技术应对措施。

针对模型算法、

训练数据、

算⼒设施、

产品服务、 应⽤场景，

提出通过安全软件开发、

数据质量提升、

安全建设运维、

测评监 测加固等技术⼿段，

提升⼈⼯智能技术及应⽤安全性的措施。 2.3

综合治理措施。

提出技术研发机构、

服务提供者、

⽤⼾、

政府部 ⻔、

社会组织等各⽅发现、

防范、

应对⼈⼯智能安全⻛险的措施⼿段，

以及 深化⼈⼯智能安 确保模型算法训练环境的安全性，
包括⽹络安全配置和数据加 密措施等。
结合安全测试发现的⾼⻛险问题，
通过针对性的微调、
强化学 习等⽅式优化模型，
持续提升模型内⽣安全能⼒。 6.1.4
关注和构建安全的训练数据集，
规范数据来源管理，
采⽤数据清 洗、
标注、
安全审核等⽅法确保训练数据内容的安全性，
确保数据来源清 晰、
内容合规。 6.1.5
对训练数据进⾏质量和安全性评估，
保障在关键场景应⽤中⼈⼯智能应⽤决策透明、
可控，
并提供清晰的决策依据，
确保⼈⼯智能应⽤在⼈类授权和控制下运⾏。 6.3.2
严格管理⼈⼯智能应⽤权限，
通过最⼩权限原则等⼿段强化内 部安全管理，
增强账⼾安全性，
在处理敏感数据时使⽤加密技术等保护措 施。 6.3.3
建⽴⼈⼯智能应⽤运⾏监测能⼒和安全事件应急预案，
设置其 关键指标的安全预警阈值，
能够及时发现安全事件，
并具备切换到⼈⼯或