aegis

给大模型装上会自我进化的安全防火墙

aegis 是一个面向大型语言模型的自加固防火墙,属于基础设施类项目。它解决的是 LLM 在部署和交互过程中面临的安全威胁,如提示注入、恶意输出和数据泄露等问题。其核心能力在于动态监测模型输入输出,并基于规则和策略自动调整防护机制,实现自我强化,无需人工频繁干预。项目采用 Python 编写,当前处于早期阶段(269 星),但设计理念新颖,旨在为 AI 应用提供一层主动、自适应的安全屏障,适合集成到现有 LLM 服务链路中。

开源 free 基础设施
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 269
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类基础设施
开发团队automorphic-ai
所属国家
定价模式free
价格说明开源项目,MIT许可证,完全免费,可自行部署使用。
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型adversarial-attacks,large-language-models,llmops,prompt-injection,security
GitHub 星标★ 269
30天Star增速
HF 下载量
上线时间2023-06-18 00:00:00
最近更新2026-08-10 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数7

使用教程

核心亮点

  • 自加固机制:能根据攻击模式自动更新防护规则,减少人工维护
  • 专注 LLM 场景:针对提示注入等特定威胁设计,比通用防火墙更贴合
  • 轻量易集成:Python 实现,便于嵌入现有 AI 服务管道

不足之处

  • 项目早期,文档和社区生态待观察
  • 自加固算法可能引入额外推理延迟,影响性能

适用场景

  • 企业部署 LLM API 时,保护模型免受恶意提示攻击
  • AI 聊天机器人服务中,实时过滤有害输出
  • 安全团队评估 LLM 应用漏洞时,作为测试防护工具

替代项目

Rebuff、Guardrails AI、LangKit

项目介绍

aegis 是评测安全领域的开源项目,由 automorphic-ai 开发,2023 年首次发布。

它收录于评测安全分类,该分类目前共有 466 个项目,GitHub 星标数为 269。

项目已超过三个月没有代码更新,维护节奏明显放缓,最近一次代码更新于 2026-08-10。MIT许可证,完全免费,可自行部署使用。

它主要面向的使用场景是:企业部署LLMAPI时,保护模型免受恶意提示攻击。同类可对比的替代方案包括 Rebuff、Guardrails AI、LangKit。

上一篇:benchmarks

下一篇:vigil-llm

同类项目推荐

akto 开源

给 AI 应用做安全体检,防提示注入和数据泄露

Akto is the fastest growing AI Security platform for your teams to secure AI agents,···

★ 1517 2026-08-20
XSafeClaw 开源

给 AI 智能体装上安全盾,自动红队测试找漏洞

Introducing XSafeClaw: The Open-Source Agent Safety Platform from Fudan University

★ 164 2026-08-10
deepteam 开源

自动模拟越狱攻击,提前测出 LLM 安全漏洞

DeepTeam is a framework to red team LLMs and AI agents.

★ 2937 2026-09-12