7月13日，蚂蚁AI安全实验室正式开源了智能体安全护栏SingGuard-NSFA。 同时，实验室披露了多模态安全护栏SingGuard的详细情况。 这两款模型分别瞄准了当前AI最前沿的两个场景： - **“自主执行的智能体”** - **“多模态交互的大模型”** 这一步棋，意味着蚂蚁在AI安全领域的体系化布局又往前推进了一大截。 眼下，AI正从单纯的内容生成走向真正的自主执行。这听起来很酷，但安全问题的复杂度也跟着翻了几倍。 不再只是模型输出的好坏，而是蔓延到了行为控制、权限管理、系统治理这些更深层的领域。 智能体开始自主调用工具、运行代码、规划多步任务。 模型也逐渐能同时理解图像、文本等多种信息。 能力边界在拓宽，安全新挑战也在同步冒头。 过去一年，提示词注入、权限滥用、恶意代码执行、数据泄露……这些安全事件就没断过。 例如： - Amazon Q被提示词投毒 - Microsoft Copilot的数据泄露 - 开源智能体OpenClaw暴露出提示词注入风险 这些案例都在反复提醒一件事：**智能体的自主性越强，安全风险的放大效应就越明显。** 2025年12月，OWASP发布了《智能体应用安全十大风险》，系统梳理了智能体特有的安全威胁。 2026年5月，国家网信办、国家发展改革委、工信部三部门联合印发了《智能体规范应用与创新发展实施意见》，从国家层面对智能体安全治理提出了明确要求。 在这样的背景下，蚂蚁AI安全实验室这次开源的模型，目标很清晰——为大模型和智能体提供更完善的底层安全能力。

SingGuard-NSFA：为智能体操作装上“实时刹车”

智能体从“回答问题”进化到“自主办事”。 AI开始调用工具、执行代码、编排多步任务。 安全风险的重心也从内容层面转移到了行为层面。 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……这些问题，传统的内容审核体系根本覆盖不过来。 针对这个痛点，蚂蚁AI安全实验室拿出了SingGuard-NSFA。 它的核心思路是在智能体执行动作之前，完成实时的安全检测。 从请求拦截和响应兜底两端，构建起行为安全防护体系。 具体怎么做？ SingGuard-NSFA基于CIA原则（保密性、完整性、可用性），结合OWASP等国际安全指南，把智能体的风险细分成了7大类、28个中类和185个具体场景。 同时，建立了一个覆盖133种语言、近10万条样本的智能体安全评测体系。 技术实现上，它兼顾了安全审计和实时防护两种需求，提供了两种工作模式： - **安全审计模式**：逐条生成详细的风险分析报告，方便事后审查和合规记录。 - **实时防护模式**：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。 模型提供了0.8B、2B、4B、9B四种规模，可以适配不同的部署需求。 在覆盖文本查询、文本回复、图像、多模态和多语言的6大类评测中，SingGuard在35个数据集及评测切分上的平均F1均为最高。 对比对象包括Llama Guard3、谷歌ShieldGemma、GPT-5.1、Gemini3-Pro等在业内极具代表性的主流护栏，SingGuard均实现了全面领先。 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，这已经成为智能体规模化应用的重要基础能力。 事实上，蚂蚁AI安全实验室已经针对开源智能体框架OpenClaw开展了专项安全审计。 今年4月，实验室还联合清华大学开源了智能体安全防御插件ClawAegis，为自主智能体提供覆盖全生命周期的安全防护。 这次SingGuard-NSFA与SingGuard多模态安全护栏相继开源，是蚂蚁集团持续推进AI安全技术研发和开放生态建设的重要一步。 这些安全技术的研发与开源，背后是蚂蚁集团二十余年的安全技术积累。 依托在支付安全、数据安全、隐私保护和风险治理等领域的长期实践，蚂蚁持续完善AI安全体系。 相关能力已经落地在蚂蚁阿福、AI版支付宝“阿宝”、支付宝“AI付”等业务场景中。 与此同时，蚂蚁集团还在持续参与AI安全标准和治理体系建设： - 参与了IIFAA《终端智能体可信互联技术规范》的制定 - 牵头了ITU国际标准《终端智能体可信互联技术规范》的立项 - 发布了智能体安全可信互连协议ASL 从技术创新到产业实践，这条路正在越走越宽。