一种大模型接口恶意调用识别与访问控制方法

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。