(gòu)合作中起連通作用（介數(shù)值）大的機(jī)構(gòu)有地域特性，各機(jī)構(gòu)在各自所處區(qū)域的密碼年會(huì)中對(duì)關(guān)聯(lián)合作的連通性作用更強(qiáng)。

依據(jù)表4 中的機(jī)構(gòu)緊密度數(shù)據(jù)，發(fā)現(xiàn)CNRS、IBM Research、NTT Secure Platform Laboratories 三個(gè)機(jī)構(gòu)在三大密碼年會(huì)中均處于前5 名中，說(shuō)明三大密碼年會(huì)中處于中心位置的機(jī)構(gòu)相差不大，即密碼學(xué)全球范圍內(nèi)處于核心地位的機(jī)構(gòu)相對(duì)集中。

3.2 研究者圖譜及分析

考察三大密碼年會(huì)收錄論文中不同作者之間的合作情況，設(shè)置在同一篇論文中出現(xiàn)過(guò)的作者存在合作關(guān)系，生成密碼學(xué)領(lǐng)域研究者的機(jī)構(gòu)合作圖譜，如圖4所示。從圖4可以看出，密碼領(lǐng)域的研究者大部分之間存在聯(lián)系，少部分研究者只在小范圍（2人～10人之間）存在聯(lián)系。

圖4 三大密碼年會(huì)中研究者合作論文關(guān)系圖譜

計(jì)算研究者合作關(guān)系圖譜中各節(jié)點(diǎn)的度值、介數(shù)值和緊密度值，分別選取排名前10 的研究者，如表5所示。

表5 作者合作關(guān)系圖譜中前10名度值、介數(shù)值和緊密度值節(jié)點(diǎn)

深入與研究者發(fā)表論文數(shù)量對(duì)比分析，發(fā)現(xiàn)合作者圖譜中度值前10 名的研究者和發(fā)表論文高產(chǎn)作者前10 名名單一致、數(shù)值相等，說(shuō)明密碼研究領(lǐng)域高產(chǎn)作者發(fā)表的論文均不是獨(dú)立完成，全是合作完成。

依據(jù)表5 中的具體數(shù)值分析，度值排序中，前10 名研究者的最大度值為70，而緊密度排序中，最大緊密度值為0.31，說(shuō)明在密碼領(lǐng)域研究者多是直接與業(yè)界大牛、知名學(xué)者開(kāi)展合作研究，但大牛、知名學(xué)者之外的各研究者之間的合作關(guān)系較少。繼續(xù)對(duì)比表5 中度值、介數(shù)值前10 名研究者信息，發(fā)現(xiàn)Yu Yu、Léo Ducas、Chun Guo、Yang Yu、Joanne Woodage 這5 位研究者在度值排序的前10 名中并未出現(xiàn)，但介數(shù)值又非常大，說(shuō)明這5 位研究者在密碼領(lǐng)域各研究者合作關(guān)系中起著非常重要的橋梁紐帶作用。

4 密碼學(xué)內(nèi)容知識(shí)圖譜及其分析

依據(jù)爬取的三大密碼年會(huì)10 年論文數(shù)據(jù)，利用nltk 自然語(yǔ)言處理庫(kù)，對(duì)論文標(biāo)題進(jìn)行分詞處理，去掉介詞、連接詞及一些特殊字符，共得到3170 個(gè)標(biāo)題詞匯。統(tǒng)計(jì)標(biāo)題詞匯出現(xiàn)的頻次，其中排前30的結(jié)果，如圖5所示。

圖5 三大密碼年會(huì)論文中標(biāo)題高頻詞

從圖5 中可見(jiàn)看出，Encryption 是出現(xiàn)頻次第1位的高頻標(biāo)題詞匯，Security、Secure 是出現(xiàn)頻次第2 位、第3 位的高頻標(biāo)題詞匯，Computation、Applications這兩個(gè)詞出現(xiàn)頻次分別處于第4位、第5位，說(shuō)明近10 年密碼相關(guān)研究領(lǐng)域重點(diǎn)在加密和安全領(lǐng)域，并側(cè)重計(jì)算實(shí)現(xiàn)與應(yīng)用方面的研究。

設(shè)置在同一篇論文中出現(xiàn)過(guò)的標(biāo)題詞匯之間存在聯(lián)系，生成密碼學(xué)領(lǐng)域關(guān)鍵詞圖譜如圖6 所示。進(jìn)一步計(jì)算關(guān)鍵詞合作關(guān)系圖譜中各節(jié)點(diǎn)的度值、介數(shù)值和緊密度值，分別選取排名前10 的研究者，如表6所示。

表6 關(guān)鍵詞關(guān)聯(lián)關(guān)系圖譜中前10名度值、介數(shù)值和緊密度值節(jié)點(diǎn)

圖6 三大密碼年會(huì)論文高頻關(guān)鍵詞關(guān)聯(lián)關(guān)系圖譜

對(duì)比表6中數(shù)據(jù)，排名前10的度值與介數(shù)值節(jié)點(diǎn)中，有Security、Encryption、Secure、Applications、Attacks、New、Efficient、Computation、Functions 9 個(gè)詞重合，說(shuō)明代表研究熱點(diǎn)的關(guān)鍵詞在圖譜連通性方面起的作用也很大，密碼各領(lǐng)域研究是通過(guò)熱點(diǎn)關(guān)鍵詞逐步擴(kuò)充，關(guān)聯(lián)起來(lái)的。關(guān)鍵詞緊密度分析，發(fā)現(xiàn)關(guān)鍵詞緊密度值明顯高于機(jī)構(gòu)、作者合作關(guān)系中各節(jié)點(diǎn)的緊密度值，說(shuō)明密碼研究領(lǐng)域除圍繞熱點(diǎn)關(guān)鍵詞開(kāi)展研究外，相對(duì)不是熱點(diǎn)的關(guān)鍵詞之間進(jìn)行的關(guān)聯(lián)研究也很多。其中，緊密度值排名第10 位的“Quantum”在度值、介數(shù)值的前10 名名單中并未出現(xiàn)，說(shuō)明“量子”在密碼領(lǐng)域的研究中處于新興地位，還不是密碼研究領(lǐng)域的核心關(guān)鍵點(diǎn)，圍繞“量子”開(kāi)展的合作研究比較集中。

5 結(jié)語(yǔ)

綜上所述，在近十年的時(shí)間內(nèi)，時(shí)間分布圖譜表明，世界范圍密碼學(xué)研究領(lǐng)域論文發(fā)表量呈現(xiàn)逐步遞增趨勢(shì)，目前處于高產(chǎn)出階段。研究機(jī)構(gòu)和作者分布圖譜表明，雖然參與密碼學(xué)研究的機(jī)構(gòu)單位眾多，呈現(xiàn)出多點(diǎn)開(kāi)花局面，但也涌現(xiàn)出如CNRS、UCLA、IBM Research、Yevgeniy Dodis、Jonathan Katz等處于核心地位的機(jī)構(gòu)與作者。作者、機(jī)構(gòu)合作關(guān)系圖譜緊密度分析表明，密碼領(lǐng)域的科研機(jī)構(gòu)和研究者傾向于直接和業(yè)內(nèi)處于核心地位的機(jī)構(gòu)、大牛作者合作，核心外圍的機(jī)構(gòu)、研究者之間合作較少。

綜上所述，通過(guò)采集2011-2020 年歐密、美密、亞密三大密碼年會(huì)的數(shù)據(jù)，構(gòu)建可視化知識(shí)圖譜及統(tǒng)計(jì)計(jì)量分析方法，揭示了密碼研究領(lǐng)域的現(xiàn)狀及特征，研究結(jié)果對(duì)密碼領(lǐng)域相關(guān)機(jī)構(gòu)、研究者了解行業(yè)現(xiàn)狀有一定參考意義。但論文主要依據(jù)三大密碼年會(huì)的數(shù)據(jù)開(kāi)展研究分析，數(shù)據(jù)量有限，后續(xù)將擴(kuò)充密碼研究領(lǐng)域的其它數(shù)據(jù)，已達(dá)到全方面解析密碼領(lǐng)域研究特征的目的。