基于人工智能的工作事件治理方法、装置及设备和介质与流程
本技术涉及计算机,更具体地说,涉及一种基于人工智能的工作事件治理方法、装置及设备和介质。
背景技术:
1、在企业研发协同场景中,需求澄清、任务拆解、代码提交、合并请求说明、测试报告和验收材料需要根据上下文进行推进、补充或修正。人工智能工具可辅助理解上下文并生成处理建议,按研发流程节点触发的自动化程序也会自动发起查询、证据记录和状态检查,二者通过标准化工具接口调用代码仓库服务、测试报告服务、文档服务等业务服务,并将处理结果写入保存研发对象的项目管理系统。
2、然而,各研发阶段的操作规范通常以自然语言文档或提示词的形式提供,人工智能工具与自动化程序只能依据语义理解来确定读取哪些证据、调用哪些工具、写入哪些字段,系统无法在请求执行之前用同一份规范对其进行机器比对,加之同一研发对象在不同阶段、不同调用人角色下所允许的范围并不相同,人工智能工具实际提出的内容容易越出该阶段、该角色应有的边界,导致其读到的上下文中包含调用人无权读取的信息、调用了与当前研发阶段无关的工具、写入了该阶段不允许写入的字段。与此同时,人工智能工具与自动化程序通常持有项目管理系统的访问凭据,能够直接读取和写入研发对象的真实数据,操作规范仅作为提示性内容存在而非调用发生前的强制判断条件,越权读取与越权写入只能在工具执行之后从操作记录中被发现,而此时无权信息已被读取、越权字段已被写入。
3、因此,如何在处理请求执行前阻止越权读取、非授权工具调用和越权写入,是本领域技术人员需要解决的技术问题。
技术实现思路
1、本技术的目的在于提供一种基于人工智能的工作事件治理方法、装置及设备和介质,在处理请求执行前阻止越权读取、非授权工具调用和越权写入。
2、为实现上述目的,本技术提供了一种基于人工智能的工作事件治理方法,包括:
3、获取目标研发对象的对象信息,其中,所述对象信息包括对象标识、对象类型、当前研发阶段和调用人角色;
4、根据所述对象信息读取与所述目标研发对象匹配的研发阶段技能规则,将所述研发阶段技能规则中具有预定字段模式的字段解析为运行时约束对象;
5、生成所述运行时约束对象的规则哈希,依据所述运行时约束对象生成人工智能输入上下文;
6、将人工智能工具与按研发流程节点触发的自动化程序配置为不具有直接读写目标数据源的权限;其中,所述目标数据源用于保存所述目标研发对象的对象数据;
7、接收所述人工智能工具或所述自动化程序发送的处理请求;其中,所述处理请求携带所述规则哈希、所述对象标识和预期读写字段;
8、依据所述运行时约束对象和所述人工智能输入上下文对所述处理请求进行校验,在校验未通过的情况下,拒绝执行所述处理请求,在校验通过的情况下,经代理转发所述处理请求至对应的业务服务。
9、可选地,所述获取目标研发对象的对象信息之后,还包括:
10、读取所述目标研发对象的当前对象状态和所述当前研发阶段对应的状态推进所需证据集合;
11、将所述目标研发对象已有的证据与所述状态推进所需证据集合比较,将缺失的证据项作为证据缺口。
12、可选地,所述预定字段模式包括阶段编码、对象类型和角色白名单;
13、相应的,所述根据所述对象信息读取与所述目标研发对象匹配的研发阶段技能规则,包括:
14、在与所述目标研发对象匹配的研发阶段技能规则为多个的情况下,按预设优先级顺序对多个所述研发阶段技能规则排序,选择排序最高的研发阶段技能规则;
15、其中,所述预设优先级顺序依次为适用阶段完全匹配、对象类型完全匹配、所述证据缺口的命中数量由多到少、所述调用人角色与所述角色白名单的匹配程度由高到低和技能版本号由高到低。
16、可选地,所述将所述研发阶段技能规则中具有预定字段模式的字段解析为运行时约束对象,包括:
17、读取所述研发阶段技能规则对应的规则记录;
18、校验所述规则记录中是否存在预定必填字段、字段类型是否符合预定类型、所述规则记录允许的工具名称是否存在于工具注册表、以及所述规则记录允许写回的字段是否存在于所述目标研发对象的字段定义;
19、若均为是,则根据所述规则记录的技能版本号和规范化字段内容生成所述规则哈希,并将所述规则记录写入运行时约束缓存。
20、可选地,所述读取所述研发阶段技能规则对应的规则记录,包括:
21、在所述研发阶段技能规则来源于技能文档的情况下,按预设字段映射表将所述技能文档抽取为具有所述预定字段模式的规则记录。
22、可选地,所述预定字段模式包括证据允许清单和禁止字段清单;
23、相应的,所述依据所述运行时约束对象生成人工智能输入上下文,包括:
24、根据所述对象标识和所述证据允许清单从研发证据库中读取候选证据,删除所述候选证据中所述禁止字段清单所禁止的证据字段;
25、按预设排序依据对删除后的候选证据排序,得到候选证据序列;其中,所述预设排序依据包括证据缺口的命中数量由多到少、对象关系距离由近到远、证据类型优先级由高到低、证据更新时间由近到远和证据哈希按字典序由小到大中的任一项或任几项的组合;
26、在预设词元预算内从所述候选证据序列中选择证据片段,并为每个所述证据片段添加来源标识和证据哈希;
27、生成所述人工智能输入上下文;其中,所述人工智能输入上下文包括所述目标研发对象的处理目标、当前对象状态、所述证据缺口、可用工具和输出结构要求中的任一项或任几项的组合。
28、可选地,所述预定字段模式包括工具允许清单、工具参数模式、状态机前置条件和写回允许清单中的任一项或任几项的组合;
29、相应的,所述依据所述运行时约束对象和所述人工智能输入上下文对所述处理请求进行校验,包括:
30、校验所述处理请求携带的规则哈希是否等于所述运行时约束对象的规则哈希,
31、和/或,校验所述处理请求的工具名称是否属于所述工具允许清单允许的工具;
32、和/或,校验所述处理请求的工具参数是否满足所述工具参数模式,
33、和/或,校验所述对象标识是否属于所述调用人角色的权限范围,
34、和/或,校验所述处理请求的预期读写字段是否属于所述写回允许清单允许的字段,
35、和/或,校验所述处理请求的证据范围是否超出所述人工智能输入上下文包含的证据范围,
36、和/或,校验所述处理请求是否符合所述目标研发对象的当前状态机前置条件。
37、可选地,所述经代理转发所述处理请求至对应的业务服务之后,还包括:
38、依据复核项对所述处理请求的执行进行复核;其中,所述复核项包括所述规则哈希、状态机前置条件、对象关联记录和所述目标研发对象的对象版本号中的任一项或任几项;
39、其中,所述状态机前置条件采用受限语法,所述受限语法仅包括对白名单字段的判断运算和逻辑运算,所述判断运算包括等值判断、不等值判断、包含判断和存在性判断中的任一项或任几项的组合,所述逻辑运算包括逻辑与、逻辑或和逻辑非中的任一项或任几项的组合。
40、可选地,所述方法还包括:
41、接收所述人工智能工具或所述自动化程序发送的研发对象修正请求;其中,所述研发对象修正请求携带基准版本号和研发对象修正草稿,所述基准版本号为生成所述研发对象修正草稿时所述目标研发对象的对象版本号;
42、将所述研发对象修正草稿保存为待确认记录;
43、在所述研发对象修正草稿通过一致性校验,且接收到电子确认状态、确认人标识和确认时间的情况下,依据所述目标研发对象的对象版本号将所述研发对象修正草稿的修正结果写回所述目标数据源中所述目标研发对象的对象数据。
44、可选地,所述依据所述目标研发对象的对象版本号将所述研发对象修正草稿的修正结果写回所述目标数据源中所述目标研发对象的对象数据,包括:
45、读取所述目标研发对象的当前对象数据和当前对象版本号;
46、在所述基准版本号与所述当前对象版本号一致的情况下,将所述修正结果写回所述目标数据源中所述目标研发对象的对象数据,并将所述当前对象版本号递增;
47、在所述基准版本号与所述当前对象版本号不一致的情况下,生成所述修正结果与所述当前对象数据之间的字段级差异记录,以便基于所述字段级差异记录进行异常处理。
48、可选地,所述依据所述目标研发对象的对象版本号将所述研发对象修正草稿的修正结果写回所述目标数据源中所述目标研发对象的对象数据之后,还包括:
49、按规范化序列化方式对待哈希内容进行处理;其中,所述规范化序列化包括字段名升序排列、数组按对象标识排序、时间值转换为预设时间格式并统一时区、空值以固定标记表示中的任一项或任几项的组合;
50、根据所述运行时约束对象所确定的字段集合从所述待哈希内容中选取参与哈希计算的字段;
51、将选取出的字段中的敏感字段替换为所述敏感字段的字段名、脱敏标记和脱敏后摘要;
52、基于规范化序列化并选取后的字段和预设摘要算法生成并存储审计记录;其中,所述审计记录包括所述规则哈希、前序审计记录哈希,以及所述人工智能输入上下文的上下文哈希、所述处理请求的请求哈希、所述处理请求对应执行结果的结果哈希、所述研发对象修正草稿的草稿哈希和写回结果哈希中的任一项或任几项的组合。
53、可选地,所述基于规范化序列化并选取后的字段和预设摘要算法生成并存储审计记录之后,还包括:
54、重新读取复核对象;其中,所述复核对象包括技能版本、所述规则哈希、所述人工智能输入上下文、工具调用记录、数据源校验结果、所述研发对象修正草稿、写回结果和写回对象版本中的任一项或任几项的组合;
55、基于与生成所述审计记录时相同的规范化序列化方式和相同的预设摘要算法,对重新读取的所述复核对象重新计算对应哈希;
56、对比重新计算得到的哈希与所述审计记录中的哈希,在存在异常项的情况下,生成处理过程异常告警,所述异常项包括任一哈希不一致、所述前序审计记录哈希断裂、写回对象版本与所述审计记录不一致中的任一项或任几项的组合。
57、为实现上述目的,本技术提供了一种基于人工智能的工作事件治理装置,包括:
58、获取模块,用于获取目标研发对象的对象信息,其中,所述对象信息包括对象标识、对象类型、当前研发阶段和调用人角色;
59、解析模块,用于根据所述对象信息读取与所述目标研发对象匹配的研发阶段技能规则,将所述研发阶段技能规则中具有预定字段模式的字段解析为运行时约束对象;
60、生成模块,用于生成所述运行时约束对象的规则哈希,依据所述运行时约束对象生成人工智能输入上下文;
61、配置模块,用于将人工智能工具与按研发流程节点触发的自动化程序配置为不具有直接读写目标数据源的权限,其中,所述目标数据源用于保存所述目标研发对象的对象数据;
62、第一接收模块,用于接收所述人工智能工具或所述自动化程序发送的处理请求,其中,所述处理请求携带所述规则哈希、所述对象标识和预期读写字段;
63、校验模块,用于依据所述运行时约束对象和所述人工智能输入上下文对所述处理请求进行校验,在校验未通过的情况下拒绝执行所述处理请求,在校验通过的情况下经代理转发所述处理请求至所述处理请求指向的业务服务。
64、为实现上述目的,本技术提供了一种电子设备,包括:
65、存储器,用于存储计算机程序;
66、处理器,用于执行所述计算机程序时实现如上述基于人工智能的工作事件治理方法的步骤。
67、为实现上述目的,本技术提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上述基于人工智能的工作事件治理方法的步骤。
68、在本技术中,由于研发阶段技能规则是按目标研发对象的对象类型、当前研发阶段和调用人角色匹配得到的,其中具有预定字段模式的字段被解析为运行时约束对象后,本阶段与当前调用人角色所允许的处理范围成为程序可直接读取和比对的数据,而不再是请求方需要凭语义理解的自然语言说明,因此同一研发对象在不同阶段、不同调用人下不会因理解差异而出现不同的执行边界;由于处理请求必须携带运行时约束对象的规则哈希,校验时又将该规则哈希与当前运行时约束对象的规则哈希比对,请求是否属于本次处理、是否适用当前约束可被直接判定,按其他规则或已失效规则生成的请求无法通过比对;由于处理请求携带对象标识和预期读写字段,而执行前校验同时依据运行时约束对象和人工智能输入上下文进行,请求所指向的对象与打算读写的字段是否超出本次处理所允许的范围、请求所依据的内容是否与本次生成的人工智能输入上下文一致,均可在工具调用发生之前被识别,未通过校验的请求被拒绝执行,人工智能工具因此不会读到调用人无权读取的信息,也不会调用与当前研发阶段无关的工具或写入该阶段不允许写入的字段;由于人工智能工具与按研发流程节点触发的自动化程序被配置为不具有直接读写目标数据源的权限,其读取与写入只能以处理请求的形式提出,并在校验通过后经代理转发至处理请求指向的业务服务,请求方即使生成越界内容,也不存在绕开校验直接修改目标数据源中对象数据的通路,越权读取与越权写入不再需要等到工具执行之后从操作记录中才能发现。由此可见,本技术在处理请求执行前阻止了越权读取、非授权工具调用和越权写入,减少了人工智能工具与自动化程序参与请求处理时的越权取数与越权写入。本技术还公开了一种基于人工智能的工作事件治理装置及一种电子设备和一种计算机可读存储介质,同样能实现上述技术效果。
69、应当理解的是,以上的一般描述和后文的细节描述仅是示例性的,并不能限制本技术。
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