封面新闻记者 张越熙

随着AI从内容生成迈向自主执行，安全问题正从模型输出扩展到行为控制、权限管理和系统治理。智能体开始自主调用工具、运行代码、规划任务，模型也逐渐具备理解图像、文本等多模态信息的能力，AI系统的能力边界不断拓展，也带来了新的安全挑战。

7月13日，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”两大场景。

过去一年，提示词注入、权限滥用、恶意代码执行、数据泄露等安全事件持续出现。从Amazon Q提示词投毒、Microsoft Copilot数据泄露，到开源智能体OpenClaw暴露出的提示词注入风险，都表明智能体自主性越强，安全风险的放大效应越明显。

2025年12月，OWASP发布《智能体应用安全十大风险》，系统梳理智能体特有安全威胁；2026年5月，国家网信办、国家发展改革委、工业和信息化部联合印发《智能体规范应用与创新发展实施意见》，首次从国家层面对智能体安全治理提出明确要求。

在这一背景下，此次开源的两款安全模型，旨在为大模型和智能体提供更加完善的底层安全能力。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，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。

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。

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。