GB-T 46073-2025 中文版 信息安全技术 大模型安全评估指南

GB/T46073-2025中文版信息安全技术大模型安全评估指南前言GB/T46073-2025《信息安全技术大模型安全评估指南》是由国家市场监督管理总局、国家标准化管理委员会联合发布实施的国家级推荐性信息安全专项国家标准，由全国网络安全标准化技术委员会归口管理编制，是我国生成式人工智能大模型领域**安全合规评估、上线备案审核、常态化安全测评、风险自查整改、第三方合规审计**的核心基础性权威指导文件。本指南立足我国通用大模型、行业专属大模型、政务大模型、企业私有化部署大模型规模化落地应用现状，深度适配大模型预训练、微调适配、对齐优化、推理服务、应用接入、迭代升级全生命周期业务特征，直面大模型训练数据污染、prompt注入攻击、越狱Prompt诱导、敏感信息记忆泄露、生成违法违规有害内容、模型后门植入、权限越权调用、推理接口滥用、供应链开源组件漏洞、运维管控粗放等共性安全风险痛点，系统性构建统一规范、分层分级、可落地、可量化、可复测的大模型安全评估体系与实操判定准则。当前生成式人工智能大模型已深度融入政务办公、金融服务、工业生产、医疗健康、教育科研、民生服务、企业经营全行业核心业务场景，大模型依托海量数据训练、深度算法推演、智能生成交互、多场景自动适配的技术特性，在提升生产办公效率、赋能数字化智能化转型的同时，也带来了传统信息系统从未面临的新型安全合规挑战。传统网络安全等级保护、常规信息系统安全测评体系，仅适配传统信息化软硬件系统防护评估，未针对大模型算法黑盒特性、数据强依赖特性、生成内容不可控特性、人机交互开放性特性、模型迭代高频化特性制定专属评估维度与判定标准，导致各地各单位大模型上线备案无统一评估依据、安全风险排查无规范判定口径、隐患整改无闭环处置标准、合规审计无统一测评框架，极易出现大模型违规生成不良信息、核心涉密数据训练泄露、模型被恶意诱导作恶、行业应用合规不达标等安全合规事件。GB/T46073-2025核心编制宗旨，在于统一全国各类大模型安全评估统一基线、规范评估流程方法、明确分级判定尺度、细化全周期评估要点，填补我国大模型安全专项评估国标空白，推动大模型安全评估从零散点状自查向体系化标准化测评、从事后问题整改向事前风险预判、从单一内容审核向全链路全周期综合安全评估全面转型，筑牢我国生成式人工智能产业安全合规、健康可持续发展的标准化根基。1范围本GB/T46073-2025《信息安全技术大模型安全评估指南》全面规范大模型安全评估总体评估架构、核心评估基本原则、全生命周期安全评估流程、分级分类安全评估判定规则、训练数据安全评估要求、模型研发训练阶段安全评估要求、模型微调对齐安全评估要求、推理服务运行安全评估要求、人机交互与内容生成安全评估要求、接口调用与应用接入安全评估要求、模型权限与身份访问安全评估要求、算法与模型后门安全评估要求、日志审计与溯源追责安全评估要求、供应链与第三方服务安全评估要求、应急处置与安全事件复盘评估要求、迭代升级复测与持续合规评估全套评估管理规范与实操测评指引。本指南精准划分大模型基础通用安全合规评估基线与高风险行业增强专项安全评估要求，兼顾技术安全量化测评与管理制度合规核查双重评估维度，覆盖大模型需求规划、数据采集治理、预训练研发、微调对齐优化、部署上线推理、业务应用接入、常态化运行运维、漏洞隐患整改、版本迭代升级、模型退役下线全生命周期所有关键评估环节，不局限于大模型生成内容单一安全测评，聚焦大模型全链路、全层级、全流程综合安全风险识别、合规判定、等级划分与整改闭环评估工作。本指南适用范围覆盖全国各地区、各行业所有从事大模型研发训练、私有化部署运维、行业适配微调、业务场景应用、对外提供生成式AI服务的企事业单位、政务管理机构、科研院校及社会组织。具体包含政务专属大模型建设运营单位、金融风控与营销大模型运维机构、工业智能制造大模型应用主体、能源交通关键基础设施大模型管控单位、医疗教育民生存证服务大模型机构、互联网通用生成式大模型运营企业及各类大模型第三方安全测评机构、合规审计单位、备案审核管理部门。本指南适配所有主流大模型部署形态，涵盖公有云在线服务大模型、私有化本地部署大模型、行业专属垂直领域大模型、多模态融合生成大模型各类技术架构，适配数据层、模型研发层、微调对齐层、推理服务层、应用交互层、安全运营管理层六层大模型架构全维度安全评估工作。各类组织可结合自身行业专项监管政策、大模型业务风险等级、训练及生成数据敏感程度、安全事件危害影响范围，在本指南通用基础评估要求之上细化制定行业大模型专项安全评估实施细则，本指南不适用于涉密专用绝密级大模型专项保密测评，涉密大模型需同步遵循国家涉密信息系统专项测评管理规范执行。2规范性引用文件下列规范性引用文件为本指南大模型安全评估工作开展、合规对标判定、测评结果认定、整改闭环验收不可或缺的核心配套支撑依据，凡是标注具体发布日期的引用文件，仅对应标注版本适配本指南全部安全评估测评条款；凡是未标注发布日期的引用文件，其最新有效修订版本、增补修改单及配套实施细则，均统一适用于本指南大模型全维度安全评估各项工作。核心引用国家标准包含网络安全等级保护系列国标、数据安全分类分级国家标准、个人信息保护相关国标、信息安全风险管理评估规范、生成式人工智能数据安全规范、网络安全事件应急处置标准、软件供应链安全评估规范、密码应用安全性评估标准及人工智能算法安全、数据标注安全、模型开源组件安全相关配套专项标准。各类测评机构与大模型运营单位在依据本指南开展安全评估工作时，必须同步对标引用文件对应测评管控细则，确保大模型安全评估工作与国家网络安全法律法规、生成式AI监管要求、数据安全合规规范、密码应用安全标准深度融合统一，杜绝大模型安全评估与国家整体合规管控体系脱节割裂，保障评估结果真实有效、合规权威、整改有据、长效可控。3术语和定义3.1大模型：依托海量多源数据开展预训练学习，依托深度神经网络算法架构构建，具备自然语言理解、多模态内容生成、逻辑推理分析、知识问答交互、业务场景适配、自主任务处理能力的大规模生成式人工智能基础模型及行业垂直微调模型，具备参数规模庞大、知识覆盖面广、人机交互开放、内容自动生成、场景快速适配五大核心技术特征，是生成式人工智能各类应用服务运行的核心基础载体。3.2大模型安全评估：依据GB/T46073-2025本指南及相关国家合规标准，通过资料核查、现场测评、技术扫描、人工核验、渗透测试、模拟诱导攻击、合规对标核查等多种方式，对大模型全生命周期各环节安全风险隐患、合规达标情况、安全防护有效性、风险可控水平开展系统性检测判定、等级划分、问题梳理、整改建议出具的专项合规测评工作，是大模型上线备案、常态化合规运营、风险闭环治理的核心必要环节。3.3模型越狱与恶意诱导：外部用户通过构造特殊Prompt提示词、畸形交互指令、绕过安全对齐策略等方式，突破大模型原有安全防护约束与内容管控规则，诱导大模型生成违法违规、暴力色情、虚假造谣、歧视偏见、涉密敏感等有害内容，或违规泄露训练记忆敏感数据、执行越权违规操作的各类恶意攻击行为，是大模型安全评估核心重点核查风险项。3.4大模型安全基线评估：本指南明确规定各类大模型必须达到的最低基础安全合规评估标准、基础防护配置底线、内容生成管控基准、权限运维管控底线，是大模型上线合规准入、基础安全达标的刚性测评底线要求，任何大模型不得低于安全基线评估合格标准投入运营使用。3.5大模型全生命周期评估：覆盖大模型数据采集治理、预训练研发、微调对齐优化、推理部署上线、业务应用运行、运维监测管控、版本迭代升级、模型退役下线全流程各环节的一体化闭环持续安全评估机制，实现大模型从建设投产到退役消亡全阶段安全风险可评、隐患可查、问题可改、责任可溯。3.6模型后门与算法隐蔽风险：大模型研发训练、微调适配过程中，因代码编写缺陷、开源组件漏洞、人为恶意植入、训练数据污染等原因形成的隐蔽算法逻辑、隐藏触发指令、特殊调用后门，在特定条件下可被恶意触发，导致模型违规作恶、数据泄露、功能失控、权限越权的隐性安全风险，是大模型深度安全评估专项重点核查内容。3.7生成内容安全合规性：大模型人机交互应答、文本内容生成、多模态内容输出、业务推理回复所有生成结果，符合国家法律法规、公序良俗、意识形态要求、行业监管规范，不包含违法违规、不良有害、虚假误导、歧视偏见、涉密敏感等违规内容的合规状态，是大模型表层安全评估核心基础指标。4大模型安全评估总体架构与核心评估原则4.1大模型六层一体化安全评估总体架构。GB/T46073-2025标准明确规定大模型安全评估统一采用训练数据安全层、模型研发训练层、微调对齐安全层、推理服务运行层、应用交互接入层、安全运营管理层六层一体化纵深综合安全评估总体架构，各层级评估边界清晰、测评重点差异化、上下联动衔接、全链覆盖闭环，构建适配大模型算法黑盒、数据强依赖、交互开放化、迭代高频化特性的全方位、全流程、全维度安全评估体系。训练数据安全层为源头评估第一道核心防线，重点评估大模型训练数据采集合规性、数据分类分级管控、敏感个人信息保护、数据去标识化脱敏处理、数据标注安全、数据污染防控、数据来源合规性，从模型训练源头排查数据安全合规隐患；模型研发训练层为算法根基评估防线，重点评估模型研发代码安全、开源组件安全、算法逻辑合规、模型后门防控、训练环境安全、研发运维权限管控，排查模型先天算法与研发安全缺陷；微调对齐安全层为安全约束评估关键防线，重点评估大模型安全对齐训练有效性、越狱诱导防控能力、不良内容拦截策略、违规生成约束机制、微调操作权限管控，筑牢大模型内容生成安全管控核心关口；推理服务运行层为在线运行评估中坚防线，重点评估推理集群部署安全、接口调用防护、并发访问管控、异常请求拦截、模型运行稳定性、运行漏洞防护，保障大模型在线推理服务安全稳定可控；应用交互接入层为前端交互评估末端防线，重点评估人机交互安全、Prompt注入防控、用户访问权限、应用接口安全、生成内容前置审核，防范前端交互各类恶意攻击与违规生成风险；安全运营管理层为全局统筹评估兜底防线，重点评估安全管理制度建设、日志审计溯源、应急处置响应、合规自查整改、迭代复测优化，实现大模型安全长效合规运营管控。六层架构各司其职、层层核验、闭环评估，形成源头控险、算法固本、对齐设防、运行护稳、交互合规、运营长效的大模型综合安全评估治理格局。4.2大模型六大核心安全评估基本原则。所有大模型安全评估工作、自查测评整改、第三方审计验收、上线合规备案必须严格恪守本指南明确的六大核心安全评估原则，任何评估场景、测评环节、整改工作不得突破评估原则底线。一是合规对标刚性判定原则，所有评估工作严格对标国家法律法规、监管政策及本国标基线要求，合规判定标准统一刚性执行，不设豁免特例、不搞变通放宽，达标合格、不达标整改清零；二是全生命周期全覆盖评估原则，摒弃传统只评估上线运行状态、忽视前期研发训练与后期迭代运维的片面测评模式，覆盖大模型全流程各环节同步评估，杜绝源头隐患遗留后置引发后期安全风险；三是分层分级差异化评估原则，根据大模型部署模式、业务风险等级、数据敏感程度、服务受众范围，划分基础评估与增强专项评估，高风险行业大模型加码深度测评、细化严苛判定标准；四是技术测评与制度核查并重原则，既开展技术漏洞扫描、模拟诱导攻击、算法安全检测等技术实测，也核查安全管理制度、运维流程、人员权责、整改台账等管理合规，技术与管理双向评估、缺一不可；五是风险导向问题闭环原则，评估以识别核心安全风险、排查高危隐患为核心目标，所有评估发现问题分级分类建档、限期整改复测、销号闭环，杜绝只测评不整改、只发现不处置；六是动态迭代持续评估原则，适配大模型版本迭代、模型微调升级、业务场景新增、安全威胁演变特点，实行常态化复测、迭代后重评、风险变化复评，确保大模型安全状态持续合规可控。5大模型全生命周期通用安全评估总体要求5.1规划筹备与数据准备阶段安全评估。大模型项目前期规划设计、训练数据采集治理筹备阶段，安全评估工作需前置同步启动，重点核查大模型建设规划安全合规专项方案编制情况、业务风险等级定级备案情况、数据安全治理规划落实情况、评估工作责任分工落实情况。评估重点核验训练数据采集合法性、数据来源合规性、数据权属清晰性、数据分类分级落实情况，核查数据采集是否遵循合法、正当、必要、最小化原则，是否存在违规采集个人敏感信息、涉密数据、未授权行业核心数据等问题。同步评估大模型前期安全规划是否覆盖全生命周期防护要求、安全资源保障是否到位、岗位安全责任是否明确、评估整改闭环机制是否建立，从项目源头排查规划性合规短板与基础性安全隐患，严禁未开展前置安全评估、未完成数据合规核查即启动大模型研发训练工作。5.2模型研发训练与微调对齐阶段安全评估。大模型代码研发、预训练执行、安全微调、对齐优化核心研发阶段，安全评估聚焦研发源头安全与模型内生安全管控，重点评估研发环境安全加固情况、研发代码安全审计情况、开源组件漏洞排查整改情况、模型后门植入防控情况、训练过程权限管控情况、微调操作授权审批情况、安全对齐训练实施有效性。测评过程中需核查研发账号权限最小化落实情况、训练操作全程审计留痕情况、微调策略安全合规情况、对齐约束规则完备性，通过技术扫描检测模型代码高危漏洞、开源组件已知安全缺陷、算法逻辑隐蔽后门风险，通过模拟基础交互核验模型初步内容管控能力，杜绝研发阶段先天安全漏洞与后门隐患带入上线运行环节。5.3部署上线与备案准入阶段安全评估。大模型完成研发微调后正式部署上线、备案准入前，必须开展上线前全量综合安全合规准入评估，作为大模型对外提供服务的前置必要条件。评估重点核查推理部署环境安全加固合规性、集群运行安全配置规范性、接口访问安全防护有效性、身份认证权限管控合规性、生成内容安全审核机制完备性、应急处置预案健全性。通过模拟恶意Prompt诱导攻击、越狱测试、违规请求调用测试、内容生成合规性抽检等专项测评方式，核验大模型防越狱、防诱导、防违规生成、防数据泄露核心防护能力，所有评估发现高危、中危安全隐患必须全部整改复测合格，方可出具安全评估合格报告，支持大模型办理上线备案合规手续，严禁评估不合格、隐患未清零的大模型违规上线运营。5.4常态化运行运维与定期复测安全评估。大模型常态化对外提供推理服务、业务交互运行阶段，需建立定期常态化安全评估复测机制，固定月度自查评估、季度专项测评、年度全面综合评估的常态化评估节奏。评估重点核查大模型日常运行安全状态、日志审计留存合规性、运维操作规范执行情况、异常交互事件处置情况、漏洞补丁更新整改情况、生成内容常态化合规情况。持续复测大模型防越狱、防诱导、防敏感信息泄露核心防护能力，排查长期运行过程中出现的配置漂移、防护弱化、权限粗放、策略失效等次生安全隐患，动态更新安全防护策略与管控规则，确保大模型长期运行安全合规、防护不弱化、管控不松懈。5.5版本迭代升级与模型微调变更安全评估。大模型开展参数微调、版本升级、算法优化、场景功能迭代、安全策略调整各类变更工作前及变更完成后，必须开展迭代变更专项安全复测评估。评估重点核查迭代升级前数据备份完整性、变更测试环境安全性、升级过程风险防控措施有效性、迭代后安全防护策略一致性、生成内容合规稳定性、接口调用安全性。复测核验迭代变更未新增安全漏洞、未弱化安全对齐约束、未降低防护基线、未引发数据泄露风险，迭代整改出现的安全问题立即回退优化、闭环处置，严禁未经安全复测评估的模型迭代变更直接投入正式运行，杜绝迭代升级引入新增安全合规风险。5.6模型停用下线与退役销毁阶段安全评估。大模型达到使用年限、业务终止替换、模型迭代退役停用下线阶段，需开展退役下线专项安全收尾评估工作。评估重点核查大模型核心训练数据、微调数据、交互日志、敏感记忆数据加密归档备份情况、运维账号权限全面注销回收情况、模型运行配置安全销毁情况、存储数据安全擦除处置情况。核查退役收尾工作全程留痕归档、可追溯核验，排查退役后数据残留、权限遗留、模型复用泄露等后续衍生安全隐患，确保大模型退役下线全程安全合规、数据可控、风险清零。6训练数据安全层专项安全评估要求6.1数据采集合规性安全评估。专项评估大模型训练数据、微调数据、标注数据全量采集工作合规性，核查数据采集主体资质齐全、采集行为符合法律法规要求、采集授权同意手续完备，不存在未经授权私自采集个人信息、企业经营数据、政务敏感数据、第三方版权数据等违规行为。评估数据采集严格遵循最小必要原则，无超范围、超权限、超场景过度采集数据问题，数据采集来源可溯源、权属清晰明确、采集流程规范留痕，杜绝非法爬取、违规采集、越权获取各类敏感数据用于模型训练，从源头筑牢大模型数据合规基础。6.2数据分类分级与脱敏去标识化评估。评估大模型所有训练数据严格落实数据分类分级管理要求，按照敏感程度精准划分数据安全等级，实行差异化安全管控与差异化评估标准。专项核查敏感个人信息、核心业务数据、涉密关联数据是否完成严格脱敏处理、去标识化加工、匿名化处置，明文敏感数据不得直接用于模型预训练与微调，脱敏处理流程合规、处置效果达标、加工记录完整留存。评估数据脱敏与去标识化后不可逆、无法还原识别特定自然人及核心敏感信息，防范模型训练记忆导致的敏感数据明文泄露风险。6.3数据标注与数据污染防控安全评估。评估大模型数据标注工作安全规范性，核查标注人员权限管控、标注操作审计、标注内容审核、标注不良数据剔除机制健全有效，标注过程无恶意标注、违规标注、不良信息混入标注数据集问题。专项评估训练数据集不良信息、违法违规内容、偏见歧视内容、虚假造谣内容筛查清理情况，建立数据污染常态化排查剔除机制，严防训练数据自带不良样本导致大模型天生生成违规内容、形成固有偏见缺陷，从训练源头防控模型内容安全固有风险。6.4数据存储使用与备份销毁安全评估。评估大模型训练数据、标注数据、微调数据存储加密防护合规性，核心敏感数据加密存储、访问权限精细化管控，数据访问操作全程审计留痕。核查数据常态化备份恢复机制健全有效，备份数据安全防护与主数据防护标准一致，定期开展备份恢复实测验证。评估数据使用范围严格限定模型训练微调专属用途，无违规对外共享、私自导出、跨界流转问题，数据退役销毁安全合规、彻底擦除、全程留痕，杜绝数据存储使用销毁环节出现数据泄露安全隐患。7模型研发训练层专项安全评估要求7.1研发代码与开源组件安全评估。专项评估大模型核心研发代码、框架代码、二次开发代码安全质量，开展代码安全审计、漏洞静态扫描、缺陷动态检测，核查代码无高危注入漏洞、权限绕过漏洞、后门预留缺陷、硬编码密钥配置等安全隐患。重点评估大模型所用开源框架、开源算法库、第三方开源组件安全合规性，排查开源组件已知高危漏洞、停服老旧组件、存在后门风险组件，核查漏洞补丁及时修复、组件合规替换整改到位，建立开源组件常态化安全台账与漏洞更新机制，严防开源组件漏洞引发模型运行安全风险。7.2模型算法与后门隐蔽风险安全评估。聚焦大模型算法黑盒特性开展专项深度安全评估，核查模型算法逻辑合规、无恶意隐蔽触发机制、无预留特殊后门指令、无隐蔽违规触发逻辑。通过专项算法检测、多场景触发测试、隐蔽指令模拟交互等方式，排查模型是否存在特定关键词、特殊Prompt即可触发违规作恶、数据泄露、权限越权的隐蔽后门风险。评估模型研发过程权限隔离、操作分权制衡，无单人全权管控研发权限、无私自修改算法逻辑植入后门的操作空间，确保大模型算法内生安全、无隐蔽恶意风险。7.3训练环境与研发运维权限安全评估。评估大模型训练集群、研发服务器、研发测试环境安全加固合规性，环境基线安全配置达标、高危端口关闭、弱口令清零、访问权限严控。专项评估研发运维账号权限最小化分配情况，账号专人专用、权限分级管控、操作授权审批、运维全程审计留痕，无超级通用账号、无多人共用账号、无过度赋权粗放管控问题。核查研发训练操作全程日志留存、不可篡改、可追溯追责，严防研发运维阶段越权操作、恶意篡改模型配置、违规泄露模型核心代码风险。8微调对齐安全层专项安全评估要求8.1安全对齐训练有效性专项评估。核心评估大模型安全对齐训练整体实施效果，核查安全对齐训练覆盖违法违规、暴力色情、歧视偏见、虚假造谣、政治敏感、隐私泄露全品类不良内容管控场景，对齐训练规则完备、训练样本合规、约束逻辑健全。通过多批次标准化测试样本、多场景合规交互测试，核验大模型正常合规问题正常应答、恶意违规提问有效拒答、敏感诱导提问坚决拦截，安全对齐约束持续有效、无明显防护短板，筑牢大模型内容生成核心安全约束根基。8.2模型越狱与恶意诱导防护能力评估。作为大模型安全评估核心重点测评项，通过各类典型越狱Prompt、复杂恶意诱导指令、多轮连环诱导交互、变体伪装诱导提问等专项模拟测试，全面评估大模型防越狱、防诱导、防绕过安全防护能力。核查大模型能够有效识别各类新型诱导攻击手段，对恶意诱导指令一律拒绝生成违规内容、触发安全告警、阻断后续交互，无轻易被越狱突破、被诱导作恶、被绕过管控生成不良内容问题，针对新型诱导攻击具备自适应防护识别能力。8.3微调变更与安全策略管控评估。评估大模型专项安全微调、场景适配微调操作合规管控情况，微调工作必须履行授权审批流程、微调操作全程审计留痕、微调后安全复测合格方可生效。核查安全防护策略、内容拦截规则、敏感词库、违规管控清单动态更新优化机制健全，适配新型网络不良信息、新型诱导攻击手段持续迭代优化，微调变更不得弱化安全对齐防护、不得降低合规管控标准，确保微调后大模型安全防护力度不下降、合规水平不降低。9推理服务运行层专项安全评估要求9.1推理部署集群运行安全评估。评估大模型推理服务部署集群、推理服务器、运行虚拟化环境安全加固合规性，集群安全基线配置达标、漏洞补丁及时更新、运行资源隔离有效、多租户隔离管控到位。核查推理集群运行状态常态化监测、异常故障告警、故障自愈恢复机制健全，集群无违规开放端口、无未授权访问通道、无不安全运行配置，保障大模型在线推理服务持续稳定、安全可靠运行，不因集群安全问题引发服务中断、模型失控风险。9.2推理接口与调用访问安全评估。专项评估大模型对外推理服务接口、内部服务交互接口安全防护情况，接口身份认证、调用权限校验、请求参数过滤、访问流量限流、异常调用拦截防护机制健全有效。核查接口无未授权匿名调用、无越权跨场景调用、无接口暴露滥用安全隐患，接口调用操作全程日志留存、调用行为可追溯核查，严控高频恶意调用、批量异常请求、接口注入攻击风险，筑牢大模型推理访问安全关口。9.3模型运行异常与风险处置评估。评估大模型在线运行异常行为监测、安全风险实时告警、异常请求快速阻断机制健全有效，实时监测模型异常生成、批量违规交互、恶意持续诱导、接口异常调用等风险行为，发现异常立即自动阻断、触发告警、留存溯源记录。核查模型运行过程无内存数据泄露、会话信息残留、敏感记忆数据外泄问题，运行异常故障可快速处置、服务可快速恢复，保障大模型运行安全可控、风险及时处置。10应用交互接入层专项安全评估要求10.1人机交互与Prompt注入防护评估。评估大模型前端人机交互页面、对话交互端口安全防护情况，重点核查Prompt注入攻击、恶意脚本注入、畸形交互指令防护拦截机制有效健全。核验交互输入内容前置安全过滤、违规内容预处理、恶意指令识别拦截到位，外部恶意输入无法篡改模型运行逻辑、无法绕过安全管控、无法诱导模型违规生成，人机交互全程安全可控、输入风险有效拦截。10.2用户访问身份与权限管控评估。评估大模型各类访问用户、运维人员、运营管理人员身份统一管理与多因素认证落实情况，用户权限基于最小履职刚需精细化分配，权责清晰、互不越权、账号专人专用。核查关键操作、敏感查询、批量交互、核心功能调用增加二次授权确认机制，用户访问登录、交互操作、内容生成全程日志加密留存、长期保存、不可篡改，严防账号冒用、越权操作、违规交互安全风险。10.3生成内容前置审核与输出合规评估。评估大模型生成内容输出前置安全审核机制建设与运行有效性，所有模型生成内容对外输出前必须经过合规审核、不良内容过滤、敏感信息脱敏处理，审核不通过内容严禁对外展示发布。核查内容审核覆盖文本、多模态全类型生成内容，审核规则贴合国家合规要求与公序良俗，违规内容自动拦截、告警记录、溯源处置，确保对外输出内容全程合规合法、无不良有害信息。11安全运营管理与供应链第三方专项安全评估要求11.1安全管理制度与人员管理评估。评估大模型运营单位安全管理组织架构健全、安全管理制度体系完善、岗位安全责任明确落实，涵盖模型研发、训练微调、部署运行、运维管控、应急处置、合规自查全流程管理制度。核查安全管理人员配备到位、人员安全培训常态化开展、岗位安全履职规范落实，人员离岗离职权限及时回收、保密义务严格履行，无管理缺位、责任悬空、人员操作不规范引发的安全合规风险。11.2日志审计溯源与合规自查评估。评估大模型全流程安全日志审计体系健全，研发训练、微调操作、推理调用、人机交互、运维操作、异常事件全量日志完整留存、加密存储、长期保存、不可篡改，满足合规审计、事件溯源、追责问责需求。核查运营单位常态化合规自查、定期安全内审机制落实，自查问题台账建档