v 2.6 · GA5 项框架 · Moonshot 红队演练 · 每晚伦理评分

AI 风险治理，
为贵组织实际的
AI 交付方式而生。

Obiguard Governance AI 检查您整个技术栈中的提示词、响应和工具调用参数——执行策略、拦截数据外泄，并为安全与法务团队提供统一的证据账本。它还依据 Project Moonshot 目录对您的智能体进行红队演练，每晚对其输出进行偏见与公平性评分，并报告对五项 AI 治理框架的覆盖率。

阅读架构 ↗查看全部三款产品 ↗
LLM 提供商
40+ 已支持
防护类型
13已上线
已映射框架
5自我评估
伦理评判
6每晚
01 / 实例

来自客户生产项目的
实时视图。

过去一分钟内触发了三项违规。一项被策略集拦截。两项转入审核队列。全部写入审计日志——可搜索、可导出，随时可作为证据。
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 / 能力

九项能力。一个平台。
贵组织运行的每一个 AI 智能体。

Obiguard 覆盖贵组织运行的每一个 AI 智能体——监控用量、执行策略、将违规转交人工审核、在智能体上线前进行红队演练，并维护合规团队所需的、按框架映射的证据。
01 — 监控

仪表盘与违规

实时项目仪表盘展示令牌用量、成本、请求量、错误、已拦截威胁和平均延迟。违规视图列出每一次策略违反——可筛选、可搜索、可导出。

实时 · 已拦截威胁 · 延迟
02 — 审核

人在回路的审核队列

需要人工判断的违规会进入审核队列。附上备注进行审核、批准或拒绝——从原始事件到最终决定，全程有完整审计追踪。

审核队列 · 批准与拒绝
03 — 执行

策略集

将执行规则归入策略集，并分配给 AI 智能体。每个策略集定义标准、范围和动作（拦截 / 标记 / 脱敏 / 人工审核）。

策略集 · 按智能体执行
04 — 登记

AI 用例与智能体

为贵组织的每个 AI 用例和智能体维护一份动态登记册。将每个智能体关联到其策略集——让治理跟随工作负载，而非日历。

用例 · 智能体与提示词
05 — 日志

审计日志

请求记录和策略决策均带有时间戳，每次配置变更都会写入审计日志，注明操作人和时间。可将日志导出为 CSV 或 JSON 接入您的 GRC 体系，或直接将记录交给审计员。

审计日志 · CSV 与 JSON 导出
06 — 治理

控制与标准

定义组织级控制，以及触发这些控制的标准。控制带有实行职责分离的审批流程——提交人无法批准自己的控制。

控制 · 审批流程
07 — 度量

伦理与偏见报告

每晚运行的任务会抽样前一天的追踪记录，并依据六项 LLM 评判标准为每条打分——毒性、人口统计偏见、情感一致性、公平性、虚假信息和隐私泄露。任何低于 60 分的项目都会被标记以供审核。

6 位评判 · 每晚 · 绝不阻断流量
08 — 测试

评估与红队演练

依据 AI Verify Foundation 的 Project Moonshot 目录，对您已登记的智能体进行基准测试和红队演练——安全性、偏见、抗越狱能力、隐私泄露和能力水平。每次运行都会评级并保留在门户中。

Project Moonshot · cookbook 与攻击模块
09 — 映射

合规框架

查看您的策略、控制、标准、用例和违规如何对应 NIST AI RMF、ISO/IEC 42001、OWASP LLM Top 10、AISCF 以及新加坡的 MGF for GenAI。每个类别显示已覆盖 / 部分覆盖 / 未覆盖，并附上依据的证据。

5 项框架 · CSV 导出

深入了解其中任何一项：检查、策略集、审计账本、伦理与偏见报告、Project Moonshot 评估，以及框架映射。

面向安全团队

让每个 AI 智能体都成为受治理的工作负载。

  • 违规仪表盘，实时显示已拦截威胁
  • 策略集拦截或标记不安全的智能体行为
  • 在智能体上线前用 Moonshot 攻击模块进行红队演练
  • 审计日志可导出为 CSV，接入您的 SIEM 或 GRC 流水线
→ 面向 CISO 与安全平台团队
面向风险与法务

持续的证据，而非季度截图。

  • 覆盖 NIST AI RMF、ISO 42001、OWASP LLM Top 10、AISCF、MGF for GenAI
  • 每晚伦理与偏见评分，保留在门户中
  • 审计日志——每项决策都有时间戳
  • 按框架导出覆盖率为 CSV，用于自我评估
→ 面向风险、法务与合规团队
面向 AI 团队

登记、治理并迭代您的 AI 智能体。

  • AI 用例与智能体登记册——唯一可信来源
  • 策略集按智能体分配执行规则
  • 在推广前对照 Moonshot 目录对提示词变更做基准测试
  • 审核队列将边缘情况转交人工判断
→ 面向 AI 产品与平台团队
03 / 如何运作

14 天内上线。
从第一天起就有保障。

无需重新训练模型。无需迁移。Obiguard 可部署在您现有的 AI 网关之前，或直接对接 AWS/Azure/GCP 原生 API。
步骤 01 · 连接

30 分钟

创建项目，生成访问密钥，并让您的 AI 智能体经由 Obiguard 路由。支持 OpenAI、Anthropic、Bedrock、Vertex、Azure OpenAI 以及任何兼容 OpenAI 的端点。

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

第一天

添加您的 AI 用例，并在平台中登记每个 AI 智能体。将智能体关联到其服务的业务职能——让每项治理决策都有完整上下文。

AI Use Cases registered
3 agents linked
1 project · t77
→ registry complete
步骤 03 · 执行

准备好时

启用防护措施或行业策略，或基于您自己的标准构建策略集并指定动作（拦截、标记、脱敏或人工审核），再分配给您的智能体。违规会立即出现在仪表盘中。

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

持续进行

依据 Moonshot 目录对每个智能体进行红队演练，让每晚的伦理与偏见任务为实时流量评分，并在一个页面上查看框架覆盖率。违规仍会进入审计日志和审核队列——可整体导出作为证据。

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

是真正的平台，而非宣传幻灯片。

以下所有内容今天都已在产品中运行——包括 Project Moonshot 评估、每晚的伦理与偏见报告，以及覆盖五项标准的框架覆盖率。检查在网关层进行：无需重新训练，也无法访问您的权重或训练流水线。

13
防护类型

8 种基于模型（越狱/注入、PII、敏感数据、NSFW、毒性、乱码、脏话、Obi Sieve）和 5 种基于规则（禁用列表、竞争对手、单行、小写、字数）——外加您自行编写的关键词、正则和 LLM 评判标准。

40+
已支持的 LLM 提供商

OpenAI、Anthropic、Bedrock、Azure OpenAI、Vertex AI 等——一个网关覆盖所有这些。

5
已映射框架

NIST AI RMF、ISO/IEC 42001、OWASP LLM Top 10、马来西亚的 AISCF 以及新加坡的 MGF for GenAI——作为自我评估辅助，而非认证。

6
伦理评判，每晚

毒性、人口统计偏见、情感一致性、公平性、虚假信息和隐私泄露——基于昨日追踪记录的样本评分。

05 / 框架

两项全球性。一项安全类。
两项面向东南亚。

覆盖率依据您自身的平台活动估算，并按类别显示为已覆盖、部分覆盖或未覆盖——每个判定都附有依据的证据。这是用于审计准备的自我评估辅助，而非认证。
NIST AI RMF

NIST AI 风险管理框架

美国 AI 风险领域的参考词汇——Govern、Map、Measure、Manage。大多数企业风险团队已在内部采用。

美国国家标准与技术研究院 · 4 项职能 · 已映射 10 个类别
ISO/IEC 42001

ISO/IEC 42001 — AI 管理体系

此处唯一可认证的标准——与 ISO 27001 同属一个系列的 AI 管理体系，由认可机构审核。

ISO / IEC · 已映射 5 个条款（6 – 10）
OWASP LLM Top 10

OWASP 大语言模型应用十大风险

LLM 应用究竟是如何被攻破的——注入、泄露、过度代理。您的安全团队一直在使用的清单。

OWASP 基金会 · 10 个风险类别
AISCF

AI 系统网络安全框架

马来西亚 NACSA 发布的国家框架——覆盖七阶段 AI 系统生命周期的 42 项安全活动，从启动到退役。

NACSA — 马来西亚国家网络安全局 · 7 个生命周期阶段 · 42 项安全活动
MGF for GenAI

生成式 AI 模型治理框架

新加坡 IMDA 与 AI Verify Foundation 发布的可信生成式 AI 基线——九个维度，其中五个可由部署方提供证据。

IMDA 与 AI Verify Foundation，新加坡 · 9 个维度 · 5 项可由平台取证
您的规则

您自己的可接受使用政策

编写您自己的控制和标准，并通过策略集来执行。决策与其他决策一样被记录；它们不会作为单独的框架计分。

自定义 · 控制与标准
各框架的要求，以及 Obiguard 如何提供证据 →
06 / 常见问题

常见
问题。

没有找到您想了解的内容？我们的解决方案工程师会在一个工作日内回复。

联系解决方案工程师 →
Obiguard 会看到我们客户的数据吗？[01]
在 SaaS 模式下，内容仅在内存中处理以作出策略决策——只有决策和元数据会保存到审计日志。企业客户可选择私有化和本地部署；请与解决方案工程师沟通您的需求。
这会增加模型调用的延迟吗？[02]
检查在请求路径上运行，因此会增加一些延迟——具体取决于您的策略启用了哪些防护；基于规则的防护几乎是即时的，基于模型的防护耗时更长。流式响应无法被拦下，因此在交付后评估，任何发现都会记录为标记。我们很乐意在试点期间为您的具体配置做基准测试。
Obiguard 与模型网关有何不同？[03]
网关负责路由流量。Obiguard 负责治理流量。我们位于您的网关或 SDK 之前，增加路由工具不涉及的策略执行、违规跟踪、审核流程和审计追踪。
你们支持哪些合规框架？[04]

目前支持五项。NIST AI RMF 1.0 和 ISO/IEC 42001:2023 是跨国客户或审计方会要求的——后者是这组框架中唯一可认证的标准。OWASP 大语言模型应用十大风险（2025）是您的渗透测试人员一直在使用的安全清单。

AISCF 是由 NACSA 发布的马来西亚 AI 系统网络安全框架：42 项安全活动分布在七阶段系统生命周期中，从启动、经运行与监控，直至退役。

MGF for GenAI 是新加坡 IMDA 与 AI Verify Foundation 发布的生成式 AI 模型治理框架——共九个维度，其中四个是面向模型开发者和政策制定者而非部署方的生态系统承诺，因此该得分按设计上限为 56%。

覆盖率依据您自身的平台活动逐类别估算，作为审计准备的自我评估辅助——而非认证。查看各框架的要求 →

什么是 Project Moonshot？评估如何运作？[05]
Project Moonshot 是 AI Verify Foundation 面向 LLM 的开放测试工具包。Obiguard 针对您已登记的 AI 智能体运行其 cookbook 和 recipe 目录——安全性、偏见、抗越狱能力、隐私泄露和能力水平——以及其红队攻击模块。选择目标和系统提示词，运行基准测试，每个 recipe 都会返回评级并保留在门户中。各 recipe 的评分尺度不同（有些反向，有些划分为风险等级），因此我们始终将评级与其尺度一并呈现，而不是只给出一个孤立的分数。
伦理与偏见报告如何运作？[06]
一项任务每天 03:00 UTC 运行，按追踪 ID 的确定性哈希抽样约 17% 的前一天追踪记录。每条抽样的追踪记录会依据六项 LLM 评判标准打 0–100 分——毒性、人口统计偏见、情感一致性、公平性、虚假信息和隐私泄露。任一评估器评分低于 60 的内容都会被标记以供审核。它异步运行，绝不阻断实时流量，报告会显示 30 天趋势、按智能体的评分，并可下钻到每条被标记的追踪记录。
策略集和标准如何协同工作？[07]
标准定义触发策略事件的条件——防护命中、关键词、正则表达式或 LLM 评判。策略集将标准归组并分配给 AI 智能体，每项都有范围（提示词、响应或两者）和动作：拦截、标记、脱敏或人工审核。
什么是审核队列？[08]
需要人工判断的违规——边缘情况、高风险内容、新的智能体行为——会转入审核队列。审核人附上备注批准或拒绝，每项决定都会写入审计日志。
07 / 开始使用

将您对数据和身份所要求的同等严谨
也用于您技术栈中的
AI。

与解决方案工程师通话 20 分钟，就足以确定您的试点范围。大多数客户在两周内即可在生产环境中执行策略。

阅读架构下载宣传册（PDF）↓