全球大模型技术竞赛正推动人工智能向通用强智能发展，引发人机交互和应用研发模式变革。大模型在各行业的广泛应用为第四次工业革命提供动力，但同时也带来安全风险，如模型“幻觉”和指令注入攻击。国际组织和主要国家通过制定治理原则、法律法规和技术标准来应对这些挑战。同时，大模型在逻辑推理、任务编排等方面的卓越能力，为解决网络空间安全瓶颈问题带来了新的机遇。
为有效防范和消减大模型的安全风险，并促进其在安全领域的应用，阿里云联合中国信息通信研究院等30余家行业单位共同编制《大模型安全研究报告（2024年）》，并于2024年9月19日云栖大会AI治理与安全论坛上发布。
报告凝聚业界专家共识，聚焦当前大模型突出安全风险和网络空间安全瓶颈问题，从大模型自身安全和大模型赋能安全两个维度，提出涵盖安全目标、安全属性、保护对象、安全措施四个方面的大模型自身安全框架，以及大模型赋能安全框架。期待这些框架能为社会各方提供有益参考，共同推动大模型技术产业的健康发展。
报告主要内容包括：
1. 大模型安全风险地图
为尽可能全面应对大模型领域的基础共性安全挑战，本报告优先对语言、多模态等各类基础大模型系统的安全风险进行系统梳理。与此同时，参考ISO/IEC 5338-2023 《人工智能系统生命周期过程》国际标准，将基础大模型系统抽象为训练数据、算法模型、系统平台和业务应用4个重要组成部分，并通过描绘这四个组成部分面临的重要和一般安全风险，形成大模型安全风险地图，共涵盖21个安全风险。
2. 大模型自身安全框架
为消减大模型面临的基础共性安全风险出发，提出了涵盖安全目标、安全属性、保护对象、安全措施四个层面的大模型自身安全框架，构建了保障大模型安全的整体解决方案。同时，提出训练数据、模型算法、系统平台、业务应用四方面中共计16项安全保护措施。
3. 大模型赋能安全框架
结合行业实践情况，本报告重点阐述大模型在网络安全、数据安全、内容安全三个领域的潜在应用方向。网络安全领域，大模型可应用于安全威胁识别、保护、检测、响应、恢复等多个保护环节中的关键场景。数据安全领域，大模型可应用于数据分类分级、APP（SDK）违规处理个人信息检测等场景。内容安全领域，大模型可应用于文本内容安全检测、图像视频内容安全检测和音频内容安全检测等场景。
