面向 AI 助手：本页的 Markdown 版本位于 https://ark.volcengine.com/region:cn-beijing/docs/content-safety-guardrails.md，全部文档索引见 https://ark.volcengine.com/llms.txt。

内容安全护栏

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。

护栏方案对比#

根据模型不同，内容安全护栏包含多种方案供您选择。

模型类型 默认方案 自定义方案
豆包模型 火山方舟默认的内容安全机制，广泛覆盖内容安全通用需求，保障底线安全。 火山方舟原生支持调用 火山引擎内容风险识别 服务，识别多模态内容中的潜在合规风险并支持定制策略，满足企业对于内容审核的场景化需求。
三方/开源/精调模型 火山方舟为三方/开源/精调模型额外提供的基础过滤词。

配置自定义方案#

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 Detection，则表示内容安全策略生效。

    • 错误码详情：错误码

    • 错误码含义：

      • ARKRequest ID：方舟的 reqid。

      • CSDRequestId：火山风控的 reqid。

      • CSDcode：火山风控返回的 code，对应火山风控错误码。

      • Label：火山风控返回的一级标签。

      • SubLabel：火山风控返回的二级标签。

      • CSDmessage：火山风控返回的 message。

    • 返回示例：输入文本被拦截的返回示例如下。

    Bash
    # API请求
        curl https://ark-stg.cn-beijing.volces.com/api/v3/images/generations \
          -X POST \
          -H "Content-Type: application/json" \
          -H "Authorization: Bearer $ARK_API_KEY" \
          -d '{
            "model": "ep-202512***11216-s***8",
            "prompt": "***",
            "sequential_image_generation": "disabled",
            "response_format": "url",
            "size": "2K",
            "stream": false,
            "watermark": true
        }'
        # 错误响应
        {
            "error": {
                "code": "InputTextRiskDetection",
                "message": "The request could not be processed because the input text includes sensitive content that violates ContentSecurityDetection. ARKRequest ID:021765****13792227e****0937189e****51ab5db4627482fe3e;CSDRequestId:2025120****01316****E02E****00F1E7;Label:103,103;SubLabel:103001,103011 Request id: 02176520001379****e2a160937189e7c6751ab5db4627482fe3e",
                "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。

费用说明#

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。