Guardrails for Amazon Bedrock 基于具体使用案例与负责任 AI 政策实现定制式安全保障(预览版)

本文主要是介绍Guardrails for Amazon Bedrock 基于具体使用案例与负责任 AI 政策实现定制式安全保障(预览版),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

作为负责任的人工智能(AI)战略的一部分,您现在可以使用 Guardrails for Amazon Bedrock(预览版),实施专为您的用例和负责任的人工智能政策而定制的保障措施,以此促进用户与生成式人工智能应用程序之间的安全交互。

亚马逊云科技开发者社区为开发者们提供全球的开发技术资源。这里有技术文档、开发案例、技术专栏、培训视频、活动与竞赛等。帮助中国开发者对接世界最前沿技术,观点,和项目,并将中国优秀开发者或技术推荐给全球云社区。如果你还没有关注/收藏,看到这里请一定不要匆匆划过,点 这里让它成为你的技术宝库!

亚马逊云科技致力于以负责任、以人为本的方式开发生成式人工智能,并注重教育和科学,帮助开发人员在整个人工智能生命周期中整合负责任的人工智能。借助 Guardrails for Amazon Bedrock,您可以持续实施保障措施,在符合公司政策和原则的情况下,为用户提供相关且安全的体验。Guardrails 可帮助您定义拒绝主题和内容过滤器,以便从用户与应用程序之间的交互过程中删除不良和有害内容。除基础模型(FM)中内置的各种保护措施外,这又提供了额外控制。

您可以为 Amazon Bedrock 中的所有大型语言模型(LLM)装上护栏,包括自定义模型和 Agents for Amazon Bedrock。这可以提高在应用程序间部署首选项的一致性,进而令您安全地开展创新,同时根据您的要求密切管理用户体验。通过对安全和隐私控制加以标准化处理,Guardrails for Amazon Bedrock 可有助于您构建符合负责任人工智能目标的生成式人工智能应用程序。

图片

以下,将简要介绍 Guardrails for Amazon Bedrock 所提供的关键控制。

关键控制

使用 Guardrails for Amazon Bedrock,您可以定义以下政策集,为您的应用程序保驾护航。

拒绝主题 - 您可以使用简短的自然语言描述,定义一组在应用程序语境中不受欢迎的主题。例如,作为银行的开发人员,您可能希望为网上银行应用程序设置一个助手,避免提供投资建议。

我指定了一个名为“投资建议”的拒绝主题,并提供了一段自然语言描述,例如“投资建议是指以产生回报或实现特定财务目标为目的的有关资金或资产管理或分配的询问、指导或建议”。

图片

图片

内容过滤器 - 您可以配置用于过滤仇恨、侮辱、性和暴力等各类有害内容的阈值。虽然许多基础模型已经内置了保护措施,以防止产生不良和有害反应,但 Guardrails 为您提供了额外的控制功能,可根据您的用例和负责任的人工智能政策,将此类互动过滤至预期程度。过滤器强度越高,过滤就越严格。

图片

PII 编辑(计划中)- 您将可以选择一组可在基础模型生成的响应中进行编辑的个人身份信息(PII),例如姓名、电子邮件地址和电话号码,或者在用户输入含有 PII 的内容时加以阻止。

Guardrails for Amazon Bedrock 与 Amazon CloudWatch 相集成,因此您可以监控和分析违反 Guardrails 中所定义政策的用户输入和基础模型响应。

加入预览

今日推出的 Guardrails for Amazon Bedrock 是有限预览版。如果您想要获取 Guardrails for Amazon Bedrock,请通过您平常的亚马逊云科技支持团队联系人联系我们。

在预览期间,Guardrails 可应用于 Amazon Bedrock 中的所有大型语言模型(LLM),包括 Amazon Titan Text、Anthropic Claude、Meta Llama 2、AI21 Jurassic、以及 Cohere Command。您也可以将 Guardrails 用于自定义模型以及 Agents for Amazon Bedrock。

要了解更多信息,请访问 Guardrails for Amazon Bedrock 网页。

文章来源:
https://dev.amazoncloud.cn/column/article/65717fbde1a2aa6fd35233c9?sc_medium=regulartraffic&sc_campaign=crossplatform&sc_channel=CSDN

这篇关于Guardrails for Amazon Bedrock 基于具体使用案例与负责任 AI 政策实现定制式安全保障(预览版)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/500925

相关文章

基于Python实现一个图片拆分工具

《基于Python实现一个图片拆分工具》这篇文章主要为大家详细介绍了如何基于Python实现一个图片拆分工具,可以根据需要的行数和列数进行拆分,感兴趣的小伙伴可以跟随小编一起学习一下... 简单介绍先自己选择输入的图片,默认是输出到项目文件夹中,可以自己选择其他的文件夹,选择需要拆分的行数和列数,可以通过

Python中将嵌套列表扁平化的多种实现方法

《Python中将嵌套列表扁平化的多种实现方法》在Python编程中,我们常常会遇到需要将嵌套列表(即列表中包含列表)转换为一个一维的扁平列表的需求,本文将给大家介绍了多种实现这一目标的方法,需要的朋... 目录python中将嵌套列表扁平化的方法技术背景实现步骤1. 使用嵌套列表推导式2. 使用itert

使用Docker构建Python Flask程序的详细教程

《使用Docker构建PythonFlask程序的详细教程》在当今的软件开发领域,容器化技术正变得越来越流行,而Docker无疑是其中的佼佼者,本文我们就来聊聊如何使用Docker构建一个简单的Py... 目录引言一、准备工作二、创建 Flask 应用程序三、创建 dockerfile四、构建 Docker

Python使用vllm处理多模态数据的预处理技巧

《Python使用vllm处理多模态数据的预处理技巧》本文深入探讨了在Python环境下使用vLLM处理多模态数据的预处理技巧,我们将从基础概念出发,详细讲解文本、图像、音频等多模态数据的预处理方法,... 目录1. 背景介绍1.1 目的和范围1.2 预期读者1.3 文档结构概述1.4 术语表1.4.1 核

Python使用pip工具实现包自动更新的多种方法

《Python使用pip工具实现包自动更新的多种方法》本文深入探讨了使用Python的pip工具实现包自动更新的各种方法和技术,我们将从基础概念开始,逐步介绍手动更新方法、自动化脚本编写、结合CI/C... 目录1. 背景介绍1.1 目的和范围1.2 预期读者1.3 文档结构概述1.4 术语表1.4.1 核

在Linux中改变echo输出颜色的实现方法

《在Linux中改变echo输出颜色的实现方法》在Linux系统的命令行环境下,为了使输出信息更加清晰、突出,便于用户快速识别和区分不同类型的信息,常常需要改变echo命令的输出颜色,所以本文给大家介... 目python录在linux中改变echo输出颜色的方法技术背景实现步骤使用ANSI转义码使用tpu

Conda与Python venv虚拟环境的区别与使用方法详解

《Conda与Pythonvenv虚拟环境的区别与使用方法详解》随着Python社区的成长,虚拟环境的概念和技术也在不断发展,:本文主要介绍Conda与Pythonvenv虚拟环境的区别与使用... 目录前言一、Conda 与 python venv 的核心区别1. Conda 的特点2. Python v

Spring Boot中WebSocket常用使用方法详解

《SpringBoot中WebSocket常用使用方法详解》本文从WebSocket的基础概念出发,详细介绍了SpringBoot集成WebSocket的步骤,并重点讲解了常用的使用方法,包括简单消... 目录一、WebSocket基础概念1.1 什么是WebSocket1.2 WebSocket与HTTP

C#中Guid类使用小结

《C#中Guid类使用小结》本文主要介绍了C#中Guid类用于生成和操作128位的唯一标识符,用于数据库主键及分布式系统,支持通过NewGuid、Parse等方法生成,感兴趣的可以了解一下... 目录前言一、什么是 Guid二、生成 Guid1. 使用 Guid.NewGuid() 方法2. 从字符串创建

Python使用python-can实现合并BLF文件

《Python使用python-can实现合并BLF文件》python-can库是Python生态中专注于CAN总线通信与数据处理的强大工具,本文将使用python-can为BLF文件合并提供高效灵活... 目录一、python-can 库:CAN 数据处理的利器二、BLF 文件合并核心代码解析1. 基础合