{ "subject": { "ppid": "5341", "pid": "19579", "comm": "sudo", "exe": "/usr/bin/sudo", "uid": "1000", "cwd": "/home/cat" }, "object": { "name": "/home/cat/.sudo_as_admin_successful", "nametype": "NORMAL", "inode": "555692", "mode": "0100644" }, "edge": { "msg": "audit(1688031643.790:306888):", "arch": "c000003e", "syscall": "257", "success": "no", "exit": "-17", "key": "(null)", "proctitle": "7375646F002F6574632F696E69742E642F6175646974640072657374617274", "item": "1" } ,data.json存储如上格式的数据,利用Python将data.json存入neo4j,subject为起点,object为终点,edge为subject与object之间的关系,要求对subject和object去重,不需要对, },

时间: 2023-07-21 10:08:19 浏览: 43
要将data.json中的数据存入Neo4j数据库,你可以使用py2neo库来实现。首先,你需要安装py2neo库,可以使用以下命令进行安装: ``` pip install py2neo ``` 然后,你可以使用以下代码将数据存入Neo4j数据库: ```python from py2neo import Graph, Node, Relationship import json # 连接到Neo4j数据库 graph = Graph("bolt://localhost:7687", auth=("neo4j", "password")) # 读取data.json文件 with open('data.json') as f: data = json.load(f) # 创建唯一约束 graph.run("CREATE CONSTRAINT ON (s:Subject) ASSERT s.ppid IS UNIQUE") graph.run("CREATE CONSTRAINT ON (o:Object) ASSERT o.name IS UNIQUE") # 遍历数据并创建节点和关系 for item in data: subject_data = item['subject'] object_data = item['object'] edge_data = item['edge'] # 创建起点节点和终点节点 subject = Node("Subject", ppid=subject_data['ppid'], pid=subject_data['pid'], comm=subject_data['comm'], exe=subject_data['exe'], uid=subject_data['uid'], cwd=subject_data['cwd']) object = Node("Object", name=object_data['name'], nametype=object_data['nametype'], inode=object_data['inode'], mode=object_data['mode']) # 创建关系 edge = Relationship(subject, edge_data['syscall'], object, msg=edge_data['msg'], arch=edge_data['arch'], success=edge_data['success'], exit=edge_data['exit'], key=edge_data['key'], proctitle=edge_data['proctitle'], item=edge_data['item']) # 将节点和关系添加到图中 graph.merge(subject) graph.merge(object) graph.merge(edge) # 提交事务 graph.commit() ``` 请确保你已经安装并配置了Neo4j数据库,并将上述代码中的数据库连接信息与实际情况相匹配。另外,你还需要将data.json文件放置在与Python脚本相同的目录下。 这样,数据就会被存储到Neo4j数据库中,其中subject节点和object节点会进行去重处理。

相关推荐

最新推荐

recommend-type

pre_o_1csdn63m9a1bs0e1rr51niuu33e.a

pre_o_1csdn63m9a1bs0e1rr51niuu33e.a
recommend-type

matlab建立计算力学课程的笔记和文件.zip

matlab建立计算力学课程的笔记和文件.zip
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

实现实时数据湖架构:Kafka与Hive集成

![实现实时数据湖架构:Kafka与Hive集成](https://img-blog.csdnimg.cn/img_convert/10eb2e6972b3b6086286fc64c0b3ee41.jpeg) # 1. 实时数据湖架构概述** 实时数据湖是一种现代数据管理架构,它允许企业以低延迟的方式收集、存储和处理大量数据。与传统数据仓库不同,实时数据湖不依赖于预先定义的模式,而是采用灵活的架构,可以处理各种数据类型和格式。这种架构为企业提供了以下优势: - **实时洞察:**实时数据湖允许企业访问最新的数据,从而做出更明智的决策。 - **数据民主化:**实时数据湖使各种利益相关者都可
recommend-type

2. 通过python绘制y=e-xsin(2πx)图像

可以使用matplotlib库来绘制这个函数的图像。以下是一段示例代码: ```python import numpy as np import matplotlib.pyplot as plt def func(x): return np.exp(-x) * np.sin(2 * np.pi * x) x = np.linspace(0, 5, 500) y = func(x) plt.plot(x, y) plt.xlabel('x') plt.ylabel('y') plt.title('y = e^{-x} sin(2πx)') plt.show() ``` 运行这段
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。
recommend-type

"互动学习:行动中的多样性与论文攻读经历"

多样性她- 事实上SCI NCES你的时间表ECOLEDO C Tora SC和NCESPOUR l’Ingén学习互动,互动学习以行动为中心的强化学习学会互动,互动学习,以行动为中心的强化学习计算机科学博士论文于2021年9月28日在Villeneuve d'Asq公开支持马修·瑟林评审团主席法布里斯·勒菲弗尔阿维尼翁大学教授论文指导奥利维尔·皮耶昆谷歌研究教授:智囊团论文联合主任菲利普·普雷教授,大学。里尔/CRISTAL/因里亚报告员奥利维耶·西格德索邦大学报告员卢多维奇·德诺耶教授,Facebook /索邦大学审查员越南圣迈IMT Atlantic高级讲师邀请弗洛里安·斯特鲁布博士,Deepmind对于那些及时看到自己错误的人...3谢谢你首先,我要感谢我的两位博士生导师Olivier和Philippe。奥利维尔,"站在巨人的肩膀上"这句话对你来说完全有意义了。从科学上讲,你知道在这篇论文的(许多)错误中,你是我可以依
recommend-type

实现实时监控告警系统:Kafka与Grafana整合

![实现实时监控告警系统:Kafka与Grafana整合](https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X2pwZy9BVldpY3ladXVDbEZpY1pLWmw2bUVaWXFUcEdLT1VDdkxRSmQxZXB5R1lxaWNlUjA2c0hFek5Qc3FyRktudFF1VDMxQVl3QTRXV2lhSWFRMEFRc0I1cW1ZOGcvNjQw?x-oss-process=image/format,png) # 1.1 Kafka集群架构 Kafka集群由多个称为代理的服务器组成,这
recommend-type

导入numpy库,创建两个包含9个随机数的3*3的矩阵,将两个矩阵分别打印出来,计算两个数组的点积并打印出来。(random.randn()、dot()函数)

可以的,以下是代码实现: ```python import numpy as np # 创建两个包含9个随机数的3*3的矩阵 matrix1 = np.random.randn(3, 3) matrix2 = np.random.randn(3, 3) # 打印两个矩阵 print("Matrix 1:\n", matrix1) print("Matrix 2:\n", matrix2) # 计算两个数组的点积并打印出来 dot_product = np.dot(matrix1, matrix2) print("Dot product:\n", dot_product) ``` 希望