llm-guard

给 LLM 应用加把安全锁，防注入防泄露

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署对话助手 🍴 复刻 475 🐛 待处理 37 👀 关注 31 ⚠️ 作者已归档（停止维护）

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 3218

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，MIT许可证，完全免费，可自行部署使用。

项目预览

项目数据

分类对话助手

开发团队protectai

官网地址https://protectai.github.io/llm-guard

GitHubhttps://github.com/protectai/llm-guard

定价模式🏷️完全免费

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🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议MIT

主要语言Python

技术栈/模型adversarial-machine-learning,chatgpt,large-language-models,llm,llm-security,llmops,prompt-engineering,prompt-injection,security-tools,transformers

GitHub 星标★ 3218

上线时间2023-07-27 00:00:00

代码更新2026-07-08

仓库体积4.2 MB

本站数据更新2026-11-08

维护状态低维护

收录时间2026-08-09

浏览次数3

项目介绍

llm-guard 是一个面向大语言模型交互的安全工具包，旨在检测和缓解各类安全威胁，如提示注入、越狱攻击、敏感信息泄露等。它通过输入输出验证、内容过滤、异常检测等机制，为 LLM 应用提供防护层，支持与主流 LLM 框架集成。核心能力包括：输入输出扫描、提示注入检测、PII 脱敏、毒性过滤等。解决开发者在构建 LLM 应用时面临的安全合规问题，帮助企业在生产环境中安全部署 AI 服务。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 3218

技术标签

chatgpt large-language-models llm llm-security llmops

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：入门约 5 分钟部署方式：库/依赖 5 步

环境要求

Python 3.9 或更高版本
已安装 pip，且建议升级到最新版本
若需运行 OpenAI 示例，需自备 OpenAI API 密钥

安装与启动步骤

1确认 Python 版本

README 要求 Python 3.9 以上，先检查本机版本，低于 3.9 需先升级 Python。
```
python --version
```
2升级 pip

README 建议：如果遇到库安装问题，先升级 pip 再安装。
```
python -m pip install --upgrade pip
```
3安装 LLM Guard

README 给出的唯一安装方式，直接从 PyPI 下载安装包，基础功能依赖较少。
```
pip install llm-guard
```
4查看官方示例

README 指向仓库中的 ChatGPT 示例文件与在线 Playground，可先了解调用方式。
5部署为 API

README 提示可将 LLM Guard 以 API 形式部署，具体命令请查阅官方文档 API 章节。