一种增强人工智能系统鲁棒性的方法

本发明公开了一种增强人工智能系统鲁棒性的方法，该方法采集系统运行的系统日志、性能指标和用户行为形成数据集；采用分布式流处理平台对数据集进行实时处理，包括时间对齐和空间对齐；通过图神经网络进行异构分析，识别正常数据和异常数据；将正常数据送至特征存储，对异常数据进行跨维度检测，包括孤立森林检测和规则引擎复检；基于异构分析结果和跨维度检测结果进行实时风险评估，通过融合公式计算最终风险等级；根据风险等级执行相应的限流、阻断或监控操作；完成系统参数的适应性调整。本方法通过实时动态评估系统风险，相比传统对抗样本方法，减少了计算量并提供了更灵活全面的保护机制，有效增强了人工智能系统的鲁棒性。