基于智算中心智能体的安全可控方法及系统与流程

摘要: 本发明涉及人工智能,特别涉及基于智算中心智能体的安全可控方法及系统。背景技术:1、当前,数字经济与人工智能深度融合,企业级aiagent(智能体)已成为政企数字...
基于智算中心智能体的安全可控方法及系统与流程

本发明涉及人工智能,特别涉及基于智算中心智能体的安全可控方法及系统。

背景技术:

1、当前,数字经济与人工智能深度融合,企业级aiagent(智能体)已成为政企数字化转型的核心抓手。智算中心作为算力核心枢纽,其安全管控体系正向多维立体、全生命周期治理升级。然而,现有的通用aiagent及开源agent框架(如openclaw等)多采用云端api部署模式,存在以下显著缺陷:

2、数据安全风险高:数据需经过云端传输、存储与备份,链路节点多、开放性强的特点导致数据易被窃取或篡改,无法满足涉密场景的数据不出域要求。

3、多租户隔离性弱:智算中心多采用简单的资源分配方式,未实现算力与agent实例的强隔离,易导致越权访问、算力滥用及模型篡改。

4、跨网交互效率低且不安全:在内外网物理隔离场景下,多采用传统网络传输方式,缺乏专用安全通道,导致ai任务跨网执行效率低且易泄露。

5、缺乏全链路审计与合规适配:现有方案缺乏全链路安全审计机制,操作不可追溯、责任无法认定,且多数未适配等保三级合规要求。

6、计费模式分离:算力与token计费分离,无法根据业务波动灵活适配,使用成本可控性差。

7、因此,本发明提供了基于智算中心智能体的安全可控方法及系统。

技术实现思路

1、本发明基于智算中心智能体的安全可控方法及系统,能够实现算力、智能体、数据全生命周期安全可控,且兼顾国产化适配与成本计量。

2、本发明提供了基于智算中心智能体的安全可控方法,包括:

3、步骤1:对智算中心的算力资源进行初始化配置与安全切片,为每一租户分配相应的算力资源池;

4、步骤2:基于分配的算力资源池,为每一所述租户创建安全隔离的智能体实例,分别为每一所述智能体实例绑定安全沙箱并配置纯本地运行环境;

5、步骤3:接收用户的任务请求,利用对应的本地微调大模型对所述任务请求进行意图识别与任务拆解生成有向无环图dag任务流,将子任务调度至对应所述智能体实例的所述安全沙箱中进行原子化执行,记录全链路审计日志;

6、步骤4:对所述全链路审计日志中包含的任务执行结果进行合规归档,并进行一体化计量结算。

7、在一种可实施的方式中,还包括:

8、根据所述全链路审计日志的监控,当识别到智能体实例存在跨网传输需求时,通过硬件网闸与加密隧道执行数据摆渡,并根据所述数据摆渡过程中传输的数据更新所述全链路审计日志;

9、当识别到智能体实例存在跨网传输需求时,通过硬件网闸与加密隧道执行数据摆渡;根据所述数据摆渡过程中传输的数据更新所述全链路审计日志。

10、在一种可实施的方式中,所述步骤1,包括:

11、步骤11:利用gpu硬件分区技术和国产gpu硬隔离固件,在硬件底层对计算核心、显存、总线带宽、网口及存储链路进行物理分割,得到若干个算力切片;

12、步骤12:在物理硬件隔离基础上进行逻辑切片,利用算力虚拟化管理平台、算力qos管控、vxlan虚拟网络与acl访问控制策略确定每一所述租户专属隔离域的精细化逻辑划分;

13、步骤13:根据每一所述租户对应的并发能力、硬件冗余、负载特征、高可用调度及防滥用需求构建相应的算力占用阈值,分别为每一所述租户配置对应的算力占用阈值;

14、当识别到智能体实例存在跨网传输需求时,通过硬件网闸与加密隧道执行数据摆渡,根据所述数据摆渡过程中传输的数据更新所述全链路审计日志。

15、在一种可实施的方式中,所述步骤2,包括:

16、步骤21:基于分配的算力资源池,以租户为单位创建智能体实例,分别将每一所述智能体实例与包含至少一个物理gpu分片、一个cpu核心、一个内存、一个物理存储和一个独立物理网口的独立物理切片硬件资源进行专属绑定,当每一所述智能体实例对应前述所有硬件资源时,确定本次绑定工作有效;

17、步骤22:分别为每一所述智能体实例配置定制轻量化独立操作系统与独立内核镜像,并分别为每一所述智能体实例搭载安全沙箱引擎;

18、步骤23:利用所述安全沙箱引擎在智能体实例中加载本地部署的开源大模型,并配置安全策略以禁用云端模型调用接口;

19、步骤24:依据最小权限原则和租户上传的访问需求,对所述租户开放业务需求文件访问权限和api调用工具使用权限。

20、在一种可实施的方式中,所述步骤3,包括:

21、步骤31:接收用户通过im客户端发送的任务请求,将请求传输至智能体网关进行身份认证、角色权限及操作范围三重鉴权,当鉴权失败时拦截请求并生成告警日志发送至管理员终端;

22、步骤32:当鉴权通过时,以本地微调大模型为底座,结合文本向量化与余弦相似度匹配确定所述用户的任务请求意图,利用树状分层拆解算法将所述用户的任务请求意图分解为标准化子任务,通过有向无环图dag构建依赖关系并进行拓扑排序;

23、步骤33:根据子任务类型调度对应的本地微调大模型进行推理规划,为每一所述标准化子任务分配对应技能工具,将所述标准化子任务调度至对应智能体实例的安全沙箱中进行原子化执行;

24、步骤34:实施记录任务执行过程中的操作人、操作时间、操作内容、执行结果、算力消耗及token使用量,形成全链路审计日志。

25、在一种可实施的方式中,所述步骤4,包括:

26、步骤41:任务执行完成后,由智能体实例将执行结果通过im客户端回传至用户,任务执行失败则自动生成失败报告并发送至用户与管理员终端;

27、步骤42:基于预设等保三级要求将操作日志、审计日志及结果文件加密存储;

28、步骤43:基于算力与token融合公式进行一体化计量结算,所述公式为:

29、token总消耗量=算力消耗×算力换算系数+任务复杂度系数×任务执行时长;

30、其中,算力换算系数表示将物理gpu算力消耗折算为标准化token消耗量,其取值范围为:1.0-2.0token/(gpu卡时),任务复杂度系数表示将复杂程度差异化的任务运行时长折算为标准化token消耗量,其取值范围1.0-3.0token/秒;

31、步骤44:生成结算账单并同步发送至用户与管理员。

32、在一种可实施的方式中,还包括:

33、所述有向无环图dag中的每一个节点对应一个独立的沙箱执行环境。

34、本发明提供了基于智算中心智能体的安全可控系统,包括:

35、算力分配模块,用于对智算中心的算力资源进行初始化配置与安全切片,为每一租户分配相应的算力资源池;

36、隔离绑定模块,用于基于分配的算力资源池,为每一所述租户创建安全隔离的智能体实例,分别为每一所述智能体实例绑定安全沙箱并配置纯本地运行环境;

37、运行记录模块,用于接收用户的任务请求,利用对应的本地微调大模型对所述任务请求进行意图识别与任务拆解生成有向无环图dag任务流,将子任务调度至对应所述智能体实例的所述安全沙箱中进行原子化执行,记录全链路审计日志;

38、归档结算模块,用于对所述全链路审计日志中包含的任务执行结果进行合规归档,并进行一体化计量结算。

39、在一种可实施的方式中,所述运行记录模块,包括:

40、请求验证单元,用于接收用户通过im客户端发送的任务请求,将请求传输至智能体网关进行身份认证、角色权限及操作范围三重鉴权,当鉴权失败时拦截请求并生成告警日志发送至管理员终端;

41、关系分析单元,用于当鉴权通过时,以本地微调大模型为底座,结合文本向量化与余弦相似度匹配确定所述用户的任务请求意图,利用树状分层拆解算法将所述用户的任务请求意图分解为标准化子任务,通过有向无环图dag构建依赖关系并进行拓扑排序;

42、任务处理单元,用于根据子任务类型调度对应的本地微调大模型进行推理规划,为每一所述标准化子任务分配对应技能工具,将所述标准化子任务调度至对应智能体实例的安全沙箱中进行原子化执行;

43、执行记录单元,用于实施记录任务执行过程中的操作人、操作时间、操作内容、执行结果、算力消耗及token使用量,形成全链路审计日志。

44、上述技术方案的可实现的有益效果为:为了能实现智算中心环境下aiagent的全生命周期安全管控,首先在底层利用gpu硬件分区技术和国产gpu硬隔离固件对算力资源进行物理与逻辑双重切片,为租户分配独占的算力资源池,从硬件层面杜绝资源串访与算力滥用;随后基于该资源池创建绑定安全沙箱的智能体实例,通过禁用云端接口配置纯本地运行环境,确保数据闭环不出域;当接收到用户任务请求时,系统通过三重鉴权后利用本地微调大模型生成有向无环图任务流,将子任务调度至独立沙箱进行原子化执行,并实时记录包含算力消耗与操作行为的全链路审计日志,解决了传统方案中操作不可追溯的难题;最终依据等保三级要求进行合规归档,并利用创新的算力-token融合公式打破传统计费壁垒,实现了一体化计量结算。该方案不仅通过层层递进的隔离机制解决了多租户环境下的越权访问与数据泄露风险,还兼顾了政务、金融等高密级场景的合规需求,同时凭借灵活的计费模式显著降低了企业的使用成本与运维门槛。

45、本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。

46、下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。