大模型企业落地的”安全门槛”：泛微小e智能体平台通过中国信通院32项安全测评

一、大模型企业落地的”安全门槛”

大模型技术正在经历从”技术验证”到”业务部署”的关键转折。在文本生成、代码辅助、信息检索、决策辅助等场景中，基于预训练大模型构建的智能应用展现出较强的通用能力，应用边界已经延伸到金融、政务、法律、医疗等对安全合规要求极高的行业。

然而，产业落地过程中，大模型带来的安全风险成为规模化推广的现实阻碍。与传统软件不同，大模型应用的风险不局限于系统漏洞、权限管理缺陷等传统安全范畴；模型训练数据、底层架构、推理机制等环节，还会衍生出对抗攻击、越狱输出、隐私泄露、违规内容生成等大模型特有风险。

如何管控这类新型风险，已经成为企业级AI落地必须解决的现实课题。对于面向政企客户的企业级AI平台而言，安全能力不仅是技术指标，更是进入市场的”通行证”。

二、中国信通院大模型安全测评体系解析

2.1 测评背景与目的

针对产业界对大模型安全评估的迫切需求，中国信息通信研究院（以下简称”中国信通院”）开展了大模型应用安全完备性测评工作。该测评从对抗性输入、越狱尝试、隐私抽取、内容违规等多个维度，对大模型应用开展系统化测试，旨在客观评估产品的安全完备水平，为大模型应用的产业落地提供安全能力参考依据。

2.2 测评维度与技术方法

中国信通院的测评体系覆盖了大模型应用安全的多个关键维度：

对抗性输入测试

越狱尝试测试

隐私抽取测试

内容违规测试

2.3 测评指标体系

测评采用用例驱动的方式，每个维度下设具体的测试用例。以本次测评为例，共计32项测试用例，覆盖上述四大安全维度。

三、案例实践：泛微小e智能体平台的安全测评之路

3.1 测评背景

2026年8月，中国信通院启动对泛微旗下泛微小e智能体平台软件（泛微数智大脑Xiaoe.AI）的大模型应用安全完备性测评工作。泛微小e智能体平台是面向企业的大模型智能底座平台，与协同办公系统深度融合，已经从7×24小时智能办公助手，升级为企业级智能协同中枢。

3.2 测评过程与结果

经过数周的系统化测试，2026年10月10日，测评工作完成。该平台全部32项测试用例顺利通过，标志着其在对抗防护、防越狱、隐私保护、内容合规等安全维度上，获得了权威第三方的验证认可。

四、平台技术架构：五大引擎如何支撑企业级智能

要理解泛微小e智能体平台为何能够通过严格的安全测评，需要从其技术架构层面进行分析。该平台采用”大模型+小模型+智能体”的协同架构，依托五大基础技术引擎构建企业级智能能力。

4.1 多模态智能采集引擎

该引擎负责自动采集OA文档、消息、网页等多源数据并完成汇聚，打通企业内部信息孤岛，构建实时的数据感知能力。从安全角度看，数据采集环节是数据安全的第一道防线——采集过程中的数据脱敏、权限管控、传输加密等安全机制设计，直接影响后续数据处理环节的安全基线。

4.2 智能检索与问答引擎

融合向量检索与大模型语义理解，输出精准、可信、可溯源的问答结果。该引擎采用”知识库检索+大模型输出+溯源验证”的技术路线，通过向量化存储、小模型精准检索、大模型总结输出的三级架构，在提升问答准确率的同时，通过溯源机制确保回答内容可追溯、可验证，有效降低了”幻觉”风险。

4.3 AI审核与逻辑校验引擎

结合业务规则体系、业务数据以及AI语义分析，完成文本与业务内容智能校验。该引擎采用”预置规则库+系统数据+AI语义理解”的融合校验模式，将刚性合规制度固化到自动化审核流程中，通过文本解析和逻辑推理提升审核效率与精准度，强化了风险防控与合规管理能力。

4.4 文本与数据互转引擎

依托OCR识别、文本解析、结构化建模，将非结构化内容转化为可复用的数据资产。该引擎通过训练OCR/文本比对/表格提取等专属小模型，实现自定义字段抽取，打通了非结构化数据到结构化数据的关键转化环节。

4.5 文本转意图转动作引擎

识别用户自然语言诉求，自动编排业务任务，实现从需求理解到任务自动执行的业务闭环。该引擎采用”小模型意图识别+大模型决策+调用动作指令”的技术路线，支持URL访问、点击、抓取、系统操作等自主执行能力，让AI从”回答问题”走向”动手干活”。