在梳理网络空间地图现有理论和技术的基础上，综合计算机领域和地理学中“图谱”的概念，从网络空间要素和知识可视化表达的角度出发，提出了网络空间地理图谱的概念与内涵，介绍了网络空间地理图谱构建的方法与关键技术，并从网络空间资源管理、网络空间行为认知和网络空间事件综合分析3个方面探讨了其前景和应用领域。绘制网络空间地理图谱，可以将网络空间与现实空间关联起来，清晰完整地表达网络空间结构，是实现网络空间行为认知、提升网络安全防护能力的必要途径。

针对大规模网络安全知识图谱表示学习训练速度慢、对头尾实体的关系表达缺乏的问题，提出一种基于随机游走的快速训练模型。该模型首先通过关系路径下的随机游走对整体知识图谱的实体进行初步训练表示；设计了主宾语嵌入，联合关系特定主语嵌入与关系特定宾语嵌入，学习知识图谱中关系的语法含义；再次通过关系路径下的随机游走辅助知识图谱的快速训练。在多个数据集上进行了大量实验，并与多个现有模型进行对比，结果表明，提出的模型能够缩短1/3的训练时间，提升约3%的表示效果，在加快知识图谱表示学习训练速度的同时，有效改善了表示学习的效果。

随着信息技术的快速发展，天基信息系统的网络环境日趋复杂，网络安全问题日益突出。梳理了天基信息网络的发展现状，分析了天基信息网络的特点。探究了网络空间到地理空间的映射关系，从信息要素可视化、拓扑关系可视化和安全行为可视化3个方面，提出了网络空间可视化表达的内容和技术路径，构建了面向天基信息系统的网络空间地理图谱。

图深度学习技术在处理非欧氏结构数据中显示了巨大潜力，大量研究工作尝试将图嵌入或图神经网络应用到漏洞检测中。梳理了基于图深度学习的漏洞检测方法，按其一般流程，归纳了数据集、图数据、图深度学习模型构建及结果评估4个主要阶段；从图深度学习漏洞检测的有效性出发，阐述了基于代码模式和基于相似性及具体应用场景中的研究成果；分析了该领域面临的挑战和未来的趋势。

在网络空间要素预测过程中加入地理空间特征，可实现时空预测网络空间要素。针对网络安全要素预测过程中少有结合网络数据地理空间特征的研究现状，选择有地理空间特征的网络漏洞检测数据，构造网络漏洞时空数据集，通过构建结合图卷积和门控时间卷积的时空图卷积模型，实现网络漏洞态势发展的预测。选取 ARIMA 和 LSTM 时序预测模型进行对比实验，提出的网络漏洞时空图卷积预测模型在MAE、RMSE和MAPE的评价标准下显示有着更好的预测效果。

针对网络安全态势预测中时空特征提取的不足，提出了一种基于局部时空卷积的网络漏洞预测方法，即局部时空图卷积网络模型，并针对网络漏洞数据选取历史平均法、长短期记忆网络、支持向量回归、时空图卷积网络模型进行对比实验。实验结果表明，提出的局部时空图卷积网络模型能够有效提高预测漏洞的时间、位置以及网络漏洞类型的准确度。