螞蟻集團發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”、大模型風險防御平臺“天鑒”兩大產品，擁有AIGC安全性和真實性評測、大模型智能化風控、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產業級應用的大模型安全檢測與防御一體化解決方案。目前這兩項產品已對外開放。
螞蟻工作人員表示，大模型安全問題產生的本源主要為“用于訓練的數據源頭有毒、推理過程不可控、外部惡意誘導”三個因素。此次發布的“蟻天鑒”，主要從大模型安全性檢測度量、智能風險防控、數據去毒對齊等方面，來保障大模型在生產和使用過程中更加安全、可控、可靠。
據螞蟻方面介紹，“蟻鑒2.0”是業內首個產業級支持文本、圖像等全數據類型的AI安全檢測平臺。它相當于站在“黑產”角度，通過智能攻擊對抗技術，自動生成數百萬的誘導性問題，對生成式大模型進行誘導式問答，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”最新實現對AIGC生成圖片、視頻等多模內容的“真偽”辨別和安全性檢測，基于生成模型構建的近千萬深度偽造樣本，可快速分辨內容是機器生成還是人工生成，及是否存在倫理道德等風險。
“天鑒”則相當于在大模型外圍又加上了一個“防護盾”，通過智能化風控技術，幫助大模型擋住外界的惡意提問，同時對生成的回答內容進行風險過濾，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。
據了解，“天鑒”平臺基于問(人類知識)、答(AI知識)環節不同的特點，構建了一套護欄防御的智能風控方案，支持風險內容識別、阻斷、反制等全鏈路服務。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險判斷，并輸出拒絕回答、知識代答等不同的風控交互方式，還可以快速迭代大模型的風險認知和防御能力，在兼顧用戶體驗的同時，確保其輸出的內容合規、健康。
圖注：生成式大模型風險防御平臺“天鑒”
據介紹，“天鑒”平臺集大數據底座、AI計算平臺、智能運營、應用場景為一體，可實現低成本、規?；焖賾?，服務零售、金融、直播、游戲等提供生成式人工智能服務的業務場景。
此外，針對數據源頭有毒、深度黑盒不可控等問題，螞蟻集團結合“天鑒”平臺在大模型的訓練和應用過程中，也在通過數據去毒、對齊訓練、可解釋研究等手段保障模型安全。
