Lakera Guard
Lakera Guard是专注于大语言模型与AI应用安全防护的服务平台，核心定位是为各类AI应用提供轻量化的安全能力接入，帮助组织规避AI应用落地过程中的多种安全风险
Lakera Guard是专注于大语言模型与AI应用安全防护的服务平台，核心定位是为各类AI应用提供轻量化的安全能力接入，帮助组织规避AI应用落地过程中的多种安全风险。其核心功能包括prompt注入攻击检测、敏感数据泄露拦截、有害生成内容过滤，支持通过一行代码完成接入，无需对原有AI模型架构进行大幅调整。目标用户覆盖AI应用开发者、企业安全运维人员、AI产品负责人等，适用于企业内部AI助手搭建、对外商业化AI服务部署、大模型应用合规改造等多种场景，助力组织在发挥AI效能的同时满足安全与合规要求。
- 适用对象
- AI应用开发者(产品开发阶段安全能力集成)
- 主要功能
- 注入攻击检测、敏感数据拦截
- 计费方式
- 免费增值，部分功能付费
- 平台
- 网页
- 已收录
- 2026.06.14（138 天）
阅读目录
编辑评测与站内热度
编辑综合评分
满分 5 分
六维指标基于站内真实数据（热度、社区反馈、资料完整度、可达性核验等）综合评估，非用户投票。
全站热度排名
#1970
分类内排名
#39 / 393
累计站内点击
—
近 7 日点击
—
排名与点击为站内真实统计口径，反映 Toolifai 用户行为，非编辑评分。
Lakera Guard是什么，怎么使用？
约 4 分钟Lakera Guard是专注于大语言模型与AI应用安全防护的服务平台，核心定位是为各类AI应用提供轻量化的安全能力接入，帮助组织规避AI应用落地过程中的多种安全风险。其核心功能包括prompt注入攻击检测、敏感数据泄露拦截、有害生成内容过滤，支持通过一行代码完成接入，无需对原有AI模型架构进行大幅调整。目标用户覆盖AI应用开发者、企业安全运维人员、AI产品负责人等，适用于企业内部AI助手搭建、对外商业化AI服务部署、大模型应用合规改造等多种场景，助力组织在发挥AI效能的同时满足安全与合规要求。
主要功能
- 注入攻击检测：平台内置多维度prompt注入特征库，接入后会自动对所有用户输入的prompt内容进行实时扫描，通过语义分析、行为特征匹配等方式识别绕过式提示、越狱式指令等各类注入风险，检测到异常请求时会直接拦截并返回风险告警，避免大模型被引导执行非预设指令。
- 敏感数据拦截：支持自定义敏感数据识别规则，可配置企业内部编号、个人身份信息、商业机密关键词等检测维度，用户输入或大模型返回内容中命中规则时，会自动对敏感内容进行脱敏替换或者直接拦截传输，防止内部数据通过prompt输入或者模型响应的路径发生泄露。
- 有害内容过滤：覆盖暴力、歧视、虚假信息、违法指令等多类有害内容标签，会同时对用户输入和大模型生成结果进行双重校验，识别到符合有害特征的内容时会自动阻断响应，避免AI应用生成不符合公序良俗或者违反监管要求的内容，降低应用运营的合规风险。
- 轻量化接入支持：提供适配主流大模型接口的SDK与API接入方案，开发者仅需要在原有AI应用的请求链路中添加一行调用代码，即可完成安全防护能力的接入，无需修改原有大模型的调用逻辑与底层架构，通常数分钟即可完成整个接入配置流程。
- 安全日志审计：平台会自动记录所有被拦截的风险请求详情，包括请求来源、风险类型、触发时间、原始内容等信息，支持按时间、风险类型、用户标识等维度进行筛选查询与导出，方便安全团队进行风险溯源、安全策略优化以及合规审计工作。
- 自定义规则配置：支持企业根据自身业务场景调整安全防护策略，可设置不同风险类型的处置方式，例如对部分低风险内容选择告警而非拦截，也可添加业务专属的风险关键词与识别规则，让安全防护策略适配不同行业的业务特性与合规要求。
怎么使用
- 第一步，访问Lakera Guard官方网站，点击注册按钮创建企业或个人账号，完成邮箱验证与基础信息填写后进入控制台界面。第二步，在控制台中选择对应接入场景，获取专属的API访问密钥，根据自身使用的大语言模型类型选择对应的接入文档。第三步，参考文档示例在原有AI应用的请求代码中添加Lakera Guard的调用逻辑，仅需要一行代码即可将用户输入与模型输出接入安全检测链路。第四步，在控制台的规则配置页面，根据业务需求设置敏感数据识别规则、风险处置方式、自定义风险关键词等防护策略。第五步，完成配置后进行测试验证，模拟注入攻击、敏感数据输入等场景确认防护生效，后续可在日志模块查看风险记录并优化策略。
适合什么人群
- AI应用开发者(产品开发阶段安全能力集成)
- 企业安全团队(AI应用安全合规管控)
- SaaS服务提供商(对外AI服务风险防控)
- 金融机构(内部AI助手数据安全防护)
- 教育机构(学生用AI工具内容合规管理)
- 电商平台(AI客服内容风险管控)
总结
在AI应用快速落地的当下，大模型的安全风险是很多组织在部署AI服务时的核心顾虑，这款产品的价值在于将复杂的AI安全能力封装成了轻量化的接入模块，降低了企业构建安全AI应用的门槛。不同于需要适配模型底层的安全方案，它以旁路检测的方式接入，不会影响原有大模型的响应性能，同时支持灵活的规则自定义，能够适配不同行业的合规要求。对于没有专门AI安全团队的中小企业而言，不需要投入大量资源进行安全能力自研，通过简单接入就能覆盖prompt注入、数据泄露、有害内容三类核心风险，对于有合规要求的企业来说，自带的安全审计日志也能满足大部分监管场景的溯源需求。目前其适配了市面上绝大多数主流大模型的接口，不管是使用公有大模型还是私有化部署的大模型，都可以快速完成接入，适合在AI应用上线前快速补充安全防护能力。
价格与免费额度
平台提供免费版与多个付费套餐，免费版支持每月1000次的安全检测调用，包含基础的prompt注入检测、有害内容过滤功能，适合个人开发者或者小型项目测试使用。付费版分为基础企业版、高级企业版与定制版，基础企业版每月费用为99美元起，包含每月10万次调用额度与基础的自定义规则配置能力，适合中小型企业的AI应用使用；高级企业版每月费用为499美元起，包含不限调用次数、完整的自定义规则、日志审计与专属技术支持，适合中大型企业规模化的AI服务部署；定制版价格需要根据企业的个性化需求单独报价，支持私有部署、专属规则训练等服务，适合对数据安全要求较高的金融、政务等行业使用。建议用户先使用免费版进行功能测试，匹配自身业务需求后再选择对应付费套餐。
优点与不足
优点
- 接入流程轻量化，仅需一行代码即可完成集成，无需调整原有AI模型架构
- 覆盖prompt注入、数据泄露、有害内容三类核心AI安全风险，防护维度全面
- 支持自定义防护规则，可根据不同行业业务特性调整检测维度与处置方式
- 提供完整的安全审计日志，支持风险溯源与合规审计，满足监管相关要求
不足
- 部分小众开源大模型的适配度较低，需要自行修改接入逻辑才能正常使用
- 自定义规则的配置逻辑较复杂，没有相关经验的人员需要参考文档逐步调试
- 免费版的请求调用额度有限，仅适合小型测试场景使用，规模化应用需要付费
能帮你做的 8 件事
- 01注入攻击检测
- 02敏感数据拦截
- 03有害内容过滤
- 04轻量化接入支持
- 05AI安全场景的常用方案
- 06大模型防护场景的常用方案
- 07AI应用开发者(产品开发阶段安全能力集成)的日常效率工具
- 08先用免费额度验证需求再决定付费
更新历史
- Lakera Guard 收录进 Toolifai 目录
- 页面资料核验与信息更新
常见问题
Lakera Guard支持哪些大语言模型接入？
目前Lakera Guard原生适配OpenAI全系列模型、Anthropic Claude系列、Google Gemini系列、百度文心一言、阿里通义千问等市面主流的公有大模型接口，同时也支持接入私有化部署的开源大模型，例如Llama系列、Mistral系列、Qwen系列等。对于开源大模型，用户只需要按照官方文档中的通用接入规范，将安全检测模块添加到模型的请求与响应链路中即可使用，部分较新的小众开源模型可能需要自行调整部分参数适配，官方也会定期更新适配的模型列表，用户可以在官网的文档中心查看最新的适配情况。
接入Lakera Guard会影响大模型的响应速度吗？
Lakera Guard的安全检测平均延迟在20ms到50ms之间，相对于大模型本身的响应耗时来说占比很低，大部分场景下用户几乎感知不到延迟差异。平台采用分布式部署架构，会根据用户的请求区域自动调度最近的服务节点进行检测，同时支持批量请求处理，高并发场景下也能保持稳定的响应速度。如果用户对延迟有极高的要求，也可以选择在控制台中调整检测策略，仅开启核心的风险检测维度，进一步降低检测耗时，通常不会对AI应用的用户体验造成明显影响。
平台会存储用户的prompt与模型响应内容吗？
平台默认仅存储风险请求的相关内容用于审计溯源，正常的非风险请求内容不会进行持久化存储，用户也可以在控制台中自行调整存储策略，选择关闭所有内容存储，或者设置日志的自动留存周期，最长留存周期不超过90天。对于有数据驻留要求的用户，平台也提供区域节点选择功能，可以选择将请求调度到对应国家或地区的节点进行处理，满足不同地区的数据合规要求。如果是选择私有部署方案的用户，所有的请求处理与数据存储都在用户自身的服务器中完成，Lakera Guard官方不会获取任何请求相关的数据。
自定义规则配置支持哪些类型的识别规则？
自定义规则支持三种类型的配置，第一种是关键词匹配规则，用户可以添加业务专属的敏感关键词、风险指令关键词，设置命中后的处置方式；第二种是正则表达式规则，可用于识别身份证号、银行卡号、企业内部编号等有固定格式的敏感数据；第三种是语义规则，可设置对应的语义标签，例如禁止讨论特定的业务话题、禁止输出特定类型的内容，平台会通过语义分析识别相关内容。用户还可以为不同的规则设置不同的风险等级，对应不同的处置方式，包括直接拦截、脱敏替换、仅记录告警等，适配不同的业务场景需求。
如果出现误拦截的情况该怎么处理？
如果出现正常的业务请求被误拦截的情况，用户可以在控制台的日志模块中找到对应的请求记录，点击误判反馈按钮提交给平台团队，官方会在24小时内进行审核调整，优化检测模型的识别准确率。同时用户也可以自行在规则配置中添加白名单，将特定的关键词、特定的用户ID或者特定的请求来源加入白名单，白名单内的内容不会进行安全检测，避免正常业务请求被拦截。此外，用户也可以调整对应风险类型的检测敏感度，降低敏感度可以减少误拦截的概率，但可能会增加漏检的风险，建议用户根据自身业务的风险容忍度进行调整。
开始使用 Lakera Guard
从官方入口了解最新功能与使用方式。
由 Toolifai 编辑维护
欢迎产品方补充截图、功能介绍与官方资料。更新和纠错由编辑审核后发布。
