螞蟻集團發(fā)布大模型安全一體化解決方案“蟻天鑒”

9月11日消息，螞蟻集團發(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平臺“蟻鑒2.0”、大模型風(fēng)險防御平臺“天鑒”兩大產(chǎn)品，擁有AIGC安全性和真實性評測、大模型智能化風(fēng)控、AI魯棒和可解釋性檢測等多項功能。這也是大模型浪潮以來首個可實現(xiàn)產(chǎn)業(yè)級應(yīng)用的大模型安全檢測與防御一體化解決方案。目前這兩項產(chǎn)品已對外開放。

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

據(jù)螞蟻方面介紹，“蟻鑒2.0”是業(yè)內(nèi)首個產(chǎn)業(yè)級支持文本、圖像等全數(shù)據(jù)類型的AI安全檢測平臺。它相當(dāng)于站在“黑產(chǎn)”角度，通過智能攻擊對抗技術(shù)，自動生成數(shù)百萬的誘導(dǎo)性問題，對生成式大模型進行誘導(dǎo)式問答，并對大模型的回答實時、自動化的檢測計算，24小時不眠不休“找茬”大模型存在的弱點和安全問題。

圖注：生成式大模型安全檢測平臺“蟻鑒2.0”

（圖源搜狐新聞，下同）

“蟻鑒2.0”最新實現(xiàn)對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，基于生成模型構(gòu)建的近千萬深度偽造樣本，可快速分辨內(nèi)容是機器生成還是人工生成，及是否存在倫理道德等風(fēng)險。

“天鑒”則相當(dāng)于在大模型外圍又加上了一個“防護盾”，通過智能化風(fēng)控技術(shù)，幫助大模型擋住外界的惡意提問，同時對生成的回答內(nèi)容進行風(fēng)險過濾，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”平臺基于問（人類知識）、答（AI知識）環(huán)節(jié)不同的特點，構(gòu)建了一套護欄防御的智能風(fēng)控方案，支持風(fēng)險內(nèi)容識別、阻斷、反制等全鏈路服務(wù)。通過該方案，不僅可以在用戶輸入階段即對其意圖做快速理解和風(fēng)險判斷，并輸出拒絕回答、知識代答等不同的風(fēng)控交互方式，還可以快速迭代大模型的風(fēng)險認知和防御能力，在兼顧用戶體驗的同時，確保其輸出的內(nèi)容合規(guī)、健康。

圖注：生成式大模型風(fēng)險防御平臺“天鑒”

據(jù)介紹，“天鑒”平臺集大數(shù)據(jù)底座、AI計算平臺、智能運營、應(yīng)用場景為一體，可實現(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)場景。

此外，針對數(shù)據(jù)源頭有毒、深度黑盒不可控等問題，螞蟻集團結(jié)合“天鑒”平臺在大模型的訓(xùn)練和應(yīng)用過程中，也在通過數(shù)據(jù)去毒、對齊訓(xùn)練、可解釋研究等手段保障模型安全。