11月8日，在世界互联网大会乌镇峰会上，360数字安全集团正式发布《大模型安全白皮书》，首次系统性阐释大模型运行时的五大关键风险，建设性地提出“外筑‘以模治模’动态屏障，内固‘平台原生’安全底座”的核心理念，并提供了可落地的安全解决方案，为大模型应用拉起了全链路安全防线，助力推动人工智能行业向“安全、向善、可信、可控”方向稳健发展。随着大模型安全技术的普及，安全保障已成为AI应用的核心要素。

　　随着大模型技术加速渗透政务、金融、能源、医疗等重点行业，一个不容忽视的现实是——AI越智能，安全风险越致命。特别是在金融领域，大模型的安全直接关系到客户数据保护和交易安全。

　　白皮书归纳了威胁大模型安全的五大关键风险：首先是基础设施安全风险，包括设备控制、供应链漏洞、拒绝服务攻击以及算力资源滥用等问题；其次是内容安全风险，涉及不符合核心价值观、虚假或违规内容、大模型幻觉，以及提示注入攻击等；第三类是数据与知识库安全风险，数据泄露、越权访问、隐私滥用和知识产权问题日益突出；第四是智能体安全风险，随着智能体自主性增强，插件调用、算力调度、数据流转等环节的安全边界更加模糊；最后是用户端安全风险，包括权限控制、API调用监控、恶意脚本执行以及MCP执行安全等。

　　这些风险相互交织，形成传统安全方案难以应对的复杂威胁矩阵，严重威胁个人权益、企业发展乃至国家安全。特别是在金融行业，这种复杂的威胁可能导致严重的经济损失和信任危机。

　　白皮书基于实战经验，给出了“外挂式安全+平台原生安全”双轨治理策略。前者像AI的“外部保镖”，灵活应对实时风险；后者像AI的“内置铠甲”，从根源筑牢安全基础，两者配合形成全链路防护网。

　　外挂式安全侧重模型外部防护，通过“以模治模”实现对算力主机、软件生态、输入输出内容及模型幻觉的主动监测与防御。

　　该方式具备两大优势：一是适配性强、部署成本低，可作为通用组件快速接入不同企业环境，避免重复开发；二是响应迅速，具备独立监测与拦截机制，可在毫秒级别识别并阻断实时威胁，如异常算力消耗或恶意内容。

　　平台原生安全则聚焦大模型数据、知识库、智能体及客户端等环节，将安全能力嵌入核心组件，强化配套组件安全与全流程合规管控。

　　360提供的企业级知识库、智能体构建与运营平台、智能体客户端等产品，均基于这一理念开发，将安全深度植入平台底层，全面满足国家与行业合规要求，为智能体应用提供全链路保障。

　　简言之，外挂式安全如同“建成后加装的防盗系统”，平台原生安全则如“建造时内置的防火结构”，二者协同，从外至内构筑大模型的安全防线。通过这一体系，360实现了主动发现、动态演进的安全检测能力。

　　基于“外防风险、内固架构”的大模型安全核心理念，360给出一份覆盖大模型安全全链路解决方案。该方案通过七大核心产品能力，共同组成“外挂式”与“平台原生”相结合的纵深防御体系。

　　其中，“外挂式”安全能力不侵入大模型原生架构，通过外部工具实现灵活、快速的动态防护。该体系下的四大产品——大模型卫士算力主机安全系统、检测系统、防护系统、幻觉检测与缓解系统——共同构建了外部屏障，重点应对大模型基础设施风险，如算力劫持、供应链投毒，以及大模型内容风险，如提示词注入、模型幻觉与违规内容，实现了从算力层到内容层的实时监测与主动防御。

　　“平台原生安全”将防护能力深度内嵌于其核心组件之中。这一理念具体体现在三大平台产品上：企业级知识库从根本上守护数据与知识安全；智能体构建和运营平台确保智能体行为全程可控；智能体客户端则筑牢用户端入口的安全防线。三者协同，从底层架构解决了数据泄露、智能体行为失控及终端滥用等内生性安全挑战，为AI应用的稳定可靠运行奠定了内生性基础。

　　目前，360已将这一能力落地政务、金融、制造等各行业，真正让大模型安全从“理论”变成“能落地、能管用”的实战方案。未来，还将联合产学研各界，共同推动安全标准建设与技术共享，携手共建安全、可信的AI生态。

（文章来源：证券时报网）