模型存在内容安全、提示词注入、越狱攻击、敏感数据泄露等多重风险，单一防护手段难以兼顾安全效果与系统性能。华为白皮书提出的AI安全防护技术方案包含两大核心：模型围栏的六层漏斗式过滤架构与AIDR的运行时检测响应机制。这套方案在保证低误拦率、高召回率的同时，实现了高吞吐能力的工程化部署。
模型围栏——六层漏斗式过滤架构
模型围栏是面向大模型推理阶段的全链路安全防护机制，其核心设计思路是构建从输入到输出的多层漏斗式过滤体系，在不侵入模型结构、不破坏生成能力的前提下，实现对违规内容、提示注入、恶意诱导、价值观偏离等风险的精准拦截。整体机制遵循“先轻后重、先粗后精、逐层收敛”的设计原则。
第一层为规则引擎快速过滤层，基于关键词、正则表达式、敏感实体库等轻量化策略进行毫秒级检测。第二层为输入语义风控层，通过轻量级文本分类模型识别隐喻、委婉表述、变体改写等隐蔽风险。第三层为提示注入与意图安全检测层，通过专用小模型对输入进行意图拆解，判断是否存在外部指令覆盖内部安全约束。第四层为模型推理内置约束层，通过在系统提示中植入安全行为准则从模型侧强化原生安全能力。第五层为输出内容审查层，对模型生成结果进行二次校验，执行直接拦截、内容替换或截断重写。第六层为自我反思与校验层，让模型对自身输出进行合规性自检并主动修正。
AIDR——AI Detection and Response运行时防护
针对AI智能体由于权限失控存在高危操作的风险，AIDR构建AI智能体边界隔离及权限管控的安全体系。基于Linux eBPF和Windows内核态驱动程序的AI Agent运行时权限管控技术，防护AI Agent运行时被诱导执行恶意操作的安全风险。
AIDR包含两大核心技术能力。AI智能体恶意行为的自动阻断技术，通过无侵入进程、文件、网络、内存事件采集，实时判定并阻断恶意行为，同时将结构化事件上报SOC，形成检测-拦截-告警闭环体系。AI智能体边界隔离技术，通过恶意进程创建与命令注入拦截、敏感文件读取与目录写入阻断、恶意IP/域名连接与数据外传封堵，构建AI Agent可信运行环境。
零信任认证与细粒度权限管控
白皮书提出重构面向AI Agent的零信任模型，核心是建立以“数字身份”为基石、以“任务会话”为边界的动态访问控制体系。控制面为每个AI Agent颁发唯一且可验证的数字身份ID，将访问主体从单一“用户”扩展为“人机融合”主体（User ID + AI Agent ID）。基于任务所处上下文与动态Token，策略评估与编排引擎对每一次请求进行实时授权，任务结束后权限自动回收。
在细粒度权限管控方面，AIDR在Linux端基于eBPF TracePoint/LSM实现内核级无侵入监控，在Windows端基于Minifilter、WFP、API Hook实现端点行为拦截。通过进程、文件、网络、内存、注册表等多维度策略引擎实现恶意行为的实时阻断。进程活动监控重点监测父子进程链及系统API调用；网络行为管控严格限制于预设白名单端口与域名；文件及注册表操作管控限定于工作目录并禁止访问敏感路径；内存及权限防护监控内存操作行为防止权限提升或容器逃逸。
