v 2.6 · GA5 กรอบการกำกับดูแล · การทดสอบเชิงรุกด้วย Moonshot · การให้คะแนนด้านจริยธรรมทุกคืน

การกำกับดูแลความเสี่ยง AI
ที่ออกแบบให้เหมาะกับวิธีที่
องค์กรของคุณนำ AI ไปใช้ จริง

Obiguard Governance AI ตรวจสอบพรอมต์ คำตอบ และอาร์กิวเมนต์ของการเรียกใช้เครื่องมือทั่วทั้งระบบของคุณ บังคับใช้นโยบาย ป้องกันการรั่วไหลของข้อมูล และมอบบันทึกหลักฐานฉบับเดียวให้ทีมความปลอดภัยและฝ่ายกฎหมาย นอกจากนี้ยังทดสอบเชิงรุกกับเอเจนต์ของคุณตามแคตตาล็อกของ Project Moonshot ให้คะแนนผลลัพธ์ด้านอคติและความเป็นธรรมทุกคืน และรายงานการครอบคลุมตามกรอบการกำกับดูแล AI ทั้งห้ากรอบ

อ่านสถาปัตยกรรม ↗ดูผลิตภัณฑ์ทั้งสามรายการ ↗
ผู้ให้บริการ LLM
40+ ที่รองรับ
ประเภท Guard
13พร้อมใช้งาน
กรอบที่จัดทำแผนผัง
5ประเมินตนเอง
ผู้ประเมินด้านจริยธรรม
6ทุกคืน
01 / ตัวอย่างจริง

มุมมองสดจาก
โปรเจกต์ใช้งานจริงของลูกค้า

ในหนึ่งนาทีที่ผ่านมามีการละเมิดสามรายการ หนึ่งรายการถูกบล็อกโดย Policy Set อีกสองรายการถูกส่งไปยัง Review Queue และทั้งหมดถูกบันทึกลงใน Audit Log ซึ่งค้นหาได้ ส่งออกได้ และพร้อมใช้เป็นหลักฐาน
obiguard / acme-prod / violations
streaming · 12,402 ev/hr

Violations

last 60 minutes · 14 violations · 3 blocked · 5 flagged for review
Live
History
Export
Requests
12,402
+4.1%
Threats blocked
38
High: 6
Pending reviews
5
Review Queue
Active policy sets
47
3 drafts
Time
Event
Policy
Severity
Action
14:02:09
SSN in completion → support-agent · gpt-4.1
PII / US-SSN
HIGH
REDACT
14:01:58
Secret in prompt · support-agent · gpt-4.1
Sensitive data
HIGH
BLOCK
14:01:54
Prompt injection · act-as-developer-mode
Injection
HIGH
BLOCK
14:01:42
Held for human review · refund-agent
Review Queue
MED
REVIEW
14:00:48
Customer record leak → rag-search
DLP / Customer
MED
REDACT
13:59:50
Toxicity 0.81 in agent reply
Content / Tox
LOW
LOGGED
02 / ความสามารถ

เก้าความสามารถ หนึ่งแพลตฟอร์ม
ครอบคลุมเอเจนต์ AI ทุกตัวในองค์กรของคุณ

Obiguard ครอบคลุมเอเจนต์ AI ทุกตัวที่องค์กรของคุณใช้งาน ทั้งการติดตามการใช้งาน การบังคับใช้นโยบาย การส่งการละเมิดให้มนุษย์ตรวจสอบ การทดสอบเชิงรุกก่อนเอเจนต์ใช้งานจริง และการรักษาหลักฐานที่จัดทำแผนผังตามกรอบการกำกับดูแลซึ่งทีมกำกับดูแลของคุณต้องการ
01 — ติดตาม

แดชบอร์ดและการละเมิด

แดชบอร์ดโปรเจกต์แบบสดแสดงการใช้โทเค็น ต้นทุน ปริมาณคำขอ ข้อผิดพลาด ภัยคุกคามที่ถูกบล็อก และเวลาแฝงเฉลี่ย มุมมองการละเมิดแสดงทุกการฝ่าฝืนนโยบาย โดยกรองได้ ค้นหาได้ และส่งออกได้

เรียลไทม์ · ภัยคุกคามที่ถูกบล็อก · เวลาแฝง
02 — ตรวจสอบ

คิวตรวจสอบโดยมนุษย์

การละเมิดที่ต้องใช้วิจารณญาณของมนุษย์จะเข้าสู่ Review Queue ตรวจสอบ อนุมัติ หรือปฏิเสธพร้อมบันทึกหมายเหตุ โดยมีบันทึกการตรวจสอบครบถ้วนตั้งแต่เหตุการณ์ต้นทางจนถึงการตัดสินใจ

Review Queue · อนุมัติและปฏิเสธ
03 — บังคับใช้

Policy Sets

จัดกลุ่มกฎการบังคับใช้เป็น Policy Set และมอบหมายให้เอเจนต์ AI แต่ละชุดกำหนดเกณฑ์ ขอบเขต และการดำเนินการ (บล็อก / ติดธง / ปกปิดข้อมูล / ให้มนุษย์ตรวจสอบ)

Policy Sets · การบังคับใช้รายเอเจนต์
04 — ลงทะเบียน

AI Use Cases และเอเจนต์

จัดทำทะเบียนที่อัปเดตอยู่เสมอของ AI Use Case และเอเจนต์ทุกรายการในองค์กร เชื่อมโยงเอเจนต์แต่ละตัวกับ Policy Set ของมัน เพื่อให้การกำกับดูแลติดตามไปกับงานจริง ไม่ใช่ตามปฏิทิน

Use Cases · เอเจนต์และพรอมต์
05 — บันทึก

Audit Log

บันทึกคำขอและการตัดสินใจตามนโยบายมีการประทับเวลา และทุกการเปลี่ยนแปลงการตั้งค่าจะถูกเขียนลงใน Audit Log พร้อมระบุว่าใครเป็นผู้ทำและเมื่อใด ส่งออกบันทึกเป็น CSV หรือ JSON เข้าสู่ระบบ GRC ของคุณ หรือมอบบันทึกให้ผู้ตรวจสอบได้ทันที

Audit Log · ส่งออก CSV และ JSON
06 — กำกับดูแล

Controls และ Criteria

กำหนด Controls ระดับองค์กรและ Criteria ที่ทำให้ Controls ทำงาน Controls มีขั้นตอนการอนุมัติพร้อมการแบ่งแยกหน้าที่ ผู้ส่งไม่สามารถอนุมัติ Control ของตนเองได้

Controls · ขั้นตอนการอนุมัติ
07 — วัดผล

รายงานจริยธรรมและอคติ

งานที่ทำงานทุกคืนจะสุ่มตัวอย่างเทรซของวันก่อนหน้า และให้คะแนนแต่ละรายการตามเกณฑ์ผู้ประเมิน LLM หกข้อ ได้แก่ ความเป็นพิษ อคติทางประชากรศาสตร์ ความสอดคล้องของอารมณ์ ความเป็นธรรม ข้อมูลที่ไม่ถูกต้อง และการรั่วไหลของข้อมูลส่วนตัว รายการที่ได้ต่ำกว่า 60 จะถูกติดธงเพื่อตรวจสอบ

6 ผู้ประเมิน · ทุกคืน · ไม่บล็อกทราฟฟิก
08 — ทดสอบ

การประเมินและการทดสอบเชิงรุก

วัดประสิทธิภาพและทดสอบเชิงรุกกับเอเจนต์ที่ลงทะเบียนของคุณตามแคตตาล็อก Project Moonshot จาก AI Verify Foundation ครอบคลุมความปลอดภัย อคติ ความทนทานต่อการเจาะระบบ (jailbreak) การรั่วไหลของข้อมูลส่วนตัว และขีดความสามารถ ทุกการรันจะได้รับการให้คะแนนและเก็บไว้ในพอร์ทัล

Project Moonshot · cookbooks และโมดูลโจมตี
09 — จัดทำแผนผัง

กรอบการปฏิบัติตามข้อกำหนด

ดูว่านโยบาย controls criteria use cases และการละเมิดของคุณสอดคล้องกับ NIST AI RMF, ISO/IEC 42001, OWASP LLM Top 10, AISCF และ MGF for GenAI ของสิงคโปร์อย่างไร แต่ละหมวดแสดงสถานะครอบคลุม / ครอบคลุมบางส่วน / ไม่ครอบคลุม พร้อมหลักฐานประกอบ

5 กรอบ · ส่งออก CSV

ศึกษาเจาะลึกในแต่ละหัวข้อ: การตรวจสอบ, Policy Sets, Audit Ledger, รายงานจริยธรรมและอคติ, การประเมินด้วย Project Moonshot และ การจัดทำแผนผังตามกรอบ

สำหรับฝ่ายความปลอดภัย

ทำให้เอเจนต์ AI ทุกตัวเป็นเวิร์กโหลดที่อยู่ภายใต้การกำกับดูแล

  • แดชบอร์ดการละเมิดพร้อมภัยคุกคามที่ถูกบล็อกแบบเรียลไทม์
  • Policy Sets บล็อกหรือติดธงพฤติกรรมเอเจนต์ที่ไม่ปลอดภัย
  • ทดสอบเชิงรุกกับเอเจนต์ด้วยโมดูลโจมตีของ Moonshot ก่อนใช้งานจริง
  • ส่งออก Audit Log เป็น CSV เข้าสู่ SIEM หรือกระบวนการ GRC ของคุณ
→ สำหรับ CISO และทีมแพลตฟอร์มความปลอดภัย
สำหรับฝ่ายความเสี่ยงและกฎหมาย

หลักฐานที่ต่อเนื่อง ไม่ใช่ภาพหน้าจอรายไตรมาส

  • การครอบคลุมตาม NIST AI RMF, ISO 42001, OWASP LLM Top 10, AISCF, MGF for GenAI
  • การให้คะแนนจริยธรรมและอคติทุกคืน เก็บรักษาไว้ในพอร์ทัล
  • Audit Log — ทุกการตัดสินใจมีการประทับเวลา
  • ส่งออกการครอบคลุมรายกรอบเป็น CSV เพื่อการประเมินตนเอง
→ สำหรับฝ่ายความเสี่ยง กฎหมาย และการปฏิบัติตามข้อกำหนด
สำหรับทีม AI

ลงทะเบียน กำกับดูแล และปรับปรุงเอเจนต์ AI ของคุณ

  • ทะเบียน AI Use Case และเอเจนต์ — แหล่งข้อมูลที่เป็นจริงเพียงแหล่งเดียว
  • Policy Sets มอบหมายกฎการบังคับใช้รายเอเจนต์
  • วัดผลการเปลี่ยนแปลงพรอมต์กับแคตตาล็อก Moonshot ก่อนนำไปใช้งานจริง
  • Review Queue ส่งกรณีขอบเขตให้มนุษย์พิจารณา
→ สำหรับทีมผลิตภัณฑ์และแพลตฟอร์ม AI
03 / วิธีการทำงาน

ใช้งานได้ใน 14 วัน
ความมั่นใจตั้งแต่วันแรก

ไม่ต้องฝึกโมเดลใหม่ ไม่ต้องย้ายระบบ Obiguard เชื่อมต่อด้านหน้าเกตเวย์ AI เดิมของคุณ หรือทำงานกับ API ดั้งเดิมของ AWS/Azure/GCP
ขั้นตอนที่ 01 · เชื่อมต่อ

30 นาที

สร้างโปรเจกต์ สร้าง Access Key และส่งเอเจนต์ AI ของคุณผ่าน Obiguard ใช้งานได้กับ OpenAI, Anthropic, Bedrock, Vertex, Azure OpenAI และเอนด์พอยต์ใดๆ ที่เข้ากันได้กับ OpenAI

# route via Obiguard
$ export OPENAI_BASE_URL=\
  https://gateway.obiguard.ai/v1
→ project connected
ขั้นตอนที่ 02 · ลงทะเบียน

วันแรก

เพิ่ม AI Use Case ของคุณและลงทะเบียนเอเจนต์ AI แต่ละตัวในแพลตฟอร์ม เชื่อมโยงเอเจนต์กับหน้าที่ทางธุรกิจที่รองรับ เพื่อให้ทุกการตัดสินใจด้านการกำกับดูแลมีบริบทครบถ้วน

AI Use Cases registered
3 agents linked
1 project · t77
→ registry complete
ขั้นตอนที่ 03 · บังคับใช้

เมื่อคุณพร้อม

เปิดใช้ Protections หรือนโยบายเฉพาะอุตสาหกรรม หรือสร้าง Policy Set จาก Criteria ของคุณเองพร้อมการดำเนินการ (บล็อก ติดธง ปกปิดข้อมูล หรือให้มนุษย์ตรวจสอบ) แล้วมอบหมายให้เอเจนต์ของคุณ การละเมิดจะแสดงบนแดชบอร์ดทันที

policy set: no-pii-in-responses
action: block
agent: support-agent
scope: response
ขั้นตอนที่ 04 · สร้างความมั่นใจ

อย่างต่อเนื่อง

ทดสอบเชิงรุกกับเอเจนต์แต่ละตัวตามแคตตาล็อก Moonshot ให้งานจริยธรรมและอคติรายคืนให้คะแนนทราฟฟิกจริง และอ่านการครอบคลุมตามกรอบได้จากหน้าเดียว การละเมิดยังคงเข้าสู่ Audit Log และ Review Queue — ส่งออกทั้งหมดเป็นหลักฐานได้

eval: singapore-pofma-statements
grade → E · 2 failing of 2
ethics → 95 · good
nist-ai-rmf — 40% covered
04 / สิ่งที่พร้อมใช้งานวันนี้

ตัวแพลตฟอร์มจริง ไม่ใช่แค่สไลด์นำเสนอ

ทุกอย่างด้านล่างนี้ทำงานอยู่ในผลิตภัณฑ์แล้ววันนี้ รวมถึงการประเมินด้วย Project Moonshot รายงานจริยธรรมและอคติรายคืน และการครอบคลุมกรอบมาตรฐานห้าฉบับ การตรวจสอบทำงานที่ชั้นเกตเวย์ โดยไม่ต้องฝึกโมเดลใหม่ และไม่เข้าถึงน้ำหนักโมเดลหรือไปป์ไลน์การฝึกของคุณ

13
ประเภท Guard

แบบใช้โมเดล 8 ประเภท (jailbreak/injection, PII, ข้อมูลอ่อนไหว, NSFW, ความเป็นพิษ, gibberish, คำหยาบ, Obi Sieve) และแบบใช้กฎ 5 ประเภท (ban list, คู่แข่ง, บรรทัดเดียว, ตัวพิมพ์เล็ก, จำนวนคำ) รวมถึงเกณฑ์ keyword, regex และ LLM-judge ที่คุณเขียนเองได้

40+
ผู้ให้บริการ LLM ที่รองรับ

OpenAI, Anthropic, Bedrock, Azure OpenAI, Vertex AI และอื่นๆ — เกตเวย์เดียวอยู่หน้าทั้งหมด

5
กรอบที่จัดทำแผนผัง

NIST AI RMF, ISO/IEC 42001, OWASP LLM Top 10, AISCF ของมาเลเซีย และ MGF for GenAI ของสิงคโปร์ — เป็นเครื่องมือช่วยประเมินตนเอง ไม่ใช่การรับรอง

6
ผู้ประเมินด้านจริยธรรม ทุกคืน

ความเป็นพิษ อคติทางประชากรศาสตร์ ความสอดคล้องของอารมณ์ ความเป็นธรรม ข้อมูลที่ไม่ถูกต้อง และการรั่วไหลของข้อมูลส่วนตัว — ให้คะแนนจากตัวอย่างเทรซของเมื่อวาน

05 / กรอบการกำกับดูแล

สองกรอบระดับโลก หนึ่งกรอบด้านความปลอดภัย
สองกรอบสำหรับเอเชียตะวันออกเฉียงใต้

การครอบคลุมประเมินจากกิจกรรมบนแพลตฟอร์มของคุณเอง และแสดงรายหมวดว่าครอบคลุม ครอบคลุมบางส่วน หรือไม่ครอบคลุม พร้อมหลักฐานประกอบทุกการตัดสิน เป็นเครื่องมือช่วยประเมินตนเองเพื่อเตรียมการตรวจสอบ ไม่ใช่การรับรอง
NIST AI RMF

NIST AI Risk Management Framework

ชุดคำศัพท์อ้างอิงของสหรัฐฯ สำหรับความเสี่ยง AI — Govern, Map, Measure, Manage ซึ่งทีมบริหารความเสี่ยงองค์กรส่วนใหญ่นำมาใช้ภายในอยู่แล้ว

สถาบันมาตรฐานและเทคโนโลยีแห่งชาติสหรัฐอเมริกา (NIST) · 4 ฟังก์ชัน · จัดทำแผนผัง 10 หมวด
ISO/IEC 42001

ISO/IEC 42001 — ระบบการจัดการ AI

มาตรฐานเดียวในชุดนี้ที่ขอรับการรับรองได้ — ระบบการจัดการ AI ในตระกูลเดียวกับ ISO 27001 ตรวจประเมินโดยหน่วยงานที่ได้รับการรับรอง

ISO / IEC · จัดทำแผนผัง 5 ข้อกำหนด (6 – 10)
OWASP LLM Top 10

OWASP Top 10 for LLM Applications

แอปพลิเคชัน LLM ถูกเจาะระบบได้อย่างไรในความเป็นจริง — การโจมตีแบบ injection การเปิดเผยข้อมูล และการให้อำนาจเอเจนต์เกินขอบเขต เป็นรายการที่ทีมความปลอดภัยของคุณใช้งานอยู่แล้ว

OWASP Foundation · 10 หมวดความเสี่ยง
AISCF

AI Systems Cyber Security Framework

กรอบระดับชาติของมาเลเซียจาก NACSA — 42 กิจกรรมด้านความมั่นคงปลอดภัยตลอดวงจรชีวิตระบบ AI เจ็ดระยะ ตั้งแต่ Inception ถึง Retirement

NACSA — สำนักงานความมั่นคงปลอดภัยไซเบอร์แห่งชาติของมาเลเซีย · 7 ระยะวงจรชีวิต · 42 กิจกรรมด้านความมั่นคงปลอดภัย
MGF for GenAI

Model AI Governance Framework for Generative AI

แนวทางพื้นฐานของสิงคโปร์สำหรับ generative AI ที่น่าเชื่อถือ จาก IMDA และ AI Verify Foundation — เก้ามิติ โดยห้ามิติเป็นสิ่งที่ผู้นำไปใช้งานสามารถแสดงหลักฐานได้

IMDA และ AI Verify Foundation สิงคโปร์ · 9 มิติ · 5 มิติที่แพลตฟอร์มแสดงหลักฐานได้
กฎของคุณเอง

นโยบายการใช้งานที่ยอมรับได้ของคุณเอง

เขียน Controls และ Criteria ของคุณเอง แล้วบังคับใช้ผ่าน Policy Sets การตัดสินใจจะถูกบันทึกเหมือนรายการอื่นๆ แต่ไม่ถูกให้คะแนนเป็นกรอบแยกต่างหาก

กำหนดเอง · controls และ criteria
แต่ละกรอบต้องการอะไร และ Obiguard แสดงหลักฐานอย่างไร →
06 / คำถามที่พบบ่อย

คำถาม
ที่พบบ่อย

ไม่พบสิ่งที่ต้องการใช่หรือไม่ วิศวกรโซลูชันของเราตอบกลับภายในหนึ่งวันทำการ

คุยกับวิศวกรโซลูชัน →
Obiguard มองเห็นข้อมูลของลูกค้าของเราหรือไม่[01]
ในโหมด SaaS เนื้อหาจะถูกประมวลผลในหน่วยความจำเพื่อตัดสินใจตามนโยบาย และมีเพียงผลการตัดสินใจและเมตาดาต้าเท่านั้นที่ถูกบันทึกลงใน Audit Log มีตัวเลือกการติดตั้งแบบส่วนตัวและแบบ on-prem สำหรับลูกค้าองค์กร โปรดพูดคุยกับวิศวกรโซลูชันเกี่ยวกับข้อกำหนดของคุณ
การนี้เพิ่มเวลาแฝงให้กับการเรียกใช้โมเดลหรือไม่[02]
การตรวจสอบทำงานบนเส้นทางคำขอ จึงเพิ่มเวลาแฝงบ้าง ปริมาณที่เพิ่มขึ้นอยู่กับว่าเปิดใช้ Guard ใดในนโยบายของคุณ Guard แบบใช้กฎแทบไม่มีความหน่วง ส่วน Guard แบบใช้โมเดลใช้เวลานานกว่า คำตอบแบบสตรีมไม่สามารถหน่วงไว้ได้ จึงถูกประเมินหลังจากส่งมอบแล้ว และผลที่พบจะถูกบันทึกเป็นธง เรายินดีวัดประสิทธิภาพตามการตั้งค่าเฉพาะของคุณในช่วงนำร่อง
Obiguard ต่างจากเกตเวย์โมเดลอย่างไร[03]
เกตเวย์ส่งต่อทราฟฟิก ส่วน Obiguard กำกับดูแลทราฟฟิก เรานั่งอยู่หน้าเกตเวย์หรือ SDK ของคุณ และเพิ่มการบังคับใช้นโยบาย การติดตามการละเมิด ขั้นตอนการตรวจสอบ และบันทึกการตรวจสอบ ซึ่งเครื่องมือส่งต่อทราฟฟิกไม่ครอบคลุม
คุณรองรับกรอบการปฏิบัติตามข้อกำหนดใดบ้าง[04]

วันนี้มีห้ากรอบ NIST AI RMF 1.0 และ ISO/IEC 42001:2023 คือสิ่งที่ลูกค้าข้ามชาติหรือผู้ตรวจสอบจะขอ โดยฉบับหลังเป็นมาตรฐานเดียวในชุดที่ขอรับการรับรองได้ ส่วน OWASP Top 10 for LLM Applications (2025) เป็นรายการด้านความปลอดภัยที่ผู้ทดสอบเจาะระบบของคุณใช้งานอยู่แล้ว

AISCF คือ AI Systems Cyber Security Framework ของมาเลเซียที่เผยแพร่โดย NACSA ประกอบด้วย 42 กิจกรรมด้านความมั่นคงปลอดภัยที่จัดตามวงจรชีวิตระบบเจ็ดระยะ ตั้งแต่ Inception ผ่าน Operation & Monitoring ไปจนถึง Retirement

MGF for GenAI คือ Model AI Governance Framework for Generative AI ของสิงคโปร์ จาก IMDA และ AI Verify Foundation มีเก้ามิติ โดยสี่มิติเป็นพันธกรณีระดับระบบนิเวศที่มุ่งไปยังผู้พัฒนาโมเดลและผู้กำหนดนโยบาย มากกว่าผู้นำไปใช้งาน คะแนนนี้จึงถูกจำกัดไว้ที่ 56% โดยการออกแบบ

การครอบคลุมประเมินจากกิจกรรมบนแพลตฟอร์มของคุณเอง ทีละหมวด เป็นเครื่องมือช่วยประเมินตนเองเพื่อเตรียมการตรวจสอบ ไม่ใช่การรับรอง ดูว่าแต่ละกรอบต้องการอะไร →

Project Moonshot คืออะไร และการประเมินทำงานอย่างไร[05]
Project Moonshot คือชุดเครื่องมือทดสอบ LLM แบบโอเพนซอร์สของ AI Verify Foundation Obiguard รันแคตตาล็อก cookbooks และ recipes ครอบคลุมความปลอดภัย อคติ ความทนทานต่อการเจาะระบบ การรั่วไหลของข้อมูลส่วนตัว และขีดความสามารถ รวมถึงโมดูลโจมตีสำหรับการทดสอบเชิงรุก กับเอเจนต์ AI ที่คุณลงทะเบียนไว้ เลือกเป้าหมายและ system prompt รันการวัดผล แล้วทุก recipe จะส่งผลกลับมาพร้อมเกรดและเก็บไว้ในพอร์ทัล เกณฑ์การให้เกรดแตกต่างกันในแต่ละ recipe (บางรายการกลับด้าน บางรายการแบ่งเป็นระดับความเสี่ยง) เราจึงแสดงเกรดพร้อมกับเกณฑ์เสมอ แทนที่จะแสดงเพียงตัวเลขคะแนน
รายงานจริยธรรมและอคติทำงานอย่างไร[06]
งานจะทำงานเวลา 03:00 UTC ทุกวัน และสุ่มตัวอย่างประมาณ 17% ของเทรซวันก่อนหน้าด้วยแฮชที่กำหนดแน่นอนจาก trace ID แต่ละเทรซที่สุ่มได้จะถูกให้คะแนน 0–100 ตามเกณฑ์ผู้ประเมิน LLM หกข้อ ได้แก่ ความเป็นพิษ อคติทางประชากรศาสตร์ ความสอดคล้องของอารมณ์ ความเป็นธรรม ข้อมูลที่ไม่ถูกต้อง และการรั่วไหลของข้อมูลส่วนตัว รายการที่ได้คะแนนต่ำกว่า 60 จากผู้ประเมินใดๆ จะถูกติดธงเพื่อตรวจสอบ งานนี้ทำงานแบบอะซิงโครนัสและไม่บล็อกทราฟฟิกจริง และรายงานแสดงแนวโน้ม 30 วัน คะแนนรายเอเจนต์ และการเจาะลึกไปยังทุกเทรซที่ถูกติดธง
Policy Sets และ Criteria ทำงานร่วมกันอย่างไร[07]
Criteria กำหนดสิ่งที่ทำให้เกิดเหตุการณ์ตามนโยบาย ได้แก่ การตรงกับ guard คีย์เวิร์ด นิพจน์ปกติ หรือ LLM judge ส่วน Policy Sets จัดกลุ่ม Criteria และมอบหมายให้เอเจนต์ AI โดยแต่ละรายการมีขอบเขต (พรอมต์ คำตอบ หรือทั้งสองอย่าง) และการดำเนินการ ได้แก่ บล็อก ติดธง ปกปิดข้อมูล หรือให้มนุษย์ตรวจสอบ
Review Queue คืออะไร[08]
การละเมิดที่ต้องใช้วิจารณญาณของมนุษย์ เช่น กรณีขอบเขต เนื้อหาความเสี่ยงสูง และพฤติกรรมใหม่ของเอเจนต์ จะถูกส่งไปยัง Review Queue ผู้ตรวจสอบอนุมัติหรือปฏิเสธพร้อมหมายเหตุ และทุกการตัดสินใจจะถูกบันทึกลงใน Audit Log
07 / เริ่มต้นใช้งาน

นำความเข้มงวดแบบเดียวกับที่คุณใช้
กับข้อมูลและตัวตน มาใช้กับ AI
ในระบบของคุณ

การสนทนา 20 นาทีกับวิศวกรโซลูชันก็เพียงพอที่จะกำหนดขอบเขตการนำร่องของคุณ ลูกค้าส่วนใหญ่บังคับใช้นโยบายในระบบใช้งานจริงได้ภายในสองสัปดาห์

อ่านสถาปัตยกรรมดาวน์โหลดโบรชัวร์ (PDF) ↓