图算法广泛应用于存在大量非结构化网状数据的领域，如社交网络、金融、交通、搜索等，是一种非常简单易用且有效的机器学习算法，算法的思想也非常容易理解。而网络安全领域在风控、威胁情报方面也有很多非结构化网状数据，所以也会用到图算法。

1 图算法

在现实世界中，有种关联关系难以用数据库的表结构来表示，比如微博的粉丝关系、偶像剧中的N角恋、多个域名之间的注册关系等，于是图这种古老的数据结构就派上了用场。一般认为，如果给图的每条边规定一个方向，那么得到的图称为有向图，其边也称为有向边。在有向图中，与一个节点相关联的边有出边和入边之分，而与一个有向边关联的两个点也有始点和终点之分。相反，边没有方向的图称为无向图。

微博中的好友关注关系就是典型的有向图，因为关注是有方向性的，比如我关注了钟丽缇，但是钟丽缇不一定关注了我。假定关注关系如下描述：

·A关注了C；
·B关注了A；
·C关注D；
·D关注了A和B。

D关注了两个人，所以他的出度为2，D被1个人关注，所以他的入度为1。
图的聚类算法，最简单的一种实现叫做连通分支。所谓连通分支，指的是图中由边连接在一起的一组顶点，不要求顶点之间必须两两相连，但是连通分支的任意两个顶点之间，至少存在一条路径，计算连通分支时不区分有向图和无向图。

2 知识图谱

当你在百度搜索“孙悟空的师傅”时，会直接展现出唐僧和菩提老祖的百度百科介绍。
当你拿起手机搜索“全聚德”时，会自动展现你附近的全聚德店的位置。
这是因为百度搜索通过知识图谱建立实体之间的属性与关系，让搜索引擎更懂用户的意图，直接解答用。
这是因为百度搜索借助于知识图谱，结合用户行为信息，为用户提供更符合当前场景的搜索结果。
当你在百度搜索“达芬奇”时，除了会展现达·芬奇相关的信息，同时也会自动展现关注达·芬奇的人同时也关注的其他人物以及作品。
这是因为百度搜索通过知识图谱建立事物之间的关联，扩展用户搜索结果，发现更多内容。
知识图谱本质上可以认为是图的一种具体应用，它大量集成了互联网上的各类数据，从而进一步挖掘出了数据的潜在联系与价值。在安全领域应用知识图谱，可以挖掘数据之间潜在的联系，结合这些潜在的联系可以大大扩展我们的数据分析思路。