请登录
请登录
2026-09-03
2026-10-07
面议
实施期自2026年11月起,实施周期原则上为2年,生物医药、农业领域可延长至3年
1.需求描述 随着终端安全检查与数据安全监管工作持续推进,安全检查监测类产品已在党政机关及重点行业广泛部署,终端侧数据采集能力显著增强,但数据规模与分析能力之间的矛盾日益突出,已成为制约系统实效性的核心瓶颈。当前告警规模呈爆发式增长,人工研判占比普遍超过80%,高风险告警淹没在低价值数据中;文件分析依赖关键词匹配与简单规则,文学隐喻、专业术语混用等复杂场景下误报漏判严重;检查与处置环节脱节,风险闭环处置平均周期超过7天,治理闭环难以有效形成。当前,保密行业的专家知识长期处于分散、碎片化状态,难以有效转化为标准化、可复用的经验。调研显示,超过60%的单位存在研判标准不统一、知识传承断档等突出问题。为此,亟需引入AI大模型技术,在确保安全可控的前提下,不引入外部涉密信息,亦不进行涉密模型训练,可构建专家研判的自循环机制,从而实现保密风险研判领域知识的有效复用。本项目以AI技术赋能计算机终端保密检查领域为核心,突破传统技术瓶颈,构建“智能识别、深度分析、主动预警、全程溯源”的终端保密防护新体系,是落实十五五规划、强化科技赋能国家安全、保障国家重点领域秘密安全的关键举措,对筑牢数字时代国家安全防线、维护国家政权与制度安全具有重大战略价值。契合济南市电子信息与信息安全重点产业发展方向,可推动保密管理从“规则驱动”向“语义驱动”升级,带动区域数据安全、信创算力及相关软件产业链发展,对提升全市党政机关及重点行业保密治理能力、保障数据安全具有重要产业意义。 2.需解决的技术问题 围绕智能研判与端云协同,需突破9项核心技术: 一是生成式模型安全语义分析工程化,解决多格式复杂文本下结果一致性难题。二是多源知识融合与相似研判构建,兼顾向量化建模的检索效率与匹配精度。三是模型与系统能力协同调用,打通文件检索、行为分析等模块联动机制。四是端云协同性能与精度平衡,兼顾分析精度、网络开销与终端响应时延。五是大模型私有化安全部署,适配双路线GPU,实现算力高效与调用可控。六是五层智能研判架构协同优化,实现规则与AI深度联动、全流程可追溯。七是风险实体双向关系建模,适配差异化场景,处理实体歧义与动态权重。八是行业专家知识自动向量化,借助RAG领域知识增强检索,实现毫秒级响应与高语义相关性召回。九是保密场景提示词工程,构建五步风险推理链,保障研判可解释可追溯。
3.考核指标 (1)技术参数: ①检查报告文件告警中,AI分析后推荐用户进行判定的高风险文件,推荐准确率不低于90%。 ②检查报告文件告警中,AI分析后进行排除的低风险文件,排除的准确率不低于95%。 ③检查报告文件告警中,AI分析高风险文件召回率(命中高风险/全部高风险文件)不低于90%,避免真实高风险文件漏报; ④检查报告文件告警,AI分析效率平均不低于3万份文件/天; ⑤文件AI研判后的结果,实现100%自动向量化,辅助相似文件召回分析,实现行业知识积累沉淀。(2)成果交付形式:论文1篇,发明专利申请2件,软件著作权2个;其他交示件:交付1套AI大模型辅助智能研判系统。(3)预期绩效目标经济效益方面:项目落地后可实现告警智能分级筛选,自动过滤85%以上低价值告警,高价值推荐结果控制在2%以内,单文件AI研判平均时长约30秒,整体分析处置效率提升10倍以上。按单个单位年度节省保密工程师人工研判工作量约1000人天、每人天1200元测算,单个单位年度可节约人力成本约120万元。面向济南市及山东省党政机关、重点行业规模化推广后,预计3年内可覆盖100家以上单位,累计节约人力成本超1亿元;同时可形成标准化AI保密算力服务产品,带动相关产业链发展,预计3年内实现产品销售收入超2亿元。社会效益方面:一是将失泄密风险发现时效从“天级”提升至“分钟级”,有效防范失泄密事件发生;二是推动保密管理从“人工驱动”向“智能驱动”转型,减轻一线保密人员工作负担,使其聚焦高风险事件处置与能力建设;三是通过平台AI能力下放终端,压实终端用户保密主体责任,形成全员参与的保密治理新格局;四是构建可复制、可推广的AI保密技术体系,为党政机关及重点行业保密工作数字化转型提供示范引领,助力国家保密事业发展与数据安全治理能力现代化建设。
1.国内外有能力解决技术需求的高校、科研机构、企业、创业团队等创新主体或其组成的联合体,须有较强的研发实力、科研条件和稳定的人员队伍; 2.能针对榜单需求,提出攻克关键核心技术的可行方案,掌握相关自主知识产权; 3.揭榜方为企业的,应具有独立法人资格;揭榜方应与发榜单位无关联关系,符合社会信用制度、涉企资金“绿色门槛”制度、科研诚信等相关要求。
揭榜挂帅:发榜单位为牵头单位、揭榜方为参与单位共同实施;发榜单位支付给揭榜方的技术攻关费用原则上不低于财政资助额度的60%
榜单序号:(二);板块:一、全市重点产业。揭榜意向书(word版及盖章pdf版)须于2026年10月7日前发送至邮箱skjjzpc@jn.shandong.cn,邮件标题格式:榜单序号+榜单名称+揭榜单位名称。市级财政按照项目实际研发投入的一定比例分档分期给予资助,单项支持最高300万元。榜单明细附件:《2026年度济南市科技计划“揭榜挂帅”榜单.pdf》。发布会新闻:https://jnsti.jinan.gov.cn/col/col11656/art/2026/art_64c1e1f9611e4d1ea12bb93518d8313d.html

本发明涉及一种基于语义嵌入与聚类分析的制造系统风险控制知识匹配方法,包括下列步骤:风险控制文本数据采集与预处理:收集制造系统历史记录的非结构化文本数据,获得预处理后的风险控制类文本数据,构建面向离散制造场景的专业语料库;文本语义嵌入生成;语义聚类建模:对所有语义向量进行无监督聚类建模,挖掘文本之间的语义关联与潜在结构,通过聚类算法,获得风险控制知识的语义代表,辅助生成聚类标签;风险知识匹配机制。
本公开提供了一种基于人机对话的业务处理方法、装置、设备及介质,涉及人工智能技术领域。该方法包括:获取用户基于业务需求输入的一个或多个问题会话;基于预先训练好的语义大模型,对问题会话进行语义分析,输出问题会话的解决方案。本公开能够基于预训练的语义大模型,实现对用户的问题和需求进行实时分析和追踪。
本公开提供了基于大模型的交互方法、训练方法、装置及智能体,涉及人工智能领域,尤其涉及语音识别、语音交互、深度学习、大模型等技术领域,可以应用于知识搜索、自动驾驶、智能客服、智能语音控制、智慧电商、AI医疗等应用场景。基于大模型的交互方法包括:获取需求语音;对需求语音进行语音识别,得到表征需求语义的语音识别特征;利用大模型处理语音识别特征,得到回复文本,其中,回复文本包括顺序排列的多个回复字,多个回复字中的目标回复字是基于大模型的注意力融合层处理语音识别特征和关联回复字特征确定的,关联回复字特征与排列在目标回复字之前的关联回复字相关。