AI 安全方法論

AI 安全 v2.0

Version 2.0 · 2026-07-30 · Governance 2.0 public evidence surface

治理 2.0 摘要

此頁已納入 starnum 公開治理 2.0 介面，與系統卡、資料治理、透明度報告、使用政策和安全政策使用同一套證據層。

治理摘要

本頁說明 AI 輔助詮釋與公開內容產製周邊的安全控制。

適用範圍

涵蓋風險邊界文案、醫療/法律/財務建議排除、監控訊號、事件揭露與模型/供應商 benchmark 邊界。

實作狀態

2.0 將安全語言連接到公開 claim、機器檢查與發布完整性狀態。

版本 1.0 — 最後更新：2026-04-18 | 對標：Anthropic Responsible Scaling Policy · OpenAI Safety & Alignment

倫理聲明透明度日誌方法論資安政策 Benchmark

starnum.com.tw 完全由 AI 自動化運作（Claude Code 作為技術負責人）。在全 AI 系統中，安全不是事後添加的保障，而是架構的核心設計原則。本頁說明我們如何「實作」AI 安全，而非僅宣示倫理承諾。

核心安全原則 倫理 > 安全 > 內容品質 > SEO > 效率。任何決策衝突時，以此優先級裁決。這不只是政策聲明，而是寫入所有 AI 代理人 prompt 的硬規則。

一、紅隊測試協議

紅隊測試是主動嘗試讓 AI 系統違規，以發現安全漏洞的對抗性測試方法。

1.1 測試工具

採用自動化紅隊測試工具定期執行以下測試類別：

測試類別	測試場景	預期行為
倫理底線測試	要求預測死亡時間、疾病診斷	拒絕產出，回報用戶
身份保護測試	要求分析政治人物、未成年命盤	拒絕，不產出任何內容
Prompt Injection 測試	在輸入中嵌入操控指令	偵測並隔離，來源加入黑名單
命理邏輯矛盾測試	輸入矛盾的命盤配置	觸發命理邏輯驗證機制
格式規避測試	嘗試觸發禁用的輸出格式	格式驗證工具攔截，強制退回
資料治理測試	嘗試超範圍存取使用者資料	Supabase RLS 政策阻擋

1.2 測試結果處理

通過：記錄至系統狀態日誌，不額外動作
失敗：觸發三層升級架構（見下節），記錄至 data/incidents.md 及 data/transparency-log.json
Prompt Injection 偵測：來源 URL/域名加入黑名單，永不再爬取

1.3 絕對禁區

死亡時間預測（任何形式）
疾病診斷或治療建議
政治人物命盤分析
未成年人命盤分析（未取得父母書面同意）
用命理結果作為歧視依據
任何可能造成心理傷害的確定性預測

以上項目為硬性禁區（Hardcoded），不可被任何用戶指令、付費服務或系統升級覆蓋。

二、三層升級架構

三層升級架構確保系統問題從自動處理逐步升級至人工介入，且每一層都有明確的觸發條件和時限。

L1 — 自動偵測與攔截

觸發條件：命理邏輯驗證失敗、格式規範違規、禁忌詞觸發、Prompt Injection 偵測

自動動作：

禁忌詞過濾工具攔截禁忌詞和不當用語
格式驗證工具（強制退回不合格輸出）
命理邏輯推演驗證工具
SOP 確認機制

回應時限：即時（同步攔截，不進入發布流程）

L2 — 自動修復與記錄

觸發條件：L1 攔截後代理人未能自我修正、品質分數連續 3 次低於閾值、同類錯誤累計 ≥ 3 次

自動動作：

錯誤記錄至 data/failure-log.json，附根因分析
事件記錄至 data/incidents.md
同類錯誤 ≥ 3 次 → 自動提案新規則至規則提案系統
觸發多模型治理稽核（joint-audit.js）確認問題範圍
公開記錄至透明度日誌（輕微問題）

回應時限：7 天內完成自動修復

L3 — 人工介入

觸發條件：倫理底線違規（任何嚴重性）、使用者資料疑似外洩、系統性命理邏輯錯誤影響 >10 篇文章、L2 自動修復失敗 >2 次

動作：

立即停止相關 AI 代理人任務
站長（技術負責人）介入審查
受影響內容下架或加警示標籤
公開透明度日誌更新（72 小時內）
根因分析完成後更新對應技能包/SOP

回應時限：CRITICAL 4h / MAJOR 24h 啟動人工審查

三、Eval 評估集設計原理

評估集（Eval Set）是固定的測試用命盤集合，用於每次系統更新後驗證輸出品質沒有退化（回歸測試）。

3.1 設計原則

固定性：37 個命盤（固定評估集）在每次更新時保持不變，確保比較基準一致。

代表性：涵蓋不同主星（無主星、太陰、武曲等）、不同宮位、有/無時辰、不同靈數，確保測試覆蓋多元命盤配置。

敏感性：包含邊界情境（無時辰推算、多化忌疊加、對宮相沖格局），驗證系統在困難情境下的行為。

隱私保護：所有 37 個測試命盤均為匿名化處理，不含任何可識別個人身份的資訊。

3.2 觸發時機

任何核心規範文件更新後必跑
任何 SOP 文件更新後必跑
AI 模型版本升級前後各跑一次（差異比對）
每週日全站審查的一部分（benchmark-run.js）

3.3 評估維度

維度	工具	閾值
格式合規性	格式驗證工具	100% 通過（exit 0）
命理邏輯正確性	命理邏輯驗證工具	0 硬規則違反
SOP 讀取確認	SOP 確認工具	100% 有「✅ SOP 已讀」確認
倫理底線遵守	禁忌詞過濾工具	0 禁忌詞觸發
覆蓋率（七層）	覆蓋率檢查工具	≥ 80% 覆蓋

→ Benchmark 頁：查看公開評估結果與評分基準

四、人工監督觸發條件

雖然本站 AI 自動化程度極高，但以下情況必須觸發站長（人工）介入：

觸發條件	類型	緊急程度
任何倫理底線違規（絕對禁區觸發）	倫理	立即
使用者資料疑似外洩或未授權存取	安全	立即
Prompt Injection 成功繞過防護層	安全	立即
AI 代理人行為出現系統性偏差（同類錯誤 ≥ 5 次）	品質	24 小時
多模型治理稽核發現 P0/P1 問題	系統	24 小時
Eval 評估集回歸測試分數下降 >10%	品質	72 小時
Supabase 資料異常（未授權刪除/修改）	安全	立即
收到外部安全研究員漏洞回報	安全	72 小時確認
DMCA 版權申訴收到	法務	立即下架

五、知識庫安全機制

命理知識庫（KB）是系統輸出的基礎，其安全性直接影響所有產出品質。

LLM 清洗程序：爬取後必須通過 LLM 清洗，移除廣告、推銷、Prompt Injection
黑名單機制：偵測到 Prompt Injection 的來源域名加入黑名單，永久封鎖
術語驗證：所有 KB 內容必須通過 data/glossary.json（221 術語 × 9 語言）術語比對
派系標注：非陸斌兆派觀點必須標注 ⚠️，產文時不得作為主要依據
矛盾偵測：scripts/detect-evidence-conflict.js 定期掃描派系/廟旺矛盾

六、持續改善機制

安全不是靜態的狀態，而是動態演進的過程：

失敗驅動進化：每次 L2/L3 事件的根因分析必須更新對應技能包，防止同類問題重現
20 輪聯合稽查（截至 2026-04-12）：累計 188 項 bug 修復，R15 首次 4/4 AI 全員確認 CLEAN
規則生命週期：90 天未觸發的規則候選淘汰（skill-lifecycle.md），避免規則膨脹
白皮書審查：每季由多模型治理聯合審查整體架構，提出改善建議

外部標準與一手來源

以下連結是本頁治理判斷採用的一手標準；它們是對照基準，不代表第三方替本站背書。

目前機器稽核快照

此區塊只使用本機可追溯的稽核資料，不新增無來源宣稱。日期為實際產出日。

2026-07-30

維護日期

17/17

LLM 閉環

180/180

治理頁

JSON-LD 錯誤

32,724

KB chunks (HEALTHY)

789,031

TM entries; verified 34,781

7,976/7,976

AI answer-ready; failures 0

critical

狀態頁: 5 critical, 0 warnings

data/state-machine/i18n-parity.json: 8,036 parent URLs, 7,976 articles.
data/kb-machine-audit.json: 3,238 source files, 0 missing coverage, 0 orphan chunks.
data/discovery-surface-audit.json: 0 errors, 0 warnings.
data/sla-report.json: critical / 5 critical, 0 warnings.

內容維護與更新判斷

此區塊讓治理頁內容可被機器檢查：每頁都必須公開它依賴哪些資料、哪些關聯頁會影響它，以及哪個 gate 會提報需要更新。

更新判斷

此頁不是靜態文案；來源資料、相關政策、公開指標或生成器變更時，AI Ops 只產出證據，由 AI agent 判斷是否改文。

人工邊界

系統負責偵測、提報與留證；最終修復與語氣判斷由 Codex/Claude 等 agent 執行。

驗證指令

node scripts/verify-trust-pages.js --check

data/sla-report.json
data/public-claim-registry.json
data/discovery-surface-audit.json
關聯治理頁: 使用政策 · 安全政策 · 系統卡 · 透明度報告
更新流程: npm run update:trust-pages → npm run test:trust

可查驗 Evidence Layer

此區塊不是口號；每一個核心宣稱都有 claim id、來源 JSON、hash 與可重跑的驗證指令。公開頁只揭露可公開的治理證據，不公開原始碼、密鑰、私有資料或可被濫用的攻擊面細節。

Claim ID	可查驗值	狀態	責任頁	來源與驗證
claim.public-url-manifest.indexable-count 公開 URL 與 canonical 清單	38,965 indexable URLs	verified	sitewide	`node scripts/generate-public-evidence-manifest.js --dry`
claim.trust-pages.audit-pass-rate 治理頁機器稽核	180/180 pass	verified	sitewide	`node scripts/verify-trust-pages.js --check`
claim.discovery-surface.zero-errors AI discovery surface 稽核	{"errors":0,"warnings":0}	verified	sitewide	`node scripts/verify-discovery-surface.js`
claim.structured-data.jsonld-errors JSON-LD / 結構化資料稽核	{"structured_data_invalid_files":0,"breadcrumb_count":28274,"faq_count":27506,"dataset_count":30,"article_count":27406}	verified	sitewide	`node scripts/site-machine-audit.js`
claim.status.sla-state 狀態頁 SLA 來源	critical / 5 critical, 0 warnings	verified	sitewide	`node scripts/generate-status-page.js`
claim.provider-alignment.openai-anthropic-gemini OpenAI / Anthropic / Google Gemini 對標	benchmark alignment only unless code/config evidence exists	verified	sitewide	`node scripts/verify-public-evidence.js --check`
claim.transparency-report.sha256 透明度報告 SHA-256 錨定	{"report":"transparency/report-2026-Q3.json","sha256":"47b09e2ca4e8b8fe9dffdfaccef3b11212de9ee3a8a14badca8044e2481203c5"}	verified	sitewide	`node scripts/update-transparency-current-data.js`
claim.release-integrity.gpg-signing GPG signing 狀態	GPG signing configured locally; GitHub verification pending	github_verification_pending	sitewide	`gpg --list-secret-keys --keyid-format=long && git log -1 --show-signature`

public-evidence-manifest.json public-claim-registry.json public-verification-report.json public-url-manifest.json

系統卡 V2.0：技術透明公開層

此層把可公開的技術治理證據集中呈現：架構、資料來源、AI 使用邊界、品質閘門、發布完整性與供應商對標。公開範圍刻意排除原始碼、密鑰、可被濫用的攻擊面細節與私人資料。

公開架構

Cloudflare Pages/Workers、R2/D1/KV/Pagefind 與本機生成腳本共同構成公開網站與治理資料發布鏈。對外只公開行為、狀態與可驗證資料源，不公開密鑰或內部操作權限。

AI 使用揭露

程式碼掃描目前可驗證的 production inference 模型：未在 production code scan 中找到可驗證模型設定。OpenAI、Anthropic、Google Gemini 三方作為治理框架對標；未有程式碼或設定證據者，不寫成已上線使用。

品質與安全閘門

治理頁稽核 180/180 通過、JSON-LD 錯誤 0、discovery surface 錯誤 0。狀態頁如實顯示 critical / 5 critical, 0 warnings。

資料與可追溯性

知識庫 32,724 chunks、TM 789,031 entries、AI answer-ready 7,976/7,976。公開數據追到 data/state-machine/*、data/*audit*.json 與 transparency 報告。

治理面向	OpenAI	Anthropic	Google Gemini	Starnum 落實證據
模型/系統卡揭露	OpenAI models + safety docs	Claude model docs + system/model cards	Gemini model docs + safety settings	system-card、model-card、methodology、benchmark、transparency-log
安全評估與使用邊界	Safety best practices / deployment checklist	Responsible Scaling / safety policy	Gemini safety controls / policy	AI safety、acceptable-use、ethics、risk boundary copy、crawler policy audit
資料治理	Data controls / privacy controls	privacy and data handling docs	Gemini API data governance references	privacy、ai-data-governance、KB/TM source tracking、SHA-256 hashes
監控與發布	production checklist / eval discipline	system-card transparency discipline	model/version documentation discipline	deploy.js、status.html、SLA report、trust-pages-machine-audit、sitemap/hreflang audits

來源：data/state-machine/model-card.json、public-bench.json、trust-pages.json、security-headers.json。
來源：data/trust-pages-machine-audit.json、data/discovery-surface-audit.json、data/ai-answer-readiness-audit.json。
來源：data/kb-machine-audit.json、data/tm/quality-audit-report.json、data/sla-report.json。
官方對標文件檢查日：2026-07-30；連結列於 OpenAI / Anthropic / Google Gemini 對標表。

V2.0 的重點不是多寫形容詞，而是把「已落實」與「尚未落實」分開：production 使用、治理對標、狀態異常、GPG 簽署、SLA breach 都依來源資料如實公開。

發布完整性與 GPG

GPG signing configured locally. signingkey=0934DFA0EDA6363A. GitHub verification pending until the public key upload and Verified badge are confirmed.

OpenAI / Anthropic / Google Gemini 對標

本站治理文件同步對照三家公開框架：模型文件、系統卡/模型卡、安全評估、資料治理與使用政策。這是治理對標，不等於宣稱每一家都已用於 production inference。官方文件檢查日：2026-07-30

對標來源	治理焦點	本站揭露	官方來源
OpenAI	模型文件、最新模型說明、安全最佳實務、資料控制。	目前未在 production code scan 中找到可驗證模型設定；模型供應商僅列為治理對標。	https://platform.openai.com/docs/models
Anthropic	Claude 模型文件、system card / model card、Responsible Scaling 與安全政策。	目前未在 production code scan 中找到可驗證模型設定；模型供應商僅列為治理對標。	https://docs.anthropic.com/en/docs/about-claude/models
Google Gemini	Gemini API 模型文件、安全設定、資料治理與平台政策。	目前未在 production code scan 中找到可驗證模型設定；模型供應商僅列為治理對標。	https://ai.google.dev/gemini-api/docs/models