一种基于AI大模型的数据智能分析预警方法及系统与流程

摘要: 本技术涉及数据分析预警,特别是涉及一种基于ai大模型的数据智能分析预警方法及系统。背景技术:1、在金融风控、网络安全、公共卫生、工业互联网及社会治理等多个领域,...
一种基于AI大模型的数据智能分析预警方法及系统与流程

本技术涉及数据分析预警,特别是涉及一种基于ai大模型的数据智能分析预警方法及系统。

背景技术:

1、在金融风控、网络安全、公共卫生、工业互联网及社会治理等多个领域,对海量、多源、异构数据(如文本报告、日志、交易流水、传感器信号、社交媒体等)进行实时分析,并从中及时感知态势、预测趋势、发现异常并发出预警,是至关重要的需求。

2、现有技术方案主要存在以下局限性:分析维度单一:传统系统多依赖预设的、固化的统计指标,难以从非结构化数据中自动挖掘深层次的、语义丰富的关联特征。预警迟滞与误报:规则引擎依赖专家经验,难以适应快速变化的复杂环境,导致预警不及时或误报率高。态势感知不直观:分析结果常以表格或简单图表呈现,决策者难以快速、整体地把握多维度、动态演化的领域态势。

技术实现思路

1、本技术的目的是:为解决上述技术问题,本技术提供了一种基于ai大模型的数据智能分析预警方法及系统,旨在提高对多源数据的深层关联分析能力,提高基于数据状态的风险预警精度。

2、本技术的一些实施例中,基于历史数据分析筛选多个基础分析指标,实现对数据状态的实时监测,并通过构建多种分析场景,提高多源数据的深层关联分析效率,提高对潜在风险的预警效率和精度。

3、本技术的一些实施中,根据各个技术分析指标的实时状态,选取适配的分析路径,提高对于隐形和跨域风险的辨识诊断能力,保证运行计算资源集中于潜在风险的挖掘分析上,保证大规模指标监控实时性的同时,为高阶分析任务提供了必要的计算裕度与数据深度,实现系统资源利用率与分析深度的最大化。

4、本技术的一些实施例中,提供了一种基于ai大模型的数据智能分析预警方法,包括:

5、建立历史数据库和多个数据源点,根据预处理模型采集各个数据源点的封装数据包;

6、根据预设智能体和全部封装数据包生成分析指标集,并根据分析指标集设定预警子策略;

7、根据预警子策略获取多个辅助数据包,根据全部辅助数据包判断是否生成预警指令;

8、获取预警记录数据并判断是否修正智能体。

9、本技术的一些实施例中,所述预设智能体,包括:

10、根据历史数据库设定多个基础分析指标;

11、建立分析指标-数据源点映射表;

12、根据全部评估子策略建立基础评估模型;

13、根据基础评估模型和历史数据库设定多种分析场景;

14、依次建立各个分析场景的关联分析路径;

15、所述关联分析路径包括关联采集策略和多个预警指标;

16、根据基础评估模型和全部关联分析路径构建智能体。

17、本技术的一些实施例中,所述生成分析指标集,包括:

18、预设多个监测时间节点;

19、根据全部基础分析指标依次选取待评估指标;

20、根据分析指标-数据源点映射表获取待评估指标在当前监测时间节点的映射封装数据包;

21、根据映射封装数据包生成待评估指标的实时参考值;

22、根据基础评估模型生成待评估指标的安全阈值;

23、若待评估指标的实时参考值大于预设安全阈值,生成待评估指标的一级预警指令;

24、依次生成各个基础分析指标的实时参考值;

25、根据全部实时参考值生成当前监测时间节点的分析指标集。

26、本技术的一些实施例中,所述根据分析指标集设定预警子策略,包括:

27、根据分析指标集建立运行场景;

28、生成运行场景与各个分析场景的相似度;

29、预设相似度阈值b1;

30、若b1

31、其中,bi为运行场景与第i个分析场景的相似度;n为分析场景数量;

32、根据全部待执行路径设定预警子策略。

33、本技术的一些实施例中,所述判断是否生成预警指令,包括:

34、在预警子策略的全部待执行路径中依次选取目标路径;

35、根据目标路径的关联采集策略获取多个辅助数据包;

36、根据全部辅助数据包生成目标路径中各个预警指标的评估值;

37、根据全部评估值生成目标路径的预警评价值c;

38、预设预警评价值阈值c1;

39、若预警评价值c大于预设预警评价值阈值c1;

40、生成目标路径的二级预警指令;

41、依次判断是否生成各个待执行路径的二级预警指令。

42、本技术的一些实施例中,所述生成目标路径的二级预警指令,包括:

43、获取目标路径的全部预警指标;

44、在全部预警指标中依次选取目标预警指标;

45、获取目标预警指标的关联辅助数据包;

46、根据关联辅助数据包设定目标预警指标的可视化视图;

47、根据全部预警指标建立目标路径的关联子模型;

48、获取各个预警指标的评估值,根据全部评估值和关联子模型设定展示架构;

49、根据全部可视化视图和展示架构生成展示数据包。

50、本技术的一些实施例中,所述生成目标路径的二级预警指令,还包括:

51、根据全部基础分析指标依次选取待修正分析指标;

52、生成目标路径和待修正分析指标的扰动值k;

53、依次生成目标路径与各个基础分析指标的扰动值;

54、预设扰动值阈值k1;

55、若k1

56、其中,ki为目标路径与第i个基础分析指标的扰动值;m为基础分析指标数量。

57、本技术的一些实施例中,提供了一种基于ai大模型的数据智能分析预警系统,包括:

58、中控单元,用于建立历史数据库和多个数据源点;

59、数据采集单元,用于根据预处理模型采集各个数据源点的封装数据包;

60、所述中控单元,包括:

61、第一处理模块,用于根据预设智能体和全部封装数据包生成分析指标集;

62、第二处理模块,用于根据分析指标集设定预警子策略;

63、预警模块,用于根据预警子策略获取多个辅助数据包,根据全部辅助数据包判断是否生成预警指令;

64、修正模块,用于获取预警记录数据并判断是否修正智能体;

65、其中,所述第一处理模块还用于:

66、根据历史数据库设定多个基础分析指标;

67、建立分析指标-数据源点映射表;

68、根据全部评估子策略建立基础评估模型;

69、根据基础评估模型和历史数据库设定多种分析场景;

70、依次建立各个分析场景的关联分析路径;

71、所述关联分析路径包括关联采集策略和多个预警指标;

72、根据基础评估模型和全部关联分析路径构建智能体。

73、本技术的一些实施例中,所述第一处理模块还用于:

74、预设多个监测时间节点;

75、根据全部基础分析指标依次选取待评估指标;

76、根据分析指标-数据源点映射表获取待评估指标在当前监测时间节点的映射封装数据包;

77、根据映射封装数据包生成待评估指标的实时参考值;

78、根据基础评估模型生成待评估指标的安全阈值;

79、若待评估指标的实时参考值大于预设安全阈值,生成待评估指标的一级预警指令;

80、依次生成各个基础分析指标的实时参考值;

81、根据全部实时参考值生成当前监测时间节点的分析指标集。

82、本技术的一些实施例中,所述第二处理模块还用于

83、根据分析指标集建立运行场景;

84、生成运行场景与各个分析场景的相似度;

85、预设相似度阈值b1;

86、若b1

87、其中,bi为运行场景与第i个分析场景的相似度;n为分析场景数量;

88、根据全部待执行路径设定预警子策略。

89、本技术实施例一种基于ai大模型的数据智能分析预警方法及系统与现有技术相比,其有益效果在于:

90、基于历史数据分析筛选多个基础分析指标,实现对数据状态的实时监测,并通过构建多种分析场景,提高多源数据的深层关联分析效率,提高对潜在风险的预警效率和精度。

91、根据各个技术分析指标的实时状态,选取适配的分析路径,提高对于隐形和跨域风险的辨识诊断能力,保证运行计算资源集中于潜在风险的挖掘分析上,在保证大规模指标监控实时性的同时,为高阶分析任务提供了必要的计算裕度与数据深度,实现系统资源利用率与分析深度的最大化。