一种基于语义保真的电力具境智能文本生成水印嵌入与溯源方法与流程

本发明涉及电力信息安全与自然语言处理，具体涉及一种基于语义保真的电力具境智能文本生成水印嵌入与溯源方法。

背景技术：

1、随着人工智能技术的发展，基于大语言模型的文本生成技术逐渐应用于电力生产业务场景，例如电力设备巡视记录生成、故障分析报告生成以及调度业务文本生成等。部署于配电房、变电站等现场环境中的具境智能终端能够结合现场运行数据生成电力业务文本，提高电力运维人员的信息处理效率。然而，由于电力业务文本通常包含设备运行状态、设备标识信息、电网运行参数以及调度操作内容等敏感信息，当电力业务文本以文本形式传输或存储时，存在通过复制、转发等方式脱离原应用环境传播的问题，导致泄露文本难以确定来源。

2、目前，针对生成文本的信息保护主要采用显式水印和隐式水印两类技术。显式水印通常通过在文本中添加特定标识字符、不可见字符或者文本格式信息进行标记，但是该类水印信息容易随着文本复制、格式转换以及文本清洗操作而丢失，难以适用于纯文本场景下的来源追踪。

3、隐式文本水印通常在大语言模型生成过程中调整候选词的选择概率，将特定统计特征嵌入生成文本中。例如，通过预先划分词集合，并调整属于指定词集合的候选词生成概率，使生成文本具有可检测的统计特征。但是，现有隐式文本水印方法主要面向通用文本生成场景，在电力业务文本生成过程中，候选词中包含大量具有确定业务含义的专业实体，例如电气参数、设备标识、开关状态描述以及调度操作指令等。直接调整全部候选词的生成概率可能改变专业实体对应词语的选择结果，使生成文本出现业务语义偏差。

4、此外，现有文本水印方法通常采用固定水印规则或者固定密钥进行水印嵌入，生成文本中的水印特征与具体操作人员、终端环境之间缺少关联关系，在多人共用智能终端或者不同运行环境下生成文本时，难以根据泄露文本准确确定对应的生成主体。同时，部分文本水印检测方法需要依赖原始生成模型参数、生成日志或者完整推理过程，而在实际泄露事件处理中，通常仅能够获取外部传播的文本内容，难以满足基于纯文本数据进行来源分析的需求。

5、另外，电力具境智能终端通常部署于现场边缘环境，其计算资源相较于云端服务器有限，复杂的文本分析模型和大规模计算过程会增加文本生成过程中的计算负担，影响现场交互式应用。

技术实现思路

1、本发明旨在解决上述技术问题而提供一种基于语义保真的电力具境智能文本生成水印嵌入与溯源方法，通过动态水印密钥生成、上下文自适应水印嵌入、电力语义保护控制以及逆向统计溯源机制，实现电力具境智能文本生成过程中的语义保真水印嵌入与泄露文本来源追踪。

2、本发明的目的可以通过以下技术方案来实现：

3、一种基于语义保真的电力具境智能文本生成水印嵌入与溯源方法，包括：

4、s1、获取电力具境智能终端接收到的文本生成请求对应的操作人员身份信息和终端环境信息，根据操作人员身份信息和终端环境信息生成动态水印密钥；

5、s2、在电力具境智能终端根据文本生成请求进行自回归文本生成过程中，获取当前生成位置对应的上下文信息，根据动态水印密钥和上下文信息对候选词表进行动态划分，得到水印词集合和非水印词集合；

6、s3、获取当前生成位置对应的候选词，并对候选词进行电力语义实体检测，根据检测结果确定候选词对应的语义保护状态；

7、s4、根据语义保护状态对候选词的生成概率进行调整，当候选词对应的语义保护状态表示为受保护状态时，保持候选词对应的原始生成概率，当候选词对应的语义保护状态表示为非保护状态时，根据水印词集合调整候选词对应的生成概率，并根据调整后的生成概率确定当前生成位置对应的目标词；

8、s5、获取待溯源电力文本，根据候选操作人员身份信息生成对应的动态水印密钥，根据动态水印密钥确定待溯源电力文本对应的水印词集合，并统计待溯源电力文本中的词与水印词集合之间的匹配关系，根据统计结果确定待溯源电力文本对应的操作人员。

9、进一步的，步骤s1包括：

10、获取当前网络标准时间戳，设定密钥更新周期，并通过向下取整运算计算离散化时间因子：

11、

12、从安全芯片中读取预置的系统级盐值，并根据操作人员工号、终端网卡物理地址、微时空场景编码、离散化时间因子以及系统级盐值构建特征聚合字符串：

13、

14、其中，表示二进制拼接操作；

15、采用sha-256哈希算法对特征聚合字符串进行摘要运算，得到256位哈希值，截取256位哈希值的高64位，并将截取结果映射为无符号长整型整数，得到动态水印密钥。

16、进一步的，步骤s2包括：

17、设定滑动窗口长度k，获取当前生成位置t之前的连续k个已生成词token对应的词索引序列：

18、

19、根据动态水印密钥和词索引序列计算当前生成位置对应的上下文随机数：

20、

21、其中，为非加密型快速哈希函数；

22、利用上下文随机数初始化线性同余发生器，生成长度等于候选词表大小 |v|的随机排列索引序列p；

23、设定水印词集合比例系数，其中，将随机排列索引序列p中前个索引对应的词确定为水印词集合，将剩余索引对应的词确定为非水印词集合。

24、进一步的，步骤s3包括：

25、在电力具境智能终端的存储区域中预加载电力领域词典树，电力领域词典树包括电力设备台账信息、标准操作术语信息以及安全规程关键词信息；

26、获取当前已生成文本后缀以及当前生成位置对应的候选词，将当前已生成文本后缀与候选词进行组合，得到待匹配文本序列；

27、利用aho-corasick自动机对待匹配文本序列进行多模式匹配；

28、当待匹配文本序列匹配到电力领域词典树中的叶节点时，将候选词确定为电力语义保护实体，并生成语义锁定信号；

29、当待匹配文本序列未匹配到电力领域词典树中的叶节点时，将候选词输入实体识别模型进行上下文语义检测。

30、进一步的，步骤s3还包括：

31、获取候选词对应的上下文序列；

32、将上下文序列输入经过剪枝量化处理的轻量级transformer编码器，得到候选词对应的实体类别概率分布；

33、其中，实体类别概率分布包括电压电流实体类别、设备标识实体类别以及操作状态实体类别对应的概率值；

34、当实体类别概率分布中任一实体类别对应的概率值大于预设置信度阈值时，将候选词确定为电力语义保护实体，并生成语义锁定信号；

35、根据电力语义保护实体对应的实体类别确定候选词对应的语义保护状态。

36、进一步的，步骤s4包括：

37、获取候选词对应的实体类别，并根据实体类别确定对应的概率调整策略；

38、当候选词属于数值型实体时，将水印偏置参数设置为零，并生成对应的掩蔽向量；

39、根据掩蔽向量对非数值型候选词对应的生成概率进行屏蔽处理，使候选词采样范围限定于数值型实体对应的候选词集合；

40、当候选词属于状态动作指令实体时，获取状态动作指令实体对应的互斥状态词集合；

41、根据互斥状态词集合禁止对具有状态翻转关系的候选词施加水印偏置；

42、当原始候选词集合中存在语义相近词，且语义相近词均属于水印词集合时，对语义相近词对应的生成概率增加水印偏置参数；

43、当候选词属于非关键词实体时，获取候选词对应的原始生成概率分布，根据原始生成概率分布计算信息熵：

44、

45、根据信息熵计算自适应偏置参数：

46、

47、其中，为基础偏置参数，为增强系数；

48、根据自适应偏置参数调整候选词对应的生成概率。

49、进一步的，步骤s5包括：

50、获取待溯源电力文本对应的候选操作人员身份信息；

51、根据候选操作人员身份信息、对应终端环境信息以及文本生成时间信息，生成候选动态水印密钥；

52、根据候选动态水印密钥以及待溯源电力文本中的上下文token序列，确定待溯源电力文本中各生成位置对应的候选水印词集合；

53、根据候选水印词集合对待溯源电力文本中的有效水印载体token进行匹配，统计有效水印载体token属于候选水印词集合的数量，得到水印匹配数量。

54、进一步的，步骤s5还包括：

55、获取待溯源电力文本序列中的token，并剔除token中的标点符号token以及电力语义保护实体对应的token，得到有效水印载体token，并统计有效水印载体token的数量，得到有效水印载体token总数；

56、统计有效水印载体token中属于候选水印词集合的token数量，得到水印匹配数量；

57、根据有效水印载体token总数、水印匹配数量以及水印词集合对应的比例参数，计算z-score统计检验量：

58、

59、将z-score统计检验量与预设判定阈值进行比较，当z-score统计检验量大于预设判定阈值时，将候选操作人员身份信息确定为待溯源电力文本对应的操作人员。

60、进一步的，步骤s5还包括：

61、获取待溯源电力文本中未匹配候选水印词集合的待分析token；

62、根据预设同义词映射表获取待分析token对应的语义关联token；

63、当待分析token未属于候选水印词集合，且语义关联token属于候选水印词集合时，根据预设权重参数对待分析token进行水印匹配权重赋值，并更新水印匹配数量；

64、获取待分析token对应的语义向量，并获取候选水印词集合中各候选水印词对应的词语义向量；

65、计算待分析token对应的语义向量与候选水印词对应的词语义向量之间的余弦相似度；

66、当余弦相似度大于预设相似度阈值时，将待分析token确定为语义匹配token，并根据语义匹配token更新水印匹配数量；

67、根据更新后的水印匹配数量重新计算z-score统计检验量。

68、进一步的，还包括：

69、在具境智能终端执行文本生成推理过程时，将动态水印密钥对应的哈希计算过程、随机数生成过程以及水印词集合构建过程进行算子融合处理，生成融合计算算子；

70、调用融合计算算子执行动态水印密钥对应的上下文随机参数计算、随机排列索引生成以及水印词集合划分处理；

71、在图形处理器执行当前生成位置对应的词嵌入矩阵计算过程中，利用中央处理器线程根据下一生成位置对应的上下文信息预先计算下一生成位置对应的随机数参数以及水印词集合；

72、将下一生成位置对应的随机数参数以及水印词集合存储至缓存区域；

73、在生成下一生成位置对应的候选词时，调用缓存区域中的随机数参数以及水印词集合进行候选词概率调整。

74、与现有技术相比，本发明具有以下有益效果：

75、1、本发明通过获取操作人员身份信息和终端环境信息生成动态水印密钥，并基于动态水印密钥以及文本生成过程中的上下文信息对候选词表进行动态划分，将水印特征关联至文本生成过程中的词选择行为，使生成文本包含与操作人员身份信息对应的水印特征。

76、2、本发明通过对候选词进行电力语义实体检测，根据候选词对应的语义保护状态控制候选词生成概率调整过程，在候选词属于电力语义保护实体时保持原始概率分布，在候选词不属于电力语义保护实体时基于水印词集合调整生成概率，使水印嵌入过程适用于包含电气模拟量、设备标识、开关状态以及调度业务指令的电力业务文本生成场景。

77、3、本发明通过构建包含电力领域词典树和实体识别模型的电力语义实体检测过程，对候选词对应的电力语义实体进行识别，并根据识别结果确定语义保护状态，使水印嵌入过程能够根据不同文本内容执行差异化处理。

78、4、本发明通过根据候选操作人员身份信息重新生成候选动态水印密钥，并根据候选动态水印密钥确定待溯源电力文本对应的水印词集合，进一步根据水印匹配数量以及有效统计词数量计算统计评价值，从待溯源电力文本中确定对应的操作人员。

79、5、本发明通过获取待溯源电力文本中未匹配水印词集合的待分析词，并根据待分析词对应的语义向量与水印词集合中词对应的语义向量之间的相似度更新匹配结果，使待溯源电力文本在词语变化情况下仍能够进行水印特征分析。

80、6、本发明通过在当前生成位置对应的词生成过程中，根据动态水印密钥和下一生成位置对应的上下文信息预先生成下一生成位置对应的水印词集合，并将水印词集合存储至缓存区域，使水印词集合生成过程与文本生成过程相互配合。