元の名称記録: 国网河南省电力公司信息通信分公司; 国网河南省电力公司

本申请提供了一种基于边缘计算的智能电网负荷预测系统，涉及边缘计算领域，其首先使边缘节点本地生成并上报包含数据特征向量和设备能力向量的边缘画像数据包；云端调度中心据此画像数据包进行数据概念漂移与性能瓶颈检测，以触发模型更新事件；随后，调度中心执行一个两阶段的匹配决策：先基于数据特征向量从模型库中筛选出负荷场景相符的候选模型，再基于设备能力向量进行硬件资源约束筛选，从而选定一个兼顾精度与性能的最优模型；最后，系统生成包含模型差分包的部署数据包，边缘节点仅需执行差分更新，实现了对异构设备和动态场景的精准、高效模型自适应。

本申请公开了一种基于机器学习的业务过程异常检测方法及系统，其通过对原始知识语料进行语义处理并构建混合向量索引，系统能高效检索告警相关的候选文本，在此基础上，进一步对这些候选文本块提炼，识别并抽取其中最核心、最可执行的操作性信息，形成精准且高信息密度的可操作上下文，随后，将精炼的上下文与输入告警注入结构化提示模板，以驱动通用大语言模型生成高质量的解决方案。通过这样的方式，能够显著提升业务过程异常检测与处置的精准度和可靠性。

本申请涉及网络安全领域，具体公开了一种多智能体协同防御与评估方法，通过部署于不同节点的多个智能体，各自独立采集监控范围内的原始数据并生成的本地评估证据。为解决证据来源可信度不一的问题，引入荣誉分机制对本地评估证据进行加权折扣。同时，设计了选择性广播策略，仅在证据满足重要性或变化性阈值时才进行广播。所有经过加权和筛选的证据被汇集后，通过全局证据融合与共识决策机制，将来自不同局部视角的、异构且异步的评估信息，聚合成一个统一、可靠的全局共识结果。最终，防御协调器依据此共识结果生成并下发防御指令，有效解决了传统方法中因视角局限、模型异构和通信开销导致的难以快速形成准确全局威胁认知的技术问题。

本申请涉及接口访问监控领域，具体公开了一种大模型接口恶意调用识别与访问控制方法，其摒弃了静态的请求计数限流模式，转而采用一种双模态风险评估机制。一方面，通过一个轻量级预测模型对请求提示词的深层语义与浅层结构特征进行分析，在资源消耗前预估其计算成本，实现对请求内容固有风险的量化。另一方面，它将每个用户的历史调用行为建模为一个在多维特征空间中动态演化的流形，通过度量当前请求在内容主题与成本预期上与该用户行为模式的偏离度及漂移速率，来评估行为的异常性。最终，该机制将内容固有风险与用户行为动态风险进行非线性融合，生成综合风险分数，并据此执行精准的动态访问控制。

本申请涉及边缘节点异常行为检测领域，具体公开了一种异构物联网边缘节点异常行为检测方法，其先将边缘节点异构的资源占用与网络流量数据分别映射至各自的高层特征空间，再通过联合潜在表征聚合机制，提炼出一个能够表征两种模态在正常工作状态下内在关联模式的共享高层特征向量。随后，模型被强制要求利用该共享特征与各模态专属特征去联合重构原始输入。通过在大量正常数据上进行训练，能够深入学习正常行为的完整范式。因此，当边缘节点出现异常行为时，其固有的模态间关联性将被破坏，导致模型无法有效重构这种非典型的数据模式，从而产生重构损失。

本申请涉及物联网安全防护技术领域，具体公开了一种物联网感知层数据轻量级加密与完整性校验方法，其通过将整个原始数据对象抽象为一个唯一的、紧凑的密码学承诺，并通过一次轻量级的承诺握手将其安全地传递给接收方，建立起一个不可篡改的信任锚点。随后，在数据分发阶段，每一个数据分片都捆绑其对应的、可独立验证的证明路径进行传输。这将应用层的整体完整性校验与网络层的物理分片机制解耦。接收方能基于预先建立的信任锚点，对每一个到达的分片进行验证，从而克服了传统整体认证后分片模式因单点失败即需整体重传的脆弱性。同时，也避免了分片后逐一认证方案所带来的巨大认证开销和无法抵御分片重组攻击的安全缺陷。

本申请涉及深度学习领域，具体公开了一种深度学习驱动的业务异常行为预测方法，其首先对原始查询进行自适应分析，量化其意图倾向，并据此执行意图驱动的异构查询扩展。这使得后续的稀疏与稠密双通道召回能够同时高效地覆盖精确匹配和语义关联的文档，从根本上克服了单路径检索的片面性。在此基础上，进一步引入基于交叉编码器的重排模块。该模块通过对查询与各候选文档进行深度交互和细粒度相关性打分，实现对候选列表的精准重排序，确保将最关键、最相关的上下文信息筛选并置于首位。通过这样的方式，本方案为最终的生成式大语言模型提供了高质量、高信噪比的输入，从而确保其生成的业务异常分析结果兼具高准确性与高可靠性。

本申请公开了一种基于大模型的漏洞隐患智能化检测方法，其首先对源代码集合进行全局静态分析，构建出程序完整的调用图和数据流图，形成结构化的代码知识图谱；随后，针对识别出的候选漏洞切片，基于这些图谱进行精准的上下文检索与增强，将与漏洞切片强相关的调用链和数据溯源路径等关键信息转化为大语言模型可理解的自然语言描述，注入提示词中，从而为模型提供缺失的全局上下文信息，弥补其在复杂代码分析能力上的不足。通过这种方式，解决了注意力机制在远距离代码关联中失效的问题，显著提升了漏洞检测的准确性和可靠性。

本申请涉及量子密钥分发技术领域，具体公开了一种量子密钥分发的电力负荷管理数据传输安全方法，其首先对电力数据包进行深度解析，并依据预设的安全服务等级协议标记其安全与服务质量要求。同时，系统对量子密钥池的状态进行持续感知与前瞻性预测，不仅通过时序模型预测未来的密钥供给趋势，还结合电力业务需求计算出期望密钥缺口，以此量化未来的资源风险。最终，动态调度决策引擎根据数据包的安全等级和期望密钥缺口，通过效用计算为每个数据包动态选择最优的加密方式，即量子密钥加密或经典密钥加密。如此，可将有限的量子密钥资源智能且优先地分配给关键业务，避免了因资源误用导致的业务阻塞，在确保高安全等级的同时优化了资源利用效能。

本发明提供一种基于多智能体协同的异常分析与智能诊断方法及系统，属于故障识别技术领域，具体包括：根据在不同的历史告警事件中的故障识别结果的分布数据，以及智能体的故障识别结果的干扰数据为基础，确定智能体的干扰风险类型，当目标的干扰风险类型的智能体的数量不满足要求时，通过不同的干扰风险类型的智能体的构成数据，确定进行联合交互分析处理的智能体的数量，以联合交互分析处理的智能体的数量以及更新识别数据为基础，确定利用所有的智能体进行诊断分析处理的管理方法，提升了故障诊断结果的准确性。