基于多维特征空间的电力实体脱敏方法、系统、设备与介质与流程
本发明涉及电网信息化网络安全领域的实体脱敏,尤其涉及一种基于多维特征空间的电力实体脱敏方法、系统、设备与介质。
背景技术:
1、随着大语言模型在电力调度辅助决策、电网运维智能问答、用电负荷预测分析等场景中的深度应用,业务人员常将包含电网拓扑结构、设备运行参数、营销用户信息乃至安全防护策略等敏感内容的提示词上传至云端推理。这一过程使得关键数据脱离电力内网受控边界,直接引发数据外泄风险。
2、为缓解上述风险,业内主流思路通常是对敏感实体进行掩码替换如将变电站名称、设备编号置换为通用占位符、在词向量层面引入差分隐私噪声扰动,以及将模型全量部署于电力内网或专用终端。
3、然而,掩码替换会破坏电力专业术语的自然语义关联与句法结构,导致模型对脱敏后的故障描述或操作指令理解偏差显著增大,严重影响智能研判准确率;而全本地化部署虽能避免数据外传,却对电网边缘侧装置的算力与存储资源要求过高,难以在低功耗、高并发的生产环境中兼顾数据轻量化处理与指令逻辑完整性的双重需求。
技术实现思路
1、本发明提供了一种基于多维特征空间的电力实体脱敏方法、系统、设备与介质,应用于电网信息化网络安全领域,解决了传统方案中掩码替换会破坏电力专业术语的自然语义关联与句法结构,导致模型对脱敏后的故障描述或操作指令理解偏差显著增大,严重影响智能研判准确率;而全本地化部署虽能避免数据外传,却对电网边缘侧装置的算力与存储资源要求过高,难以在低功耗、高并发的生产环境中兼顾数据轻量化处理与指令逻辑完整性的双重需求的技术问题。
2、本发明第一方面提供的一种基于多维特征空间的电力实体脱敏方法,包括:
3、当接收到用户输入的原始电力文本时,识别所述用户原始电力文本的电力敏感实体并提取各所述电力敏感实体对应的句法特征;
4、基于多维特征空间和所述句法特征,匹配所述电力敏感实体对应的脱敏实体;
5、采用所述脱敏实体对所述原始电力文本进行更新,得到目标文本并上传至云端大模型;
6、当接收到所述云端大模型响应所述目标文本返回的结果文本时,对所述结果文本进行脱敏还原,输出响应电力文本。
7、可选地,所述当接收到用户输入的原始电力文本时,识别所述用户原始电力文本的电力敏感实体并提取各所述电力敏感实体对应的句法特征的步骤,包括:
8、当接收到用户输入的原始电力文本时,调用本地部署的命名实体识别模型从所述原始电力文本识别符合实体条件的电力敏感实体;
9、调用预设的依存分析器按照各所述电力敏感实体之间的句法依存关系,提取各所述电力敏感实体对应的句法特征。
10、可选地,所述基于多维特征空间和所述句法特征,匹配所述电力敏感实体对应的脱敏实体的步骤,包括:
11、将每个所述电力敏感实体分别映射至预训练的多维特征空间,构建第一多维特征向量;
12、遍历预设的本地候选实体库内的候选实体,分别计算各所述候选实体在所述多维特征空间内的第二多维特征向量;
13、计算每个所述第一多维特征向量与各所述第二多维特征向量之间的句法距离、上下文可读性距离和语义空间距离;
14、采用多目标优化函数按照所述句法距离、所述上下文可读性距离和所述语义空间距离,分别计算各所述候选实体对应的多目标得分;
15、遍历所述电力敏感实体,逐一选取所述多目标得分最低的目标候选实体作为对应的脱敏实体。
16、可选地,所述方法还包括:
17、若所述目标候选实体已关联有所述电力敏感实体,或者所述目标候选实体存在拓扑混淆关系,则采用正交扰动向量更新所述第一多维特征向量,得到新的第一多维特征向量;
18、跳转执行所述计算每个所述第一多维特征向量与各所述第二多维特征向量之间的句法距离、上下文可读性距离和语义空间距离的步骤;
19、若未存在新的候选实体,则将已关联有所述电力敏感实体或者所述目标候选实体存在拓扑混淆关系的目标候选实体确定为所述电力敏感实体对应的脱敏实体。
20、可选地,在执行所述基于多维特征空间和所述句法特征,匹配所述电力敏感实体对应的脱敏实体的步骤之后,所述方法还包括:
21、获取所述电力敏感实体与所述脱敏实体的映射关系;
22、获取所述脱敏实体的实体类型、出现位置和会话标识,并与所述映射关系一并存储至本地动态哈希表。
23、可选地,所述采用所述脱敏实体对所述原始电力文本进行更新,得到目标文本并上传至云端大模型的步骤,包括:
24、从所述本地动态哈希表获取各所述脱敏实体分别对应的映射关系;
25、按照所述映射关系采用所述脱敏实体替换所述原始电力文本内的电力敏感实体,得到目标文本;
26、将所述目标文本通过网络接口上传至云端大模型;
27、其中,所述云端大模型用于响应所述用户的推理请求,采用所述目标文本进行推理,返回响应电力文本。
28、可选地,所述当接收到所述云端大模型响应所述目标文本返回的结果文本时,对所述结果文本进行脱敏还原,输出响应电力文本的步骤,包括:
29、当接收到所述云端大模型响应所述目标文本返回的结果文本时,从所述本地动态哈希表获取各所述脱敏实体分别对应的映射关系;
30、按照各所述映射关系将所述结果文本内的脱敏实体分别逆向还原为对应的电力敏感实体,输出响应电力文本。
31、本发明第二方面提供了一种基于多维特征空间的电力实体脱敏系统,包括:
32、电力敏感实体识别模块,用于当接收到用户输入的原始电力文本时,识别所述用户原始电力文本的电力敏感实体并提取各所述电力敏感实体对应的句法特征;
33、脱敏实体匹配模块,用于基于多维特征空间和所述句法特征,匹配所述电力敏感实体对应的脱敏实体;
34、文本更新模块,用于采用所述脱敏实体对所述原始电力文本进行更新,得到目标文本并上传至云端大模型;
35、脱敏还原模块,用于当接收到所述云端大模型响应所述目标文本返回的结果文本时,对所述结果文本进行脱敏还原,输出响应电力文本。
36、本发明第三方面提供了一种电子设备,包括存储器及处理器,所述存储器中储存有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如本发明第一方面任一项所述的基于多维特征空间的电力实体脱敏方法的步骤。
37、本发明第四方面提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被执行时实现如本发明第一方面任一项所述的基于多维特征空间的电力实体脱敏方法。
38、从以上技术方案可以看出,本发明具有以下优点:
39、当接收到用户输入的原始电力文本时,识别用户原始电力文本的电力敏感实体并提取各电力敏感实体对应的句法特征;基于多维特征空间和句法特征,匹配电力敏感实体对应的脱敏实体;采用脱敏实体对原始电力文本进行更新,得到目标文本并上传至云端大模型;当接收到云端大模型响应目标文本返回的结果文本时,对结果文本进行脱敏还原,输出响应电力文本。从而结合多维特征空间与句法特征对电力敏感实体进行脱敏的同时,能够有效保障其句法的连续性,进而兼顾本地低消耗处理与推理准确率。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com