一种大语言模型在线安全自适应优化方法及装置与流程

摘要: 本发明涉及人工智能,特别涉及一种大语言模型在线安全自适应优化方法及装置。背景技术:1、大语言模型(llm)作为一种重要的生成式人工智能模型,已被广泛应用于对话系...
一种大语言模型在线安全自适应优化方法及装置与流程

本发明涉及人工智能,特别涉及一种大语言模型在线安全自适应优化方法及装置。

背景技术:

1、大语言模型(llm)作为一种重要的生成式人工智能模型,已被广泛应用于对话系统、内容创作、代码生成等多个领域。为了使大语言模型能够更好地适应用户需求与不断变化的交互环境,在线学习或在线微调技术成为关键。该技术允许模型在部署后,根据实时的用户反馈信息持续调整其内部参数。然而,这种在线优化过程面临严峻的安全性与鲁棒性挑战。

2、首先,用户反馈信息本身具有高度不确定性和潜在的恶意性。用户可能提供错误、矛盾甚至恶意的反馈,若模型不加鉴别地全盘接受,将导致模型性能退化,生成有害、偏见或不安全的内容。其次,模型自身的置信度评估与用户反馈之间常存在分歧,如何仲裁这种分歧,动态平衡内在认知与外部信号,是确保优化方向正确的核心问题。再次,现有方法对不同的用户反馈类型多采用单一优化策略,缺乏针对性的安全更新机制。最后,参数更新过程本身可能引入不稳定性,导致模型输出确定性下降、熵值升高,产生不可预测的随机输出,严重影响服务的可靠性与安全性。

3、因此,现有技术亟需一种系统性的、能够在在线学习过程中综合评估反馈可信度、智能仲裁分歧、实施差异化安全更新,并在更新前后进行双重熵值安全监测的机制,以实现模型个性化适应并保障行为的安全、稳定与可控。

技术实现思路

1、本发明所要解决的技术问题是,提供一种大语言模型在线安全自适应优化方法及装置,以解决现有在线优化技术中因反馈质量参差不齐、内外置信度冲突、更新策略粗放和更新过程失稳所导致的安全与鲁棒性风险。

2、本发明的一个方面,提供了一种大语言模型在线安全自适应优化方法,包括以下步骤:

3、获取大语言模型的用户反馈信息,根据所述用户反馈信息计算用户反馈置信度,以及获取大语言模型的系统自评估置信度;

4、对所述用户反馈置信度和所述系统自评估置信度进行加权融合,得到融合置信度;

5、检测所述用户反馈置信度和所述系统自评估置信度的分歧程度,若分歧超过预设冲突阈值,则基于所述用户反馈信息的时空偏差特征动态调节所述融合置信度中用户反馈置信度的权重;

6、根据动态调节后的用户反馈置信度的权重和用户反馈信息的类型,采用差异化的安全更新策略对大语言模型参数进行优化;在模型参数更新前,若前向预测的模型输出熵值超过预设安全阈值则阻断更新;在参数更新后,若监测到模型输出的实时熵值超过所述预设安全阈值,则将模型参数强制恢复至更新前的状态;

7、采用参数优化后的大语言模型对接收到的用户输入进行处理,生成响应输出。

8、本发明的另一方面,还提供了一种大语言模型在线安全自适应优化装置,包括:

9、反馈获取与置信度计算模块,用于获取大语言模型的用户反馈信息,根据所述用户反馈信息计算用户反馈置信度,以及获取大语言模型的系统自评估置信度;

10、置信度融合模块,用于对所述用户反馈置信度和所述系统自评估置信度进行加权融合,得到融合置信度;

11、分歧检测与权重调节模块,用于检测所述用户反馈置信度和所述系统自评估置信度的分歧程度,若分歧超过预设冲突阈值,则基于所述用户反馈信息的时空偏差特征动态调节所述融合置信度中用户反馈置信度的权重;

12、模型参数优化模块,用于根据动态调节后的用户反馈置信度的权重和用户反馈信息的类型,采用差异化的安全更新策略对大语言模型参数进行优化;在模型参数更新前,若前向预测的模型输出熵值超过预设安全阈值则阻断更新;在参数更新后,若监测到模型输出的实时熵值超过所述预设安全阈值,则将模型参数强制恢复至更新前的状态;

13、模型响应输出模块,用于采用参数优化后的大语言模型对接收到的用户输入进行处理,生成响应输出。

14、本发明提供的一种大语言模型在线安全自适应优化方法及装置,具有如下有益效果:

15、(1)通过计算综合了反馈强度变化、用户历史信誉的反馈置信度,并结合模型系统自评估置信度进行融合,为判断是否采纳反馈提供了更可靠的量化依据,从源头提升了对噪声及恶意反馈的滤除能力。

16、(2)通过引入基于用户历史行为时空偏差特征的动态权重调节机制,在系统检测到内外置信度发生显著冲突时,能够自动降低行为异常用户反馈的权重,有效抵御低速率渐进式与高强度突发性的投毒攻击,增强了系统的主动防御与异常行为识别能力。

17、(3)通过针对隐式反馈/显式标量反馈和显式修正反馈设计不同的安全更新策略,实现了更新效率与安全性的平衡。在标量反馈更新中引入行为突变惩罚,增强了模型对用户行为一致性的要求;显式修正反馈更新中采用参数子集差异化学习率,实现了精准、高效的局部纠错。

18、(4)通过更新前基于前向预测熵值的阻断机制与更新后基于实时监测熵值的回滚机制,构建了预测、执行、监测、恢复的双重安全防线。该机制能够前瞻性地阻止可能导致模型确定性严重下降的危险更新,并在更新后发生未预期的熵增时快速恢复,最大程度保障了模型在持续优化过程中的整体稳定性和输出可靠性。

1.一种大语言模型在线安全自适应优化方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的一种大语言模型在线安全自适应优化方法,其特征在于,根据下式计算用户反馈置信度:

3.根据权利要求2所述的一种大语言模型在线安全自适应优化方法,其特征在于:

4.根据权利要求3所述的一种大语言模型在线安全自适应优化方法,其特征在于,基于所述用户反馈信息的时空偏差特征动态调节所述融合置信度中用户反馈置信度的权重的步骤,具体包括:

5.根据权利要求4所述的一种大语言模型在线安全自适应优化方法,其特征在于,所述根据动态调节后的用户反馈置信度的权重和用户反馈信息的类型,采用差异化的安全更新策略对大语言模型参数进行优化的步骤,具体包括:

6.根据权利要求1所述的一种大语言模型在线安全自适应优化方法,其特征在于,所述在模型参数更新前,若前向预测的模型输出熵值超过熵值安全阈值则阻断更新;在参数更新后,若监测到模型输出的实时熵值超过所述熵值安全阈值,则将模型参数强制恢复至更新前的状态的步骤,包括:

7.一种大语言模型在线安全自适应优化装置,其特征在于,包括:

8.根据权利要求7所述的一种大语言模型在线安全自适应优化装置,其特征在于,所述反馈获取与置信度计算模块进一步用于:

9.根据权利要求8所述的一种大语言模型在线安全自适应优化装置,其特征在于:

10.根据权利要求9所述的一种大语言模型在线安全自适应优化装置,其特征在于: