基于大语言模型的应急救援处置策略生成方法及系统与流程

本发明涉及数据校验，具体涉及基于大语言模型的应急救援处置策略生成方法及系统。

背景技术：

1、在当今社会，各种突发事件如火灾、地震、洪水、交通事故等频繁发生，这些突发事件往往给人们的生命财产安全带来巨大威胁，因此，高效、准确的应急救援处置策略至关重要，快速生成科学合理的应急救援处置策略能够大大提高救援效率，降低灾害损失；

2、目前，应急救援处理策略的生成在很大程度上依赖于各种模型，然而，这些模型的训练需要庞大的训练数据，而现有技术主要通过在受信任的数据源端采集数据来进行训练，但在数据传输过程中存在诸多问题：

3、首先，数据在传输过程中有被截取的风险，一旦训练数据被截取，可能会被恶意篡改或用于不当目的，这将严重影响模型的训练准确性，例如，在应急救援场景中，如果关于特定灾害类型的关键数据被截取并修改，可能导致生成的应急救援处置策略出现偏差，无法准确应对实际情况；

4、其次，现有技术中采用的 md5 值等数据校验方式显然不够准确，md5 值虽然在一定程度上可以用于数据完整性校验，但它存在被破解和伪造的可能，在面对复杂的网络环境和潜在的恶意攻击时，md5 值难以确保数据的真实性和完整性，且其较为常规，从而无法为模型训练提供可靠的数据保障；

5、为了解决上述问题，本发明提出了一种解决方案。

技术实现思路

1、本发明的目的在于提供基于大语言模型的应急救援处置策略生成方法及系统，为了解决上述背景技术中提出的问题；

2、本发明的目的可以通过以下技术方案实现：

3、基于大语言模型的应急救援处置策略生成方法，包括以下步骤：

4、步骤一：前置处理单元对当前训练周期的周期训练数据进行采集并传输到对接保护单元；

5、步骤二：对接保护单元对所述周期训练数据进行接收并将其进行二进制转换得到当前训练周期的预处理进制数据；

6、步骤三：对所述预处理进制数据按照预设的生成规则生成当前训练周期的数据校验序列，并将当前训练周期的周期训练数据及其数据校验序列传输到接收校验单元；

7、步骤四：接收校验单元接收到当前训练周期的周期训练数据及其数据校验序列后按照步骤三相同的生成规则生成当前训练周期用以进行校验的数据校验序列，并将其和接收到的数据校验序列进行一致性比对，若比对通过则将当前训练周期的周期训练数据传输到策略生成单元。

8、进一步的，步骤三中生成当前训练周期的数据校验序列的生成规则如下：

9、s11：按照从左到右的顺序将所述预处理进制数据中每4个字符作为一组目标字串得到若干组目标字串，按照每组目标字串在所述预处理进制数据中的位置，从左到右将所述的目标字串依次标记为a1、a2、...、aa，a≥1；

10、s12：参照数字0~15的四位二进制数，将数字0、1、...、15的四位二进制数依次标记为b0、b1、...、b15；

11、s13：首先对目标字串a1进行自判定，若目标字串不为1111，则首先选定目标字串a1为标识对象，并按照预设的选定条件从目标字串a2、a3、...、aa中提取若干目标字串作为目标字串a1的升序字串；

12、若目标字串a1为1111，则按照目标字串a2、a3、...、aa的顺序依次对目标字串a2、a3、...、aa进行自判定，直至某一个目标字串不为1111，选定该目标字串为标识对象，并获取该目标字串的若干升序字串；

13、s14：当按照s13步骤选定一个目标字串为标识对象并获取到所述标识对象的若干升序字串后，从目标字串a1、a2、...、aa中将s13中选定的标识对象及其若干升序字串剔除；

14、s15：将s14中剔除后剩余的所有目标字串再次按照s13到s14的步骤进行标识对象选定，针对选定的标识对象获取其的若干升序字串，每选定一个标识对象并获取其的若干升序字串后从剩余的所有目标字串中将其剔除；

15、当从剩余的所有目标字串中选定一个作为标识对象后获取其的升序字串的数量为0，此时停止对剩余的所有目标字串进行标识对象选定；

16、s16：将所有被选定为标识对象的目标字串重新标定为标识字串，并按照选定的先后顺序，将所有的标识字串依次标记为g1、g2、...、gg，1≤g<a；

17、s17：按照预设的复算规则计算获取识别字串g1的校验特征值；

18、s18：依次计算获取识别字串g2、g3、...、gg的校验特征值；

19、s19：按照目标字串a1、a2、...、aa的顺序，将剩余所有未标定为识别字串或未被选定为升序字串的所有目标字串重新标定为片段字串，重新标记为r1、r2、...、rr，1≤r<a；

20、s110：将片段字串r1作为一个标识字串，将其余所有片段字串作为所述标识字串的所有升序字串按照s17的步骤，计算获取所述片段字串r1的校验特征值；

21、s111：按照识别字串g1、g2、...、gg、片段字串r1的先后顺序，将对应的校验特征值进行拼接得到当前训练周期的数据校验序列。

22、基于大语言模型的应急救援处置策略生成系统，包括：

23、前置处理单元，周期性从经授权的数据源中采集周期训练数据并将所述周期训练数据传输到对接保护单元；

24、对接保护单元每接收一个训练周期的周期训练数据，对其进行二进制转换得到对应训练周期的预处理进制数据，然后按照生成规则基于所述预处理进制数据生成对应训练周期的数据校验序列；

25、对接保护单元每生成一个训练周期的数据校验序列将其和对应训练周期的周期训练数据一起传输到应急救援管理平台；

26、应急救援管理平台，每接收一个训练周期的周期训练数据都会对其进行一致性校验，一致性校验通过则将对应周期训练数据输入到应急救援处理模型中进行模型训练。

27、本发明的有益效果：

28、(1)本发明通过前置处理单元周期性从授权认证的数据源中采集周期训练数据由对接保护单元基于周期训练数据生成对应的数据校验序列，应急救援管控平台基于传输的周期训练数据采用相同的生成方法生成用以校验的数据校验序列，通过比对数据校验序列将校验通过的周期训练数据进行接收并输入到应急救援处理模型中进行模型训练，通过此种方式保证只有通过校验后的数据才参与最终应急救援处理模型的训练，为模型训练提供可靠的数据保障；

29、(2)本发明在生成数据校验序列的过程中基于二进制的特性，通过比对周期训练数据中二进制数的升序特征，从其中提取出若干标识字串及其升序字串，针对每一个标识字串结合其对应的若干升序字串构建对应的升序矩阵，并基于升序矩阵计算获取标识字串及其升序字串的校验特征值，通过此种方式提取出的数据特征更为的隐匿安全，同时，用以计算校验特征值的升序字串规则具备较高的稳定性和可靠性，这种独特的数据校验方式，使得在应急救援处置策略生成过程中，能够有效确保训练数据的完整性和准确性。即使在复杂的网络环境下，也能极大地降低数据被截取或篡改的风险。通过不断优化升序矩阵的构建和校验特征值的计算方法，可以进一步提高数据校验的效率和精度，数据的准确确保了模型训练的准确，模型的准确进一步确保了生成的策略更加科学、合理、有效，能够更好地应对各种突发事件。