私域系统安全调用方法及装置与流程
本发明涉及人工智能与信息安全领域,特别涉及一种私域系统安全调用方法和一种私域系统安全调用装置。
背景技术:
1、随着大语言模型(large language model, llm)的发展,基于自然语言驱动的智能体系统(agent)逐渐成为智能自动化的重要技术路径。现有主流方案多依赖云端大模型进行任务理解与执行调度,通过调用外部api或工具实现复杂任务处理。然而,该类系统存在如下关键问题:首先,在数据安全方面,用户输入、任务上下文以及执行结果均需通过公网传输至云端服务器,容易造成敏感数据泄露,尤其在金融、医疗、工业等领域风险较高。其次,在系统可控性方面,云端agent执行逻辑不可控,资源访问范围难以精细约束,存在潜在越权调用风险。再次,在执行安全方面,现有技术通常缺乏有效的隔离机制,技能执行环境共享,容易引发系统污染或异常传播。此外,公网依赖带来网络延迟与稳定性问题,难以满足企业级实时性与可靠性需求。
技术实现思路
1、本发明为解决数据安全的技术问题,提供一种私域系统安全调用方法和一种私域系统安全调用装置。
2、第一方面,提供一种私域系统安全调用方法,包括:
3、利用预训练大语言模型将用户输入任务映射为第一任务;
4、利用所述第一任务和所述用户输入任务的历史状态构建上下文表示,形成语义状态向量;
5、利用深度神经网络根据所述语义状态向量生成动态权限策略向量;
6、将私域系统底层资源通过语义映射函数映射为资源向量;
7、结合所述语义状态向量、资源向量和动态权限策略向量得到联合约束形式;
8、在所述联合约束形式满足预设置的语义访问阈值时,私域系统允许所述用户输入任务调用所述动态权限策略向量和所述资源向量匹配的底层资源。
9、优选的,还包括:构建容器函数,使得所述用户输入任务调用的底层资源均在容器中实现。
10、优选的,还包括:
11、构建安全评估函数,获得所述私域系统安全调用方法的安全反馈信号;
12、私域系统根据所述安全反馈信号调整所述动态权限策略向量。
13、优选的,所述深度神经网络根据所述语义状态向量生成动态权限策略向量,之后,还包括:动态权限策略向量可分解为多个子空间:
14、;
15、分别对应为可调用技能集合、为可访问资源范围以及为允许执行操作类型,为动态权限策略向量。
16、优选的,所述结合所述语义状态向量、资源向量和动态权限策略向量得到联合约束形式,包括:
17、所述联合约束形式为:
18、
19、其中,表示当前任务的语义状态向量,表示资源向量,表示可访问资源范围;为当前任务的语义状态向量与资源向量之间的相似度。
20、优选的,所述在所述联合约束形式满足预设置的语义访问阈值时,私域系统允许所述用户输入任务调用所述动态权限策略向量和所述资源向量匹配的底层资源,包括:
21、私域系统仅允许用户输入任务满足语义访问阈值约束的底层资源集合:
22、最终可访问底层资源集合定义为:
23、
24、为语义访问阈值;为联合约束形式;表示底层资源;表示可访问底层资源集合。
25、第二方面,还提供一种私域系统安全调用装置,包括:
26、第一映射单元:用于利用预训练大语言模型将用户输入任务映射为第一任务;
27、构建单元:用于利用所述第一任务和所述用户输入任务的历史状态构建上下文表示,形成语义状态向量;
28、生成单元:用于利用深度神经网络根据所述语义状态向量生成动态权限策略向量;
29、第二映射单元:用于将私域系统底层资源通过语义映射函数映射为资源向量;
30、结合单元:用于结合所述语义状态向量、资源向量和动态权限策略向量得到联合约束形式;
31、匹配单元:用于在所述联合约束形式满足预设置的语义访问阈值时,私域系统允许所述用户输入任务调用所述动态权限策略向量和所述资源向量匹配的底层资源。
32、优选的,还包括:
33、容器单元:用于构建容器函数,使得所述用户输入任务调用的底层资源均在容器中实现。
34、优选的,还包括:
35、安全评估单元:用于构建安全评估函数,获得所述私域系统安全调用方法的安全反馈信号;
36、调整单元:用于私域系统根据所述安全反馈信号调整所述动态权限策略向量。
37、优选的,在所述生成单元,之后,还包括:
38、分解单元:用于利用动态权限策略向量可分解为多个子空间:
39、;
40、分别对应为可调用技能集合、为可访问资源范围以及为允许执行操作类型,为动态权限策略向量。
41、有益效果:
42、1、在访问控制层面,私域系统采用动态权限生成策略,根据任务语义对资源访问范围进行实时约束,从而避免越权访问行为的发生;
43、2、强调数据处理过程的本地化特性,所有数据在局域网环境内完成处理与存储,不依赖任何公网服务,从而实现数据“全流程不出域”;
44、3、在执行环境层面,通过容器隔离机制将不同技能运行环境进行物理分离,从根本上避免任务之间的状态干扰与安全传播;
45、4、在多轮任务执行过程中,系统还引入权限收敛机制,使得权限范围随着执行推进逐步缩小,从而降低长期运行带来的安全风险。
1.一种私域系统安全调用方法,其特征在于,包括:
2.根据权利要求1所述的私域系统安全调用方法,其特征在于,还包括:构建容器函数,使得所述用户输入任务调用的底层资源均在容器中实现。
3.根据权利要求2所述的私域系统安全调用方法,其特征在于,还包括:
4.根据权利要求1所述的私域系统安全调用方法,其特征在于,所述深度神经网络根据所述语义状态向量生成动态权限策略向量,之后,还包括:动态权限策略向量可分解为多个子空间:
5.根据权利要求1所述的私域系统安全调用方法,其特征在于,所述结合所述语义状态向量、资源向量和动态权限策略向量得到联合约束形式,包括:
6.根据权利要求1所述的私域系统安全调用方法,其特征在于,所述在所述联合约束形式满足预设置的语义访问阈值时,私域系统允许所述用户输入任务调用所述动态权限策略向量和所述资源向量匹配的底层资源,包括:
7.一种私域系统安全调用装置,其特征在于,包括:
8.根据权利要求7所述私域系统安全调用装置,其特征在于,还包括:
9.根据权利要求8所述私域系统安全调用装置,其特征在于,还包括:
10.根据权利要求7所述私域系统安全调用装置,其特征在于,在所述生成单元,之后,还包括:
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