基于动态行为图谱的AI违法行为全链条责任量化方法及系统

本发明涉及ai 违法行为全链条责任量化，具体为基于动态行为图谱的ai 违法行为全链条责任量化方法及系统。

背景技术：

1、当前针对ai违法行为的治理多集中在前端识别拦截环节，缺少对违法行为全链条参与主体责任划分的量化方案，一方面，ai违法行为涉及多个参与主体，包括ai工具开发提供方、违法行为脚本编写者、引流推广者等多个环节参与者，不同主体参与程度不同，现有责任认定多依赖人工定性，缺乏客观统一的量化标准，容易出现责任认定偏差。另一方面，现有反诈数据多为静态孤立存储，无法完整呈现各主体在违法行为全流程中的行为关联和参与度，难以支撑全链条的责任溯源与量化划分，导致部分环节的责任主体逃脱应有的处罚，也给司法定责量刑带来了不小的阻碍。

2、为此，提出基于动态行为图谱的 ai 违法行为全链条责任量化方法及系统。

技术实现思路

1、本发明的目的在于提供基于动态行为图谱的 ai 违法行为全链条责任量化方法及系统，通过对ai违法行为行为生成图谱和数据量化，以便于为后续案件提供数据支撑。

2、为实现上述目的，本发明提供如下技术方案：

3、基于动态行为图谱的 ai 违法行为全链条责任量化方法，包括：

4、获取模拟ai违法行为全链条的模拟信息数据，依据所述模拟信息数据的关键行为特征提取主体行为数据，依据模拟多源交互日志和所述主体行为数据进行主体行为关联生成主体索引目录；

5、可选地，依据语义信息提取模型提取发起方和接收方的所述模拟信息数据的语义行为信息得到所述主体行为数据，所述主体行为数据至少包括发起方语义行为信息和接收方语义行为信息，所述发起方语义行为信息至少包括发起方行为主体、发起方行为动作和发起方行为目标，所述接收方语义行为信息至少包括接收方行为主体、接收方行为动作和接收方行为目标；

6、依据所述模拟多源交互日志和所述语义信息提取模型提取相同所述发起方行为主体、相同所述接收方行为主体、相同所述发起方行为目标和相同所述接收方行为目标的日志语义信息，所述日志语义信息至少包括实施主体数据和实施行为数据；将相同所述实施主体数据的所述实施行为数据进行标记进行主体行为关联得到主体数据标记；

7、依据主体数据标记通过初始权重关联所述实施行为数据得到所述主体索引目录。该方法可通过对模拟场景中不同主体行为的多维度拆解梳理，先完成对ai违法行为全链条中各参与主体的行为标准化锚定，解决了不同来源交互日志中主体信息分散、行为片段割裂的问题，能够快速将散落的交互信息对应到具体参与主体，为后续全链条的责任划分提供清晰统一的主体基础，避免了因主体信息错配、行为遗漏导致责任判定出现偏差，提升了责任量化过程中主体梳理环节的效率与准确性。

8、依据所述主体索引目录和知识库提取关键行为特征，依据所述关键行为特征的行为关联特征对所述主体索引目录进行权重关联匹配生成动态行为基础图谱；

9、可选地，依据所述语义信息提取模型提取所述知识库的ai违法行为行为条目获取违法行为行为数据；

10、通过聚类模型依据所述实施主体数据的数量作为聚类簇数量，对相同所述数据标记的所述实施行为数据和所述违法行为行为数据进行聚类分析得到行为聚类簇；依据欧氏距离算法获取距离所述行为聚类簇簇心距离最小的簇内数据作为每个聚类簇的簇标签；

11、通过余弦相似度算法计算每个所述簇标签和所述违法行为行为数据的行为相似度，将大于行为阈值的所述行为相似度的所述聚类簇的所有簇数据标记为所述疑似违法行为行为数据，依据所述疑似违法行为行为数据和相同所述主体数据标记进行主体行为关联生成所述动态行为架构；

12、依据所述疑似违法行为行为数据的所述行为相似度和所述主体数据进行权重关联更新所述动态行为架构得到所述动态行为基础图谱。

13、本方法通过构建包含主体-行为多层关联的动态行为基础图谱，可以将ai违法行为全链条中分散隐蔽的不同参与主体、各环节行为串联整合，解决了ai违法行为分工碎片化、行为隐匿化导致的责任主体难以定位的问题，能够直观呈现不同主体在违法行为全流程中的参与程度与行为关联，为后续全链条的责任量化提供清晰的数据基础，有效提升ai违法行为责任认定的准确性与溯源效率。

14、基于时间特征信息对所述动态行为基础图谱的权重进行修正更新，将所述时间特征信息和所述动态行为基础图谱进行数据匹配生成动态行为层级图谱；

15、可选地，获取所述动态行为基础图谱提取所述疑似违法行为行为数据，依据模拟多源交互日志获取所述疑似违法行为行为数据的实施次数和时间顺序生成违法行为实施逻辑图得到所述时间特征信息；

16、依据时间异常分析模型对所述违法行为实施逻辑图进行异常分析得到异常行为标签，依据所述异常行为标签获取权重更新值对所述动态行为基础图谱的权重进行修正更新；

17、依据所述异常行为标签对所述动态行为基础图谱的所述主体数据进行层级标记生成所述动态行为层级图谱。

18、本方法通过引入时间维度的特征修正与层级标记，能够进一步区分不同参与主体在ai违法行为全流程中的行为时序和异常程度，突出核心实施主体与关键行为节点，解决了不同环节主体责任同质化难以区分的问题，让图谱对主体参与情况的呈现更贴合ai违法行为“分工协作、依次推进”的实际特征，为后续精准量化各主体责任提供更精准的层级化数据支撑。

19、依据所述动态行为层级图谱和知识库获取各层级的初始责任分，根据所述责任分对所述动态行为层级图谱的权重进行数据加权得到所述动态行为层级图谱的责任分；

20、可选地，所述动态行为层级图谱的责任分通过责任分加权函数进行计算包括：

21、；

22、其中，为第i个层级动态行为层级图谱的主体加权后的权重，为第i个层级所述动态行为层级图谱的权重，为所述第i个动态行为层级图谱的主体的违法行为行为数据数量，为t个所述动态行为层级图谱的所述初始责任分中的最大值，为余弦相似度，为所述第i个动态行为层级图谱的主体的第j个违法行为行为，为知识库的第t个历史违法行为标准行为，为知识库的第t个历史违法行为标准行为的所述初始责任分。本方法通过结合历史违法行为标准行为的责任分和行为相似度对各层级图谱权重进行加权修正，能够让最终得到的责任分更贴合实际违法行为行为的危害程度，规避了固定权重无法适配不同违法行为行为模式的缺陷，同时依托动态行为层级图谱的分层结构，可清晰定位每个违法行为参与主体在全链条中所处位置和参与程度，实现从违法行为发起、引流、转账到分赃全流程的责任拆分，解决了ai违法行为场景中多主体参与、分工隐匿情况下责任难以精准量化的问题，为后续反诈处置、司法裁量提供可量化的责任判定依据。

23、输出所述责任分和所述动态行为层级图谱。

24、本技术还提供了基于动态行为图谱的 ai 违法行为全链条责任量化系统，包括：

25、主体索引目录模块，用于获取模拟ai违法行为全链条的模拟信息数据，依据所述模拟信息数据的关键行为特征提取主体行为数据，依据模拟多源交互日志和所述主体行为数据进行主体行为关联生成主体索引目录；

26、动态行为基础图谱模块，用于依据所述主体索引目录和知识库提取关键行为特征，依据所述关键行为特征的行为关联特征对所述主体索引目录进行权重关联匹配生成动态行为基础图谱；

27、动态行为层级图谱模块，用于基于时间特征信息对所述动态行为基础图谱的权重进行修正更新，将所述时间特征信息和所述动态行为基础图谱进行数据匹配生成动态行为层级图谱；

28、责任分生成模块，用于依据所述动态行为层级图谱和知识库获取各层级的初始责任分，根据所述责任分对所述动态行为层级图谱的权重进行数据加权得到所述动态行为层级图谱的责任分；

29、输出模块，用于输出所述责任分和所述动态行为层级图谱。

30、与现有技术相比，本发明的有益效果为：

31、1、本技术通过生成动态行为层级图谱直观展示ai违法行为全链条中各参与主体的行为关联与层级关系，同时通过责任分加权量化出每个主体在整个违法行为链条中所承担的责任大小，既能够帮助办案人员快速梳理违法行为流程、定位核心责任主体，也能为司法裁判中责任认定环节提供可量化的数据参考，解决了当前ai违法行为链条隐蔽、主体责任难以清晰界定的问题，可为ai违法行为案件的办理与防范提供明确的数据支撑。