3. 知识图谱基础：图论入门、实体-关系模型、属性图与RDF图对比
在构建 Kafka 回放链路反欺诈图谱之前，必须理解知识图谱的底层数学与数据模型。本章从图论基本概念出发，逐步过渡到实体-关系模型，最后对比两种主流图数据模型——属性图与 RDF 图，为后续图谱建模与存储选型奠定基础。
3.1 图论入门：从数学定义到反欺诈场景
图论是知识图谱的数学基础。一个图 G = (V, E) 由顶点集合 V 和边集合 E 组成。在反欺诈场景中：
- 顶点 (Vertex)：代表实体，如用户、设备、IP 地址、银行卡、订单。
- 边 (Edge)：代表实体之间的关系，如登录、转账、同设备、同 IP。
图论中的几个关键概念直接对应反欺诈分析能力：
| 图论概念 | 数学定义 | 反欺诈映射 |
|---|---|---|
| 路径 (Path) | 顶点序列 v₁, v₂, …, vₙ，相邻顶点有边相连 | 资金流转路径、设备跳转链 |
| 环 (Cycle) | 起点与终点相同的路径 | 洗钱闭环、资金回流 |
| 连通分量 | 图中极大连通子图 | 团伙识别：同一设备群、共用 IP 群 |
| 度 (Degree) | 顶点关联的边数 | 异常聚集：一个设备关联 100+ 用户 |
| 最短路径 | 两顶点间边数最少的路径 | 风险传导距离、关联强度 |
实战提示：在 Kafka 回放链路中，每条消息可能携带多个实体 ID。图论中的“路径”概念帮助我们定义“回放链路深度”——例如，从初始设备到最终受益账户经过多少跳，跳数越多，洗钱嫌疑越大。
3.2 实体-关系模型：知识图谱的核心抽象
实体-关系模型（Entity-Relationship Model）是知识图谱的逻辑骨架。它将现实世界抽象为：
- 实体 (Entity)：独立存在的对象，如“用户ID:1001”、“设备IMEI:356938”。
- 关系 (Relation)：实体之间的语义连接，如“登录”、“转账”、“属于”。
- 属性 (Attribute)：实体或关系的特征描述，如“用户年龄”、“转账金额”。
在反欺诈图谱中，实体-关系模型需要满足以下设计原则：
- 实体粒度：每个实体必须有唯一标识（如 Kafka 消息中的 user_id、device_id）。
- 关系方向性：关系通常有方向（如 A 转账给 B），但部分关系可双向（如同设备）。
- 属性时效性：反欺诈场景中，关系属性常包含时间戳，用于回放链路的时间窗口计算。
Kafka 回放链路中的实体-关系示例：
实体：用户(uid:1001)、设备(imei:abc123)、IP(10.0.0.1)、订单(order_id:ORD2024)
关系：用户-登录→设备、设备-使用→IP、用户-下单→订单
属性：登录时间=2024-01-15 10:30:00、下单金额=¥12,800
实体：用户(uid:1001)、设备(imei:abc123)、IP(10.0.0.1)、订单(order_id:ORD2024)
关系：用户-登录→设备、设备-使用→IP、用户-下单→订单
属性：登录时间=2024-01-15 10:30:00、下单金额=¥12,800
3.3 属性图与 RDF 图对比
当前主流的图数据模型有两种：属性图 (Property Graph) 和 RDF 图 (Resource Description Framework)。两者在存储、查询、语义表达上存在显著差异，直接影响 Kafka 回放链路的图谱实现选型。
| 对比维度 | 属性图 (Property Graph) | RDF 图 |
|---|---|---|
| 数据模型 | 顶点 + 边，顶点和边均可携带键值对属性 | 三元组 (主语, 谓语, 宾语)，所有信息以三元组表示 |
| 查询语言 | Cypher、Gremlin、GQL | SPARQL |
| 存储结构 | 邻接表或图原生存储，属性内嵌 | 三元组表或六重索引 |
| 语义推理 | 弱，需应用层实现推理 | 强，支持 RDFS/OWL 本体推理 |
| 唯一标识 | 顶点 ID 由系统生成 | 每个资源有全局 IRI |
| 适用场景 | 实时反欺诈、社交网络、推荐系统 | 知识融合、开放数据、语义搜索 |
| Kafka 回放适配性 | 高：属性内嵌时间戳，边可携带权重 | 中：需将时间戳转为三元组，查询复杂 |
选型建议：在 Kafka 回放链路反欺诈场景中，推荐优先选择属性图模型。原因在于：每条 Kafka 消息的 payload 天然包含多个属性字段（时间戳、金额、设备指纹），属性图可以直接将这些字段作为顶点或边的属性存储，无需拆解为多个三元组，查询效率更高。
3.4 反欺诈图谱数据模型设计要点
结合 Kafka 回放链路的特性，设计反欺诈图谱数据模型时需关注以下要点：
- 时间维度内嵌：每条边必须携带时间戳属性，支持回放时按时间窗口过滤。
- 实体去重：Kafka 消息中同一实体可能多次出现，需在写入图数据库前做幂等处理。
- 关系权重：为边设置权重属性（如转账次数、登录频率），用于后续风险评分。
- 标签与类型：使用顶点标签区分实体类型（User/Device/IP），使用关系类型区分行为（LOGIN/TRANSFER）。
Kafka 回放链路图谱建模伪代码：
// 从 Kafka 消息解析实体与关系
message = {
"user_id": "1001",
"device_id": "abc123",
"ip": "10.0.0.1",
"event_type": "login",
"timestamp": 1705300000,
"risk_score": 0.85
}
// 属性图建模
Vertex user = {id: "user:1001", label: "User", properties: {name: "张三"}}
Vertex device = {id: "device:abc123", label: "Device", properties: {os: "Android"}}
Edge login = {
source: user.id,
target: device.id,
type: "LOGIN",
properties: {timestamp: 1705300000, risk_score: 0.85}
}