9月11日消息，螞蟻集團(tuán)發(fā)布大模型安全一體化解決方案“蟻天鑒”。該方案包含了大模型安全檢測(cè)平臺(tái)“蟻鑒2.0”、大模型風(fēng)險(xiǎn)防御平臺(tái)“天鑒”兩大產(chǎn)品，擁有AIGC安全性和真實(shí)性評(píng)測(cè)、大模型智能化風(fēng)控、AI魯棒和可解釋性檢測(cè)等多項(xiàng)功能。這也是大模型浪潮以來(lái)首個(gè)可實(shí)現(xiàn)產(chǎn)業(yè)級(jí)應(yīng)用的大模型安全檢測(cè)與防御一體化解決方案。目前這兩項(xiàng)產(chǎn)品已對(duì)外開放。

螞蟻工作人員表示，大模型安全問(wèn)題產(chǎn)生的本源主要為“用于訓(xùn)練的數(shù)據(jù)源頭有毒、推理過(guò)程不可控、外部惡意誘導(dǎo)”三個(gè)因素。此次發(fā)布的“蟻天鑒”，主要從大模型安全性檢測(cè)度量、智能風(fēng)險(xiǎn)防控、數(shù)據(jù)去毒對(duì)齊等方面，來(lái)保障大模型在生產(chǎn)和使用過(guò)程中更加安全、可控、可靠。

據(jù)螞蟻方面介紹，“蟻鑒2.0”是業(yè)內(nèi)首個(gè)產(chǎn)業(yè)級(jí)支持文本、圖像等全數(shù)據(jù)類型的AI安全檢測(cè)平臺(tái)。它相當(dāng)于站在“黑產(chǎn)”角度，通過(guò)智能攻擊對(duì)抗技術(shù)，自動(dòng)生成數(shù)百萬(wàn)的誘導(dǎo)性問(wèn)題，對(duì)生成式大模型進(jìn)行誘導(dǎo)式問(wèn)答，并對(duì)大模型的回答實(shí)時(shí)、自動(dòng)化的檢測(cè)計(jì)算，24小時(shí)不眠不休“找茬”大模型存在的弱點(diǎn)和安全問(wèn)題。

圖注：生成式大模型安全檢測(cè)平臺(tái)“蟻鑒2.0”

（圖源搜狐新聞，下同）

“蟻鑒2.0”最新實(shí)現(xiàn)對(duì)AIGC生成圖片、視頻等多模內(nèi)容的“真?zhèn)巍北鎰e和安全性檢測(cè)，基于生成模型構(gòu)建的近千萬(wàn)深度偽造樣本，可快速分辨內(nèi)容是機(jī)器生成還是人工生成，及是否存在倫理道德等風(fēng)險(xiǎn)。

“天鑒”則相當(dāng)于在大模型外圍又加上了一個(gè)“防護(hù)盾”，通過(guò)智能化風(fēng)控技術(shù)，幫助大模型擋住外界的惡意提問(wèn)，同時(shí)對(duì)生成的回答內(nèi)容進(jìn)行風(fēng)險(xiǎn)過(guò)濾，保障大模型上線后從用戶輸入到生成輸出的整體安全防御。

據(jù)了解，“天鑒”平臺(tái)基于問(wèn)（人類知識(shí)）、答（AI知識(shí)）環(huán)節(jié)不同的特點(diǎn)，構(gòu)建了一套護(hù)欄防御的智能風(fēng)控方案，支持風(fēng)險(xiǎn)內(nèi)容識(shí)別、阻斷、反制等全鏈路服務(wù)。通過(guò)該方案，不僅可以在用戶輸入階段即對(duì)其意圖做快速理解和風(fēng)險(xiǎn)判斷，并輸出拒絕回答、知識(shí)代答等不同的風(fēng)控交互方式，還可以快速迭代大模型的風(fēng)險(xiǎn)認(rèn)知和防御能力，在兼顧用戶體驗(yàn)的同時(shí)，確保其輸出的內(nèi)容合規(guī)、健康。

圖注：生成式大模型風(fēng)險(xiǎn)防御平臺(tái)“天鑒”

據(jù)介紹，“天鑒”平臺(tái)集大數(shù)據(jù)底座、AI計(jì)算平臺(tái)、智能運(yùn)營(yíng)、應(yīng)用場(chǎng)景為一體，可實(shí)現(xiàn)低成本、規(guī)?；焖賾?yīng)用，服務(wù)零售、金融、直播、游戲等提供生成式人工智能服務(wù)的業(yè)務(wù)場(chǎng)景。

此外，針對(duì)數(shù)據(jù)源頭有毒、深度黑盒不可控等問(wèn)題，螞蟻集團(tuán)結(jié)合“天鑒”平臺(tái)在大模型的訓(xùn)練和應(yīng)用過(guò)程中，也在通過(guò)數(shù)據(jù)去毒、對(duì)齊訓(xùn)練、可解釋研究等手段保障模型安全。