摘要：【目的】水质应急管理是保障饮用水安全的关键环节，本文旨在解决多业务域协同下的水质应急管理中面临的信息孤岛、隐私泄露风险及智能决策支持不足等问题，提升应急响应的准确性与安全性。【方法】本文提出联邦知识图谱隐私计算与大模型应急处置方案生成融合方法（Fed-WaterKG-LLM），该方法通过关系加权的实体聚合实现跨业务域的知识图谱共享，结合同态加密实现知识图谱嵌入的安全计算与传输，在保证隐私保护约束的同时，支持多业务域知识的协同融合。在此基础上，将全局聚合的知识图谱与本地知识图谱进一步融合，以提升知识图谱的个性化服务能力，最后引入联邦知识图谱作为外部知识增强大语言模型的因果推理能力，为跨域水质应急处置方案生成提供支持。【结果】以水质联邦知识图谱链接预测任务进行验证，Fed-WaterKG-LLM在平均倒数排名（MRR）、Hits@K等指标上较独立训练方法提升2%以上，并在隐私保护需求下能够保持模型预测性能：将所提方法应用在水质应急方案生成任务中，采用专家评分，其在水质应急事件溯源准确率和应急方案可行性亦显著优于对比方法。【结论】Fed-WaterKG-LLM能够兼顾知识共享与隐私保护，有效提升跨域水质应急事件的智能决策水平。

关键词：水质应急处置；大模型；知识图谱；联邦学习；隐私安全

基金资助：国家自然科学基金面上项目（72174086）

下载

查看