基于机密计算的大模型安全增量学习与持续挖掘方法及系统

本申请涉及一种基于机密计算的大模型安全增量学习与持续挖掘方法及系统。所述方法包括：在可信执行环境中获取并解密加密增量数据流，通过大模型前向推理生成注意力热力图与预测置信度分布，构建挖掘意图指令；根据注意力引导的频繁模式挖掘算法挖掘得到候选模式集，经验证筛选出高价值模式并完成知识晶化，封装为携带安全知识承诺的知识晶体；通过结构化嫁接将知识晶体接入模型知识适配器网络，并对历史知识晶体进行新鲜度评估，淘汰低效老旧知识，完成模型增量更新。本申请根据机密计算实现全流程数据安全，精准挖掘增量数据有效知识，动态迭代模型知识体系，有效提升大模型增量学习的安全性和精准性。