CorrectGuard: Eyes-Off Correctness Estimation for Black-Box Security Guardrails
该论文聚焦 AI 服务中广泛部署的"黑盒安全护栏"(guardrail)的审计难题。现实中,出于隐私与合规要求,审计方往往处于两种受限状态:一是"人类不可见"(human eyes-off),即禁止人工查看用户输入内容;二是"机器不可见"(
#ai-audit
共收录 2 条相关情报。
← 返回所有主题The Acknowledgment Point Is the System: Durable Policy-Decision Receipts for AI Audit Evidence
本文针对AI审计记录在持久性和信任边界上的关键约束进行了深入探讨。作者指出，若在持久化写入前就返回受保护的决策，虽能最小化延迟，但无法保证证据在系统立即崩溃后仍然存活。为此，他们重新构建了RuntimeGuard-AI研究原型，将每个确定性