一种基于多Agent大模型融合的能源算力网络安全态势评估方法与流程

本技术涉及网络安全，具体涉及一种基于多agent大模型融合的能源算力网络安全态势评估方法。

背景技术：

1、能源算力网络在运行过程中会产生网络流量数据、能源数据以及算力调度数据等多种类型的运行数据。目前，针对能源算力网络的安全评估通常采用基于单一分析模型的集中式检测方式，将采集到的各类运行数据汇聚至统一的分析平台，由分析平台按照预先配置的检测规则对汇聚后的数据进行逐条比对，识别数据中的异常特征，并输出对应的安全告警信息。

2、然而，由于能源算力网络中的各类运行数据在数据结构以及语义特征上存在显著差异，单一分析模型难以对多种类型运行数据之间的关联性威胁特征进行有效挖掘，导致复合型安全威胁在安全评估过程中被遗漏，使得能源算力网络的安全评估结果的准确性较低。

技术实现思路

1、为了解决上述技术问题，本技术提供一种基于多agent大模型融合的能源算力网络安全态势评估方法。

2、在本技术的第一方面提供了一种基于多agent大模型融合的能源算力网络安全态势评估方法，采用如下技术方案：

3、对能源算力网络中的网络流量数据、能源数据、算力调度数据、用户实体行为数据以及漏洞扫描数据进行采集，并进行格式标准化处理，得到多源异构标准化数据；

4、将所述多源异构标准化数据按照数据类型分发至预设的专业智能体集群，通过所述专业智能体集群中的各专业智能体并行分析分发到的数据，得到各所述专业智能体对应的初步分析结果；

5、基于预设的消息总线，在所述专业智能体集群内传递协同分析请求，通过目标专业智能体对所述协同分析请求进行响应处理，得到协同分析结果，所述目标专业智能体由所述协同分析请求确定；

6、将所述初步分析结果与所述协同分析结果输入预设的大模型融合决策智能体，通过所述大模型融合决策智能体对所述初步分析结果与所述协同分析结果进行格式统一处理，得到安全事件；

7、根据所述安全事件构建推理上下文，通过预设的大语言安全模型对所述推理上下文进行融合推理，得到综合安全态势评估结果；

8、根据所述综合安全态势评估结果生成安全防护策略，对所述安全防护策略进行执行，得到执行反馈结果。

9、通过采用上述技术方案，利用专业智能体集群对多源异构标准化数据进行并行处理与智能体间的协同分析，能够挖掘跨数据类型的关联性威胁特征，弥补单一模型难以发现复合型威胁的不足；结合大模型融合决策及大语言安全模型的推理，有助于降低复合型安全威胁的遗漏风险，提升能源算力网络安全评估结果的准确性与全面性。

10、可选的，所述将所述多源异构标准化数据按照数据类型分发至预设的专业智能体集群，通过所述专业智能体集群中的各专业智能体并行分析分发到的数据，得到各所述专业智能体对应的初步分析结果，包括：

11、将所述多源异构标准化数据中的所述网络流量数据分发至所述专业智能体集群中的网络流量分析智能体，通过预设的深度学习流量分类模型对所述网络流量数据进行入侵特征识别处理，得到网络威胁分析结果；

12、将所述多源异构标准化数据中的所述能源数据分发至所述专业智能体集群中的能源数据安全智能体，基于预设的能源数据安全基线对所述能源数据进行偏离检测处理，得到能源数据安全分析结果；

13、将所述多源异构标准化数据中的所述算力调度数据分发至所述专业智能体集群中的算力调度安全智能体，基于预设的算力调度行为模式库对所述算力调度数据进行行为比对处理，得到算力调度安全分析结果；

14、将所述多源异构标准化数据中的所述用户实体行为数据分发至所述专业智能体集群中的行为分析智能体，基于预设的用户实体行为基线对所述用户实体行为数据进行偏离度计算处理，得到行为风险分析结果；

15、将所述多源异构标准化数据中的所述漏洞扫描数据分发至所述专业智能体集群中的漏洞检测智能体，基于预设的漏洞评分规则对所述漏洞扫描数据进行可利用性评估处理，得到漏洞风险分析结果；

16、通过所述专业智能体集群中的威胁情报融合智能体对预设的外部威胁情报库进行采集处理，基于所述外部威胁情报库对所述网络威胁分析结果、所述行为风险分析结果以及所述漏洞风险分析结果进行关联分析处理，得到威胁情报关联分析结果；

17、将所述网络威胁分析结果、所述能源数据安全分析结果、所述算力调度安全分析结果、所述行为风险分析结果、所述漏洞风险分析结果以及所述威胁情报关联分析结果作为各所述专业智能体对应的所述初步分析结果。

18、通过采用上述技术方案，由各专业智能体针对不同数据类型采用适配的分析模型并行处理，并通过威胁情报融合智能体对网络威胁、行为风险及漏洞风险进行关联分析，有助于挖掘跨数据类型的关联性威胁特征，提升复合型安全威胁的识别能力，为后续协同与融合决策提供更全面的初步分析结果，可降低安全威胁的遗漏风险。

19、可选的，所述基于预设的消息总线，在所述专业智能体集群内传递协同分析请求，通过目标专业智能体对所述协同分析请求进行响应处理，得到协同分析结果，包括：

20、当所述专业智能体集群中的发起方专业智能体在所述初步分析过程中识别到需要协助方专业智能体协助分析的关联特征时，按照预设的标准化消息格式，基于所述关联特征构建包括发送方智能体标识、接收方智能体标识、消息类型以及待共享分析数据的所述协同分析请求，所述协助方专业智能体为所述专业智能体集群中任意一个或多个；

21、基于构建得到的所述协同分析请求，通过所述消息总线的异步通信通道，根据所述协同分析请求中的所述接收方智能体标识对所述协同分析请求进行路由处理，将所述协同分析请求投递至由所述接收方智能体标识指示的被请求的所述专业智能体；

22、根据预设的优先级规则对投递到的所述协同分析请求中的所述消息类型进行优先级标注处理，得到所述协同分析请求对应的优先级标签，将所述优先级标签为高优先级的所述协同分析请求置入预设的优先处理队列，并基于预设的超时阈值对置入所述优先处理队列的所述协同分析请求的响应时长进行计时监控，得到响应时长监控结果；

23、基于所述响应时长监控结果，按照所述优先处理队列的顺序，通过所述目标专业智能体对所述协同分析请求中的所述待共享分析数据进行响应处理，将处理得到的分析数据通过所述消息总线回传至所述发送方智能体标识指示的所述发起方专业智能体，得到所述协同分析结果。

24、通过采用上述技术方案，利用消息总线的异步通信通道及优先级队列机制，对协同分析请求进行路由投递与有序处理，并对响应时长进行超时监控，有助于降低专业智能体间协同分析的等待延迟，保障协同分析过程的时效性，使关联性威胁的识别更及时，从而降低复合型安全威胁的遗漏风险，增强安全评估的实时性与准确性。

25、可选的，所述根据预设的优先级规则对投递到的所述协同分析请求中的所述消息类型进行优先级标注处理，得到所述协同分析请求对应的优先级标签，将所述优先级标签为高优先级的所述协同分析请求置入预设的优先处理队列，并基于预设的超时阈值对置入所述优先处理队列的所述协同分析请求的响应时长进行计时监控，得到响应时长监控结果，包括：

26、根据预设的消息类型与优先级的映射关系，对所述协同分析请求中的所述消息类型进行匹配处理，得到所述协同分析请求对应的所述优先级标签；

27、将所述优先级标签为高优先级的所述协同分析请求置入所述优先处理队列，将所述优先级标签不为所述高优先级的所述协同分析请求置入预设的普通处理队列；

28、基于所述超时阈值，对置入所述优先处理队列的所述协同分析请求的所述响应时长进行计时处理，当所述响应时长超过所述超时阈值时，生成对应的所述响应时长监控结果。

29、通过采用上述技术方案，根据消息类型与优先级的映射关系对协同分析请求进行优先级分级，将高优先级请求置入优先处理队列并基于超时阈值进行响应时长监控，有助于保障紧急协同任务被优先处理与及时响应，降低因等待延迟导致的关联性威胁识别遗漏，提升了协同分析过程的时效性与可靠性。

30、可选的，所述将所述初步分析结果与所述协同分析结果输入预设的大模型融合决策智能体，通过所述大模型融合决策智能体对所述初步分析结果与所述协同分析结果进行格式统一处理，得到安全事件，包括：

31、通过所述大模型融合决策智能体，按照预设的安全事件模板对所述初步分析结果与所述协同分析结果进行字段映射处理，得到中间分析数据；

32、当所述中间分析数据中存在针对同一分析对象的冲突分析结论时，根据预设的证据权重对冲突的所述分析结论进行裁决处理，得到统一分析结论；

33、基于所述统一分析结论以及所述中间分析数据中的时间戳，对所述中间分析数据进行时间线对齐与事件聚合处理，得到所述安全事件。

34、通过采用上述技术方案，由大模型融合决策智能体对初步分析结果与协同分析结果进行字段映射、冲突裁决及时间线对齐与事件聚合，有助于解决多源分析结论不一致的问题，并将离散的告警信息还原为逻辑连贯的安全事件，利于提升后续融合推理的输入质量，从而降低复合型威胁的遗漏风险，增强评估结果的准确性。

35、可选的，所述根据所述安全事件构建推理上下文，通过预设的大语言安全模型对所述推理上下文进行融合推理，得到综合安全态势评估结果，包括：

36、从所述安全事件中提取事件类型、事件严重程度以及事件关联实体，对所述事件类型以及所述事件严重程度进行拼接处理，构建出安全事件时间线，将所述安全事件时间线以及所述事件关联实体作为所述推理上下文；

37、将所述推理上下文输入所述大语言安全模型，通过预设的思维链推理模块引导所述大语言安全模型对所述推理上下文进行逐步推理处理，得到中间推理结果；

38、根据所述中间推理结果从预设的能源算力网络安全知识库中检索关联的安全知识数据，通过所述大语言安全模型对所述安全知识数据与所述中间推理结果进行融合处理，得到所述综合安全态势评估结果。

39、通过采用上述技术方案，利用安全事件构建包含时间线与关联实体的推理上下文，并由思维链推理模块引导大语言安全模型逐步推理，再结合能源算力网络安全知识库进行融合处理，有助于增强对复合型威胁的逻辑推理深度与因果追溯能力，提升综合安全态势评估的准确性与全面性。

40、可选的，所述根据所述综合安全态势评估结果生成安全防护策略，对所述安全防护策略进行执行，得到执行反馈结果，包括：

41、根据所述综合安全态势评估结果中的风险等级以及主要威胁类型，从预设的防护策略库中匹配得到与所述风险等级以及所述主要威胁类型对应的所述安全防护策略；

42、将所述安全防护策略下发至所述能源算力网络中与所述安全防护策略对应的执行节点，通过所述执行节点对所述安全防护策略进行执行处理，得到所述执行反馈结果；

43、基于所述执行反馈结果，对所述能源算力网络中的所述网络流量数据、所述能源数据、所述算力调度数据、所述用户实体行为数据以及所述漏洞扫描数据的采集参数进行调整处理，得到调整后的采集参数，将调整后的所述采集参数作为下一轮数据采集的采集依据。

44、通过采用上述技术方案，根据综合安全态势的风险等级与威胁类型匹配并下发安全防护策略，并基于执行反馈动态调整数据采集参数，有助于形成自适应闭环，增强安全防护措施的针对性与响应及时性，可提升能源算力网络对复合型威胁的持续防御与动态优化能力。

45、在本技术的第二方面提供了一种电子设备，包括处理器、存储器、用户接口以及网络接口，所述存储器用于存储指令，所述用户接口和所述网络接口均用于与其他设备通信，所述处理器用于执行所述存储器中存储的指令，以使所述电子设备执行如上述任意一项所述的方法。

46、在本技术的第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有指令，当所述指令被执行时，执行如上述任意一项所述的方法。

47、在本技术的第四方面提供了一种计算机程序产品，所述计算机程序产品在电子设备上运行时，使得所述电子设备执行如上述任意一项所述的方法。

48、综上所述，本技术实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

49、通过构建专业智能体集群对多源异构数据进行并行分析与协同交互，并融合大模型进行冲突裁决、事件聚合与思维链推理，有助于深度挖掘跨数据类型的关联性威胁特征，降低复合型安全威胁的遗漏风险，提升安全评估的准确性与全面性；同时，利用优先级队列与超时监控机制保障协同分析的时效性，并基于策略执行反馈动态调整数据采集参数，可形成自适应闭环，增强能源算力网络的持续防御与动态优化能力。