本地Prompt注入防护：文本图文音频都能查
BordairAPI · reddit · 2026-07-20
Bordair Detector 是一个开源、可本地运行的 prompt injection / jailbreak 防护器，面向所有把用户输入送进 LLM 的应用。
- 采用 两阶段检测：先用规则/正则在 1ms 级别拦截明显攻击，只有模糊样本才送入量化后的 DeBERTa-v3 ONNX 分类器。
- 支持 多模态输入：不仅查文本，还能扫描 OCR 图片、EXIF/元数据、隐写内容、PDF/DOCX 和音频转写。
- 还能做 多轮检测，识别被拆分到多条消息里的攻击载荷。
- 全部本地运行，权重来自 Hugging Face，没有 API 依赖。
- 项目还附带数据集与模型权重，训练数据超过 50 万样本，并包含从实战红队游戏里收集的 13,230 条攻击样本。
这是一个很典型的 AI 安全/对齐基础设施工具。
「安全」频道最新
- AI 把漏洞补丁窗口压到几小时：先断网备份再谈安全 — aakashgupta · 2026-10-26
- NYT 专家圆桌:AI 公司该被怎样监管,五位专家分歧激烈 — ShakeelHashim · 2026-10-26
- DeepMind 试点全球首个双盲 AI 评测，密码学隔离防基准污染 — scychan_brains · 2026-10-26
- 用 LLM 估算 PHP 漏洞损失：量级粗估 10 亿至 40 亿美元 — S_OhEigeartaigh · 2026-10-26
- 多州暂停新建数据中心，72% 美国人反对建在家门口 — YvesMulkers · 2026-10-26
- LEMON 监控器:从注意力图零样本识别未见过的 LLM 幻觉与越狱 — yoavartzi · 2026-10-26