一种基于对抗博弈增强与多维偏好对齐的智能体工具调用自适应防御方法及系统

本申请公开了一种基于对抗博弈增强与多维偏好对齐的智能体工具调用自适应防御方法及系统，方法包括：将外部工具返回内容转化为语义拓扑图并匹配指令型子图，输出初步风险分值；在智能体训练阶段，构建融合任务成功率与安全约束的联合损失函数，利用包含偏好回答样本与非偏好回答样本的对比数据集对智能体模型进行参数优化；通过攻击生成器实时生成虚拟对抗样本穿透当前防御策略，根据穿透测试的绕过概率判定环境威胁等级，输出环境威胁系数并自适应调节安全防御阈值；根据所述初步风险分值与所述环境威胁系数进行加权合成，计算综合风险评分，将所述综合风险评分与所述安全防御阈值进行比较，根据比较结果执行差异化路由。