为了保障大模型输入输出的内容安全合规，火山方舟平台提供内容安全护栏功能，在豆包模型原生安全能力之上，能够帮助企业自动识别并过滤用户在调用推理点过程中的涉敏、涉黄等风险，从而保障客户业务生态的健康与安全。

根据模型不同，内容安全护栏包含多种方案供您选择。

方案介绍

火山引擎内容风险识别（以下简称“火山风控”）的主要功能包括：

• 多维度风险识别：支持从涉黄、涉敏、违禁、谩骂、联系方式、广告、诈骗等多个维度，对用户输入的对话内容以及模型的输出内容进行精准识别和拦截，确保内容符合合规要求。
• 自定义词：支持企业根据自身业务特点，维护自定义的敏感词库，提升风险识别的准确性。

使用限制

• 自定义护栏仅支持拦截 推理API 的内容，其他渠道暂不支持。
• 自定义护栏当前仅支持生图、生视频、生3D模型，生文模型未来支持。
• 火山方舟、火山引擎内容风险识别 和 TOS 对象存储 需要在同一个火山引擎主账号下。

配置步骤

步骤一：在火山风控平台配置内容审核策略

请参考文档 火山引擎-内容风险识别-产品接入操作手册进行配置。配置过程中如有问题，请联系火山风控工作人员。

步骤二：在火山方舟平台配置推理点审核策略

查看/编辑内容安全护栏入口：

• 在线推理-创建自定义推理点
• 在线推理-编辑预置/自定义推理点
• 安全管理-内容安全

在选择内容安全护栏-自定义方案时，显示配置安全策略列表：

• 审核场景：方舟将自动根据当前模型的模态匹配需要审核的风险识别类型，如文本、图片、视频。
• 风险识别类型：对应火山风控控制台的文本风险识别、图片风险识别等服务。
• 场景(biztype)：方舟将自动匹配当前账号的火山风控产品权限、服务权限、appid、biztype数据，请选择当前审核场景对应的appid以及biztype。appid以及biztype可前往火山风控控制台查询。

阅读并确认《自定义内容审核机制合规承诺函》，完成策略配置。

步骤三：验证策略生效

完成配置后，通过以下步骤验证内容安全策略是否生效。

1. 通过 API 调用推理点，尝试输入包含敏感词或违规内容的信息，如果模型 response 中错误码code 包含 Sensitive，则表示内容安全策略生效。

   • 错误码详情：错误码
     文本被拦截的返回示例如下：

     # API请求参数
     {
         "model": "ep-************",
         "prompt": "*****",
         "response_format": "url",
         "size": "1024x1024",
         "guidance_scale": 3,
         "watermark": true
     }
     # 错误响应
     {
         "error": {
             "code": "InputTextSensitiveContentDetecteed",
             "message": "The request failed because the input text may contain sensitive information. Requestid: 021***213274668fd7e*********538983d3199357a1****80873",
             "param": ", ",
             "type": ""
         }
     }
     

   • 详细测试方式：请咨询火山风控工作人员。

2. 前往火山风控控制台，在左侧导航栏选择对应的场景，如文本风险识别 > 日志查询，查看拦截的消息日志。

使用火山引擎内容风险识别服务会涉及如下两项费用，这些费用将自动从你的火山引擎账户余额中扣款。

• 内容风险识别产品相关费用：包括文本风险识别和图片风险识别等，具体收费标准请参见购买内容风险识别套餐时页面的费用说明。
• TOS 对象存储的存储容量费用：具体收费标准可参考对象存储计费概述。