一种基于人工智能数字人的网络安全运营方法及系统与流程

本发明属于网络安全，具体涉及基于人工智能的网络安全运营技术，更具体地涉及利用ai数字人实现安全告警处理、智能研判与自动化响应的智能运营方法。

背景技术：

1、随着企业数字化转型的深入推进，网络安全运营面临的告警数量呈指数级增长，传统依赖人工处置的安全运营模式逐渐暴露出响应延迟、人力瓶颈、误判率高、追溯困难及处置标准不一等问题。

2、目前，现有自动化工具多采用soar（安全编排自动化与响应）技术，通过预设防护规则和标准化工作流来提升安全事件响应效率。然而，这类技术存在以下不足：（1）需安全专家预先编写设计防护规则，灵活性不足，难以适应动态变化的安全威胁；（2）整合的安全设备适用于静态资源分配，无法动态应对突发攻击；（3）在大规模复杂场景下存在多线路统一管理及协调难度高、多设备适配困难等问题。此外，现有ai告警降噪与分诊系统虽能实现一定程度的自动化，但往往局限于单一环节，缺乏对传统运营核心逻辑的深度理解。

3、因此，亟需一种既能继承传统安全运营流程核心要素，又能通过人工智能实现告警降噪、智能研判、自动处置等关键环节智能化升级，同时保留人工审核机制保障结果可靠、无需重构现有体系、且能够实现全链路过程可追溯的安全运营方法。

技术实现思路

1、要解决的技术问题

2、随着数字化转型深入，安全运营告警量激增，传统人工处置模式面临如下问题：一是传统安全运营依赖人工处置海量告警，存在响应延迟、人力瓶颈及经验差异导致的误判漏判问题；二是现有自动化工具与业务体系割裂，要么需重构流程增加转型成本，要么脱离实际场景落地效果差；三是纯自动化方案缺乏关键节点人工兜底，在复杂场景下易产生不可控风险，难以满足精准性与合规性要求；四是传统运营过程记录不完整，无法满足审计追溯与模型优化需求。

3、为解决上述问题，本发明提供一种基于人工智能数字人的网络安全运营方法及系统，通过ai数字人继承传统流程核心要素并实现关键环节智能化，保留人工审核机制，无需重构现有体系即可提升运营效率与结果可靠性，同时形成完整可追溯审计日志。

4、本发明提供一种基于人工智能数字人的网络安全运营方法及系统，通过ai数字人继承传统流程核心要素并实现关键环节智能化，保留人工审核机制，无需重构现有体系即可提升运营效率与结果可靠性，同时形成完整可追溯审计日志。本发明提供一种基于人工智能数字人的网络安全运营方法，包括以下步骤：

5、构建ai数字人认知基座与执行能力体系；

6、利用大语言模型结合思维链推理技术，通过提示词工程与少样本学习对输入的网络安全运营任务进行递归分解，并通过有向无环图算法生成数字人协作关系图与数据流图；

7、采用检索增强生成技术，针对每个独立ai数字人的执行单元按需加载上下文信息；

8、由综合调度引擎依据所述协作关系图协调各数字人实例并发执行，实时采集各节点的状态数据、执行耗时及异常信息，形成结构化反馈流；

9、融合所述结构化反馈流与人工修正记录，对所述ai数字人的执行能力进行迭代优化。

10、进一步地，所述构建ai数字人认知基座与执行能力体系具体包括：

11、采用“通用大模型+安全垂域模型”双引擎架构作为决策中枢，其中，所述通用大模型用于提供跨领域语义理解与泛化推理能力，所述安全垂域模型用于注入领域专业知识与安全合规约束；

12、构建包含机器人流程自动化单元、ai智能体单元、外部工具单元及自主规划矩阵模块的执行能力体系；所述机器人流程自动化单元配置为执行基于预置规则的确定性重复任务；所述ai智能体单元配置为在动态非结构化环境中通过持续运行的“感知-推理-行动-学习”闭环自主完成开放性任务；所述外部工具单元配置为对接第三方系统api及mcp协议服务。

13、进一步地，所述自主规划矩阵模块作为所述执行能力体系的调度核心，配置有规则引擎与语义向量匹配算法，其调度过程包括：

14、规则优先匹配阶段：对解析后的子任务与所述规则引擎内的预置规则库进行精确匹配，若匹配成功且置信度满足预设阈值，则直接调度对应的机器人流程自动化单元、ai智能体单元或外部工具接口单元执行；

15、语义模糊匹配阶段：当规则匹配失败或置信度低于预设阈值时，触发语义向量匹配算法计算子任务与各能力单元的相似度，选取最优能力单元；

16、任务图编排与执行阶段：将匹配结果输入状态图引擎，构建包含节点依赖关系、条件分支及循环控制的可执行任务拓扑图，并通过所述双引擎认知架构对任务图进行全局校验与动态优化，生成可替代运维人员执行专业领域操作的ai数字人实例。

17、进一步地，所述语义模糊匹配阶段中，所述语义向量匹配算法采用余弦相似度公式计算子任务与各能力单元的相似度：

18、，

19、其中，表示可用能力单元集合，为每个能力单元向量，为子任务编码，取余弦相似度最高的目标能力单元；当所述最高相似度低于预设安全阈值时，触发人工确认机制或降级处理策略，所述预设安全阈值为用于判定语义向量匹配结果是否可靠的门限值。

20、进一步地，所述预设安全阈值的默认值为0.8，取值范围为[0,1]，且可通过系统配置进行修改。

21、进一步地，所述利用提示词工程与少样本学习，是将复杂任务递归分解为可由单个ai数字人独立执行的原子化子任务，明确每个数字人的专属职责、输入输出规范及执行边界；所述通过有向无环图算法生成数字人协作关系图与数据流图，是基于子任务间的逻辑依赖关系，通过有向无环图算法自动生成ai数字人协作关系图，并构建包含并行/串行控制逻辑的数据流图，实现从抽象需求到多数字人协同调度拓扑的自动化映射。

22、进一步地， 所述采用检索增强生成技术按需加载上下文信息具体包括：

23、实时监测当前数字人任务节点的参数完整性与模型输出置信度；

24、仅当检测到关键输入参数缺失或置信度低于预设阈值时，触发对该数字人专属历史交互记录及知识库的语义相似度检索；

25、检索结果经重排序与相关性过滤后注入当前数字人的推理上下文，避免全量信息预加载导致的token过载与误差累积。

26、进一步地，所述ai数字人的输出置信度采用加权融合方式计算：

27、

28、其中，为置信度，限定取值范围[0,1]；为通用大模型置信度评分；为安全垂域大模型置信度评分；为通用大模型置信度权重，默认值为0.4且为可配置项；所述预设阈值的默认值为0.8，取值范围为[0,1]，且为可配置项。

29、进一步地，所述结构化反馈流为标准化json结构化反馈流，包含以下字段：

30、反馈流唯一标识、关联业务任务id、采集时间、整体执行状态、节点id、节点名称、节点角色、节点执行状态、耗时毫秒数、置信度评分和错误详情对象；所述错误详情对象包含错误码和错误描述信息。

31、所述标准化json结构化反馈流包含以下字段：

32、反馈流唯一标识feedback_id、关联业务任务id的task_id、采集时间timestamp、整体执行状态status、节点id node_id、节点名称node_name、节点角色agent_role、节点执行状态status、耗时毫秒数duration_ms、置信度评分confidence和错误详情对象error；所述错误详情对象包含错误码code和错误描述信息message。

33、进一步地，所述结构化反馈流一方面用于当前数字人任务的动态纠偏、超时熔断与断点续传，保障任务执行的鲁棒性；

34、另一方面异步写入进化模块的长期记忆库，通过强化学习持续迭代调度策略与数字人个体执行能力，实现多数字人协同系统从执行到优化的完整闭环自适应进化。

35、进一步地，所述对所述ai数字人的执行能力进行迭代优化，具体包括：

36、从结构化反馈流中提取任务执行结果、人工审核修正记录、用户显式评价及异常中断日志多源数据，采用自动化清洗规则剔除噪声样本后，结合预设的业务质量评估指标对有效样本进行弱监督标注，生成带标签的进化训练数据集；

37、采用参数高效微调技术对ai数字人的基座模型进行增量更新，并在微调过程中引入弹性权重巩固机制，在提升新任务适配能力的同时抑制对已有通用能力的灾难性遗忘；

38、通过采集执行耗时、资源消耗及任务成功率作为奖励信号构建调度策略强化学习环境，以历史调度决策轨迹为离线数据集训练初始策略网络，再通过在线交互持续收集状态-动作-奖励三元组进行策略迭代，优化后的策略网络自动更新能力路由权重与优先级分配规则。

39、本发明还提供一种基于人工智能数字人的网络安全运营系统，包括：

40、认知基座与执行能力体系构建模块，用于构建ai数字人认知基座与执行能力体系；

41、任务拆解与协作图生成模块，用于利用大语言模型结合思维链推理技术，通过提示词工程与少样本学习对输入的网络安全运营任务进行递归分解，并通过有向无环图算法生成数字人协作关系图与数据流图；

42、上下文按需加载模块，用于采用检索增强生成技术，针对每个独立ai数字人的执行单元按需加载上下文信息；

43、调度执行与反馈采集模块，配置有综合调度引擎，用于依据所述协作关系图协调各数字人实例并发执行，实时采集各节点的状态数据、执行耗时及异常信息，形成结构化反馈流；

44、迭代优化模块，用于融合所述结构化反馈流与人工修正记录，对所述ai数字人的执行能力进行迭代优化。

45、进一步地，所述认知基座与执行能力体系构建模块中，所述执行能力体系包含机器人流程自动化单元、ai智能体单元、外部工具单元及自主规划矩阵模块；所述自主规划矩阵模块配置有规则引擎与语义向量匹配算法，用于：

46、对解析后的子任务与所述规则引擎内的预置规则库进行精确匹配；

47、当规则匹配失败或置信度低于预设阈值时，采用余弦相似度公式计算子任务与各能力单元的相似度并选取最优能力单元；

48、将匹配结果输入状态图引擎构建包含节点依赖关系及条件分支的可执行任务拓扑图，并通过所述双引擎认知架构进行全局校验与动态优化。

49、进一步地，所述任务拆解与协作图生成模块包括：

50、任务拆解单元，用于利用大语言模型结合思维链推理技术，通过提示词工程与少样本学习将复杂任务递归分解为原子化子任务，明确每个数字人的专属职责、输入输出规范及执行边界；

51、协作图生成单元，用于基于子任务间的逻辑依赖关系，通过有向无环图算法自动生成ai数字人协作关系图，并构建包含并行/串行控制逻辑的数据流图。

52、进一步地，所述迭代优化模块包括：

53、数据归集标注单元，用于从结构化反馈流中提取任务执行结果、人工审核修正记录、用户显式评价及异常中断日志多源数据，采用自动化清洗规则剔除噪声样本后，结合预设的业务质量评估指标对有效样本进行弱监督标注，生成带标签的进化训练数据集；

54、模型增量微调单元，用于采用参数高效微调技术对ai数字人的基座模型进行增量更新，并在微调过程中引入弹性权重巩固机制，在提升新任务适配能力的同时抑制对已有通用能力的灾难性遗忘；

55、策略强化学习优化单元，用于通过采集执行耗时、资源消耗及任务成功率作为奖励信号构建调度策略强化学习环境，以历史调度决策轨迹为离线数据集训练初始策略网络，再通过在线交互持续收集状态-动作-奖励三元组进行策略迭代，优化后的策略网络自动更新能力路由权重与优先级分配规则。

56、本发明还提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现如上所述的基于人工智能数字人的网络安全运营方法。

57、本发明还提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上所述的基于人工智能数字人的网络安全运营方法。

58、本发明的技术方案具体有如下有益效果：

59、本发明通过构建人工智能以为核心驱动的数字人网络安全运营体系，在继承传统运营流程核心要素的基础上实现安全运营智能化转型。数字人可高效执行告警降噪、智能研判、自动处置等任务，替代人工完成重复性高、时效性强的操作，大幅缩短业务响应周期，突破人力瓶颈提升运营效率。系统采用标准化规则与大模型协同决策，避免人工主观误差，同时保留关键人工审核机制，确保处置结果精准可靠，降低误判漏判风险。全链路操作、决策依据及数据均被结构化记录，形成完整可追溯审计日志，满足合规监管要求并为模型优化提供支撑。该方法仅改造适合智能化的环节，无需重构现有业务体系，在实现智能化升级的同时保障业务连续性，降低转型成本与实施风险，兼顾技术先进性与落地实用性。