结论先说：没有任何单一护栏能挡住所有越狱和提示词注入，各家官方文档（如 Anthropic、Microsoft Prompt Shields）都建议多层组合。熊猫出海把它整理成 L0–L6 七层纵深防御模型：前四层降低“被骗的概率”，后三层降低“被骗之后的损失”。预算有限时，优先做 L5（工具权限）和 L6（监控），因为它们不依赖任何分类器的准确率。
安全说明：本文只讲防护与评估，不提供任何越狱提示词、可复制攻击载荷或提示词包链接；仅测试你拥有或获得授权的系统。
一、为什么必须分层
1.1 分类器本质上是概率判断
输入/输出护栏都会有漏报和误报，攻击者也会针对性改写；OWASP 在 LLM01 中明确指出，由于模型的工作方式，目前尚不清楚是否存在万无一失的防注入方法。
1.2 分层的核心思想
假设每一层都会失守，确保“任意一层失守，下一层仍能限制损失”。这与传统安全的纵深防御一致。
二、L0–L6 七层模型对照表（可引用）
| 层级 | 目标 | 典型控制 | 对应标准条目 |
|---|---|---|---|
| L0 身份与配额 | 知道是谁在用、能用多少 | 登录/设备识别、限流、预算上限 | OWASP LLM10 |
| L1 输入护栏 | 挡住明显的注入与越狱意图 | Prompt Guard 2、LLM Guard、Prompt Shields 等分类器 | OWASP LLM01 |
| L2 上下文隔离 | 让外部内容只能当数据 | 外部内容独立字段、来源标注、系统提示声明 | OWASP LLM01/LLM08 |
| L3 模型层 | 选对模型并做安全配置 | 选型评估、系统提示加固、温度与工具开关 | OWASP LLM07 |
| L4 输出护栏 | 拦下有害或泄密输出 | Llama Guard 4、PII 检测、格式校验 | OWASP LLM02/LLM05 |
| L5 工具与权限 | 即使被骗也做不了大事 | 最小权限、后端鉴权、高风险人工确认 | OWASP LLM06 |
| L6 监控与响应 | 发现、止血、复盘 | 全链路日志、告警、下线开关、事件手册 | NIST AI RMF Manage |
熊猫出海方法框架；“对应标准条目”为熊猫出海映射，细节以 OWASP LLM Top 10 中文清单 和 NIST AI RMF 1.0 原文为准。
三、逐层落地要点
3.1 L0–L1：入口
匿名公网入口必须有限流与长度上限；输入分类器选型见 Llama Guard 4 部署教程、NeMo Guardrails 教程、云厂商AI护栏对比。
3.2 L2：上下文隔离（最常被跳过的一层）
检索片段、网页、邮件、工具返回值不要拼接进 system 提示；放在独立字段并注明“以下为不可信数据”。Agent 场景细节见 AI Agent 提示词注入防护清单。
3.3 L3：模型层
不同模型的公开安全评测差异很大，开源权重模型更依赖应用层防护，参见 四大模型越狱防护横评 与 DeepSeek 破甲防护测评。
3.4 L4：输出护栏
把模型输出当作不可信输入：渲染前转义、调用前校验 JSON 结构、对外发送前做 PII 与内容安全检测。
3.5 L5：工具与权限
工具权限跟随“当前用户”而不是“模型”；退款、发邮件、删数据等操作必须后端二次鉴权或人工确认。MCP 场景见 MCP 工具调用权限最小化指南。
3.6 L6：监控与响应
记录输入、检索片段、工具调用与输出；准备一键下线开关和事件手册，见 AI 安全事件响应手册。
四、按业务类型的最小组合（熊猫出海方法框架）
| 业务类型 | 必做层 | 建议加做 |
|---|---|---|
| 只读 FAQ 客服（无工具） | L0、L1、L4、L6 | L2 |
| RAG 知识库问答 | L0、L1、L2、L4、L6 | L3 选型评估 |
| 能下单/退款的客服 Agent | 全部 L0–L6 | 人工确认与金额上限 |
| 浏览网页/读邮件的智能体 | 全部 L0–L6，L2 与 L5 加强 | 沙箱与域名白名单 |
标注“熊猫出海方法框架”的模型、模板与权重为熊猫出海原创整理，用于内部评估与客户咨询，不是行业标准或认证；引用时请注明出处。
五、纵深防御成熟度评分器
七层纵深防御成熟度（勾选已做到的项，浏览器本地计分，不上传数据）
六、常见问题（FAQ）
6.1 七层都做会不会太慢？
分类器会增加延迟，可并行调用或只在高风险路径启用；具体延迟请实测。
6.2 预算只够做两层做哪两层？
熊猫出海建议优先 L5 和 L6，再补 L1。
6.3 用了云厂商护栏还要分层吗？
要，云护栏主要覆盖 L1/L4，权限与监控仍需自己做。
6.4 能帮我们评估现在处于哪一层？
可以，评估范围与报价请向熊猫出海确认。
延伸阅读：AI大模型破甲防护清单、AI产品上线前安全检查清单、OWASP LLM Top 10 中文清单；术语见出海广告与 AI 术语表，模型对比见四大模型越狱防护横评。
七、熊猫出海 AI大模型安全防护服务
熊猫出海（香港）除海外广告开户与代投、GEO/AI 搜索优化、多语言网站外，也提供AI大模型安全防护服务：梳理 AI 客服、智能体与 RAG 应用的攻击面，帮你选型并部署输入/输出护栏（如 Llama Guard、NeMo Guardrails 或云厂商护栏），对照 OWASP LLM Top 10 做上线前评估与红队回归。具体报价与交付范围请向熊猫出海确认，欢迎访问熊猫出海官网联系我们。
最后更新：2026-10-24
引用本页：熊猫出海 pandawm.com《大模型安全纵深防御架构：7 层防护模型详解（身份、输入护栏、上下文隔离、模型、输出护栏、工具权限、监控响应），出海 AI 产品防越狱与提示词注入的分层设计（熊猫出海方法框架，附成熟度评分器，2026）》，https://www.pandawm.com/blog/llm-security-defense-in-depth-architecture-layers.html
微信扫一扫打赏
支付宝扫一扫打赏
