【TechWeb】7月13日消息，蚂蚁AI安全实验室宣布开源智能体安全护栏SingGuard-NSFA，并同步披露多模态安全护栏SingGuard的详细信息。两款模型分别面向“自主执行的智能体”和“多模态交互的大模型”两大前沿场景 。SingGuard-NSFA随着智能体从“回答问题”逐步走向“自主办事”，AI开始调用工具、执行代码、编排多步任务，安全风险已经不仅停留在内容层面，而更多体现在行为层面。提示词注入、敏感信息窃取、恶意代码执行、资源耗尽、权限滥用等问题，传统内容审核体系难以有效覆盖。针对这一痛点，蚂蚁AI安全实验室推出SingGuard-NSFA，在智能体执行动作之前完成实时安全检测，从请求拦截和响应兜底两端构建行为安全防护体系。SingGuard-NSFA基于CIA（保密性、完整性、可用性）原则，结合OWASP等国际安全指南，将智能体风险细分为7大类、28个中类和185个具体场景，并建立覆盖133种语言、近10万条样本的智能体安全评测体系。在技术实现上，SingGuard-NSFA兼顾了安全审计和实时防护两种需求。它提供两种工作模式：一种模式可以逐条生成详细的风险分析报告，方便事后审查和合规记录；另一种模式则能在50毫秒左右完成单次风险判定，适合线上高并发场景下的实时拦截。并提供0.8B、2B、4B、9B四种模型规模，满足不同部署需求。多项公开评测显示，SingGuard-NSFA在智能体输入、输出安全检测中均取得领先表现。其中，0.8B模型即可达到8B模型性能水平，新增风险类别时仅需训练轻量模块，无需重新训练整个模型，可进一步提升现有安全护栏的检测能力。SingGuard与智能体操作安全并行的另一条防线，是多模态交互场景下的内容安全。今年6月，Anthropic发布旗舰模型Claude Fable 5，数日内即被研究者用Unicode字符和西里尔字母替换敏感词绕过了安全护栏——模型能还原原意，分类器却视其为陌生拼写，系统提示词因此被套出。这表明，模型越能读懂变形文字、图片和跨模态信息，传统关键词识别式的护栏就越力不从心。SingGuard正是为此设计的多模态安全护栏。它面向文本、图片及跨模态内容建立统一安全判断框架，可识别攻击者将恶意动作隐藏在文字、图片等不同模态中的复杂攻击。同时支持运行时动态加载自然语言安全规则，无需重新训练模型即可完成规则更新，更适用于规则持续演进、业务流量较大的生产环境。在推理机制上，SingGuard采用“快慢结合”模式：先快速完成初步判断，只有面对复杂场景时才启动进一步推理，在保证效率的同时提升检测准确率。在覆盖文本查询、文本回复、图像、多模态和多语言的6大类评测中，SingGuard在35个数据集及评测切分上的平均F1均为最高。其对比对象涵盖Llama Guard 3、谷歌ShieldGemma、GPT-5.1、Gemini3-Pro等业内最具代表性的主流护栏，SingGuard均实现全面领先。中国信通院人工智能研究所安全治理部副主任呼娜英表示，随着大模型从内容生成迈向自主执行，AI安全正从内容审核延伸至行为管控和系统治理，成为智能体规模化应用的重要基础能力。蚂蚁AI安全实验室已针对开源智能体框架OpenClaw开展专项安全审计，并于今年4月联合清华大学开源智能体安全防御插件ClawAegis，为自主智能体提供覆盖全生命周期的安全防护能力。此次SingGuard-NSFA与SingGuard多模态安全护栏相继开源，是蚂蚁集团持续推进AI安全技术研发和开放生态建设的重要实践。这些安全技术的研发与开源，建立在蚂蚁集团二十余年的安全技术积累之上。依托在支付安全、数据安全、隐私保护和风险治理等领域的长期实践，蚂蚁持续完善AI安全体系，相关能力已应用于蚂蚁阿福、AI版支付宝“阿宝”、支付宝“AI付”等业务场景。
扫码下载
中文网微信