PRODUCT PREVIEW
产品界面预览
数据投毒检测 的平台界面预览，采用 AEGIS 统一安全平台一致的设计语言，展示核心工作流与数据视图。
CORE CAPABILITIES
核心能力
围绕多种数据形态，识别多类投毒与隐蔽后门威胁。可疑样本一键隔离，留存证据链。让训练数据从"信任开源"变成"先验后用"。
01
多类投毒 / 后门 / 异常检测算法
融合多种业界主流检测算法，覆盖触发器后门、一致性异常、聚类异常等多类攻击形态，多算法并行投票提升检测可靠性。
02
多形态数据全覆盖
主流数据形态全面汇入训前安全检测平台，与训练流水线自动对接。
03
全场景投毒检测能力
同时覆盖传统监督学习、LLM 训练数据与 RAG 知识库的投毒检测，多算法并行后可疑样本一键隔离。
04
国密证据链与召回接口
检测到投毒 / 后门 / 异常立即标记并阻止上训练流程，可疑样本与处理记录留存国密证据链，提供召回与复核接口。
GB/T 45654-2025
数据安全法
NIST AI RMF
国密 SM2/SM3/SM4 · 信创全栈
USE CASES
典型应用场景
围绕实际业务节奏与合规节点，落地到团队可复用的安全流程。
自建大模型训练数据准入闸门
面向自建大模型与垂域模型的金融、医疗、政务、教育、互联网客户。
开源数据集采用前的安全审查
面向制造、车企等工业数据训练负责人，采用 HuggingFace 等开源数据集前先做一次专项深检。
检索增强生成知识库的入库筛查
面向模型运营（MLOps）数据质量岗，对 RAG 知识库入库内容做投毒筛查。
模型上线后疑似数据问题的回溯审计
面向第三方数据测评与审计机构，对疑似数据问题做事后回溯审计。
OUTCOMES
客户成效
以下为典型值，具体收益以 POC 一案一议为准。
多算法
投毒 / 后门 / 异常检测算法并行投票
成本前置
把大模型重训的高额成本前置消解为一次性数据扫描
全场景
传统训练数据与大模型语料统一覆盖检测
FAQ
常见问题
客户最常关心的 5 个问题，更多请联系售前顾问。
研究已多次证明少量投毒样本即可在大模型中形成持久后门，公开数据集被投毒的事件也已多次发生，采用前做一次专项深检是稳妥做法。
采用多算法并行投票，可疑样本进入复核工作台，而非直接丢弃。
支持作为训练流水线的前置闸门,与主流编排工具集成,检测到投毒即阻止上训练流程。
可疑样本与处理记录全程留存国密证据链,支持事后审计与召回。
支持私有化与气隙部署,适配信创与央国企强管控诉求。