火山引擎《2025 年火山方舟大模型服务安全白皮书》核心结论显示，大模型安全已进入 “全链路防护、原生安全嵌入、责任共担” 的新阶段。火山方舟以可信安全沙箱为核心，构建覆盖模型、平台、应用的全栈安全体系，通过机密计算、全链路加密、细粒度权限控制等技术，实现 “数据唯你可见、唯你所用、唯你所有”，为企业级 AI 应用落地筑牢安全底座。
一、核心安全威胁：大模型落地的三大挑战
多维攻击风险凸显：涵盖提示词注入、模型投毒、算力盗用等 LLM 特有威胁，同时面临 DDoS 攻击、供应链漏洞等传统安全问题，攻击路径沿 “基础设施 - 模型 - 智能体” 延伸。 数据安全痛点突出：超大规模模型的强记忆能力带来数据泄露风险，生成式创作引发数据确权难题，“黑盒” 特性对操作透明化提出更高要求。 合规压力持续升级：全球 AI 监管框架日趋严格，中国 “三法一条例” 与欧盟《人工智能法案》明确要求，需满足内容合规、算法备案、数据隐私保护等多重要求。
二、全栈安全体系：六大核心防护能力
可信安全沙箱：基于云原生容器隔离、TEE 硬件隔离等技术，构建从传输、存储到运行的全环节防护，支持 GPU 加速加解密，不影响推理效率。 全链路数据加密：默认开启网络层 HTTPS/mTLS 加密，支持应用层端到端会话加密，精调场景可启用用户自持密钥（HYOK），实现数据全生命周期加密。 细粒度访问控制：基于 IAM 体系划分多角色权限，API Key 支持 IP 白名单、项目隔离等配置，严格控制模型与数据访问权限。 大模型防火墙：防御 OWASP LLM Top10 风险，包括提示词攻击检测、算力消耗防护、敏感信息过滤等，精准拦截恶意请求。 内容安全护栏：构建 “模型原生安全 + 平台默认防护 + 增值服务” 三级体系，支持输入输出双向审核，动态迭代风险规则库。 全生命周期审计：提供沙箱操作日志、KMS 访问日志、用户操作日志等多维度审计能力，支持安全事件溯源与合规校验。
三、创新安全实践：MaaS 原生安全能力
机密推理服务：行业率先推出 MaaS 原生机密推理，基于 TEE 可信执行环境实现芯片级隔离，提供可离线验证的远程证明报告，确保运行环境可信。 智能体与 MCP 安全：建立 MCP 全生命周期安全架构，上线前严格安全准入检测，运行时集成 AgentArmor 防护，防范工具调用风险。 数据零留存机制：除合规要求或用户授权外，不存储任何推理会话数据，任务结束后沙箱销毁，实现会话无痕。
四、未来展望：安全与效率协同演进
未来，火山方舟将持续深化 “安全原生、灵活可配、透明可信” 三大方向。
技术上，将优化机密计算性能，推动端云互信能力落地，实现全链路密态隔离；产品上，将开放更多自定义安全策略，支持企业按需配置防护规则；生态上，将参与更多 AI 安全标准制定，共建行业安全生态。随着安全能力与模型能力的深度融合，大模型将在安全可控的前提下，释放更大产业价值，护航 AI 应用规模化落地。
