本架构图展示了“大模型驱动的医疗数据安全智能闭环治理体系”的四层技术架构，遵循“数据输入→知识与规则支撑→ AI 智能推理→智能体编排执行”的核心逻辑，构建端到端、可自动化运行的数据安全治理流程，实现对医疗行业非结构化数据、多源告警和复杂安全事件的全生命周期管理，适配医院私有化部署需求，支撑常态化数据安全运营。
第一层为多源数据接入层，作为系统数据入口，通过统一接口汇聚HIS、EMR、LIS、PACS、互联网医院等核心业务系统数据，同时集成API 网关、数据库审计、堡垒机、IAM 等安全设备日志，所有数据经加密传输、脱敏处理及权限校验后进入后续流程，为全流程分析提供全面、实时、合规的数据基础。
第二层为知识与规则层，是系统决策的核心支撑，构建医疗领域专属知识与规则体系，包含融合医院制度文档的RAG 知识库、覆盖18 类强特征敏感字段的安全规则库、定义L1/L2/L3 敏感级别的分类分级平台、提升大模型推理一致性的Prompt 范式库，以及映射多类法规要求的合规库，实现合规性自动校验与精准决策支撑。
第三层为AI 模型推理层，作为系统“智能中枢”，基于通义千问大模型构建核心能力，通过医疗领域微调模型结合RAG 技术，实现病历等文本中隐含敏感信息的语义理解；依托Agent 调度机制完成智能推理流程编排，搭配Milvus/Elasticsearch 向量引擎，实现日志语义向量化与相似度计算，支撑跨源告警归并。
第四层为运营闭环层，将AI 推理结果转化为可执行安全动作，基于LangGraph 实现工作流编排与多智能体协同，拆解为分类分级、审计研判、API 治理、整改验证四大专用Agent，通过作业链管理实现工单自动生成、任务派发与进度跟踪，结合可视化决策看板辅助管理决策，最终形成“发现- 研判- 整改- 验证”的自动化闭环。
该架构已达成显著成效，实现92% 的敏感信息识别覆盖率、96% 的告警降噪率，整改闭环周期缩短至3.5 天，节约73% 人力成本，可支撑8 个核心系统、日均处理2.3万条数据安全事件，形成可复制推广的医疗数据安全智能化治理范式。