本文针对网络安全漏洞信息分散于多个平台和数据库、难以形成统一结构化理解的问题，提出了一种结合网络安全知识图谱构建与自然语言查询的方法。现有知识图谱虽能有效组织漏洞数据，但查询通常需要掌握 Cypher 等图查询语言，限制了其可用性。作者从美国国家漏洞数据库（NVD）通过 REST API 采集数据，利用 Neo4j 的 Labeled Property Graph 模型对漏洞、产品、厂商、严重性指标、弱点和引用等实体及关系进行建模，构建了网络安全知识图谱，并部署在 Neo4j Aura Cloud 上。同时，设计了一个 AI 辅助接口，能够将用户的自然语言查询自动转换为 Cypher 查询语句，从而使用户无需具备图查询语言专业知识即可交互式地探索和分析漏洞数据。实验或演示表明，该自然语言查询方式显著降低了与网络安全知识图谱交互的门槛，使更广泛的网络安全从业者能够直观地利用漏洞数据进行风险分析和决策支持。本文的核心贡献在于验证了自然语言接口在知识图谱实际应用中的可行性，提升了漏洞数据的可访问性和实用性。适合对知识图谱、漏洞管理、自然语言处理在安全领域应用感兴趣的蓝队人员、安全分析人员及研究人员阅读。