Security Mitigation

防御性训练

AI的“免疫系统”

在训练时提前让AI见过各种“坏例子”，让它更不容易被轻易骗倒。

差分隐私

数据保护的守护者

在数据中加入随机噪声，既能用来训练AI，又不暴露个人信息。

动态访问控制

赋能大语言模型的安全守护

根据不同用户和场景，动态决定AI能访问哪些数据和系统。

责任隔离

AI时代的风险分担策略

当AI出问题时，清楚区分开发者、使用者和平台各自的责任。

模型加密

AI时代的安全锁

对模型进行加密，防止被非法拷贝、逆向或盗用。

模型水印

保护AI模型的“数字指纹”

在模型或输出中嵌入标识，用来证明归属和追踪来源。

鲁棒性优化

构建稳健可靠的AI系统

提升AI在噪声、异常或攻击下仍能稳定工作的能力。

主权AI

人工智能的主权时代

AI核心技术和数据掌握在自己手中，不依赖外部控制。

可信AI

人工智能的信任基石

让AI在安全、公平、可靠的前提下，真正被人信任和使用。