研报正文总结
风险现状及能力构建
主要风险挑战
- AI 基础设施风险：包括供应链漏洞（常用框架软件高危漏洞）、拒绝服务（DDoS 攻击）、模型资产威胁（窃取与篡改）。
- 大模型风险：算法合规、内容安全（价值观对齐、数据偏见）、身份认证与权限管控、对抗攻击。
- 应用服务安全风险：数据安全与隐私（提示词注入导致数据泄露）、算力消耗（资源耗尽攻击）、AI 供应链安全（软件与模型依赖风险）。
核心能力构建
- 卓越模型特质：尺寸普适性（云/端适配）、认知完备性（跨模态理解与创造）、安全可靠（全生命周期保障）。
- 核心能力：全尺寸覆盖的弹性架构（Qwen 系列模型）、全模态融合的认知能力（Qwen-VL、通义万相）。
通义大模型：全生命周期安全合规
模型商业落地加速，面临多样化的部署与应用环境
- 大模型产业应用渗透加速，需满足多样化部署需求。
- 阿里云提供全栈解决方案（API 服务、模型定制等），助力企业智能化升级。
- 风险挑战可分为 AI 基础设施风险、大模型自身安全风险、模型应用服务模式风险。
模型应用安全风险具有系统性与复杂性
- 全生命周期安全保障是模型应用落地的关键。
- 通义大模型提供全尺寸、全模态的模型供给（Qwen、通义万相）。
通义大模型全生命周期安全实践
- 研发安全：数据与算法根基防护，强化内生安全能力（算法安全设计、模型安全训练、模型安全评测）。
- 部署安全：过程控制，构建防御屏障（内容安全护栏、生成内容标识、部署环境加固）。
- 运行安全：上线监测，实现动态防护（模型红蓝对抗、AI 安全挑战赛、模型推理数据防护）。
阿里云百炼：安全可信的 MaaS
MaaS 安全核心理念
- 客户数据主权：平台可靠、数据自主可控、链路可信、操作可审计。
- 负责任的 AI：安全、合规、向善、透明（合规遵循、安全可靠、伦理向善、可解释可溯源）。
- 云原生安全保障：客户数据主权、负责任的 AI 与云原生安全保障。
阿里云的企业级 AI 基础设施建设
- AI 基础设施风险与挑战：安全挑战（供应链漏洞、资源滥用、供应链攻击、隐私合规）、高可用性挑战、高性能瓶颈、算力经济性失衡。
- 阿里云 AI 基础设施建设：云平台级别的全栈安全保障（安全高可用、全流程产品安全保障、常态化红蓝对抗反向校验）、面向 AI 场景的安全防护（安全的 AI 运行环境、可靠的模型文件保护、严密的用户数据保护）、从高性能到低成本的全面优化（全栈优化的极致高性能、技术创新的弹性低成本）。
阿里云百炼全链路安全能力框架
- 安全设计理念：纵深防御与原生集成。
- 核心：贯穿生命周期的数据安全与隐私保护（传输链路加密、静态数据加密与密钥主权、平台级多租户隔离、多层次的身份与权限管控、端到端的日志审计与追溯）。
- 扩展：支持客户弹性、灵活地应对外部攻击（输入与输出内容安全、经济性与可用性保护、供应链与凭证安全）。
阿里云百炼关键场景安全实践
- 场景一：发布并调用一个线上模型推理服务：平台级凭证安全、运行环境隔离、应用级凭证管理、传输链路加密、全链路日志审计。
- 场景二：使用私有数据微调一个专属模型：安全沙箱与隔离、模型产物安全、统一的资产管理与审计、传输安全与静态加密、可选的密钥主权（BYOK）。
- 场景三：构建并运行一个 AI Agent/MCP 应用：供应链风险洞察、凭证自动化托管、运行时隔离与审计。
构建可验证的信任：阿里云百炼的安全承诺与未来愿景
- 当下的承诺：安全可信的五大基石（密态的用户数据主权保护、原生灵活且强大的安全能力、透明的全链路审计追溯、持续的真实场景实战检验、权威的第三方合规验证）。
- 未来的愿景：引领 MaaS 进入全链路机密计算时代（实现机密推理与训练、提供密码学可验证性）。
可信环境 - 机密计算
- 安全能力概述：启动度量（MB）、远程证明（RA）、可信执行环境（TEE）。
- 阿里云机密计算产品：ECS/EGS 产品集成多种机密计算能力。
可信服务 - 公开审计
- 基准值发布：最小化攻击面、核心代码开源、公开访问、变更可溯。
- 开源审计：通过开源核心组件，接受公开审查。
可信架构 - 阿里云百炼落地
- 数据全生命周期加密：请求方注册密钥与策略、传输中、使用中、存储中。
- 可重构建：Confidential KDC 实现密钥授权与分发、密钥持续轮转、高可用与本地缓存。
- 隐私与功能权衡：多种部署模式、缓存命中、应用/Agent、第三方工具。
