Lakera

Lakera是什么

Lakera是一套面向生成式AI应用和智能代理的安全平台，现已成为Check Point AI Security产品体系的一部分。它通过AI资产发现、风险评估、运行时护栏和红队测试，帮助团队在部署前后识别并阻断模型安全风险。

平台原有的Lakera Guard能力目前主要以AI Guardrails呈现，开发文档和部分技术资源仍保留Lakera名称。产品重点不是生成内容，而是检查用户输入、模型输出、检索内容和工具调用是否违反安全策略。

公司与产品现状

Check Point于2025年宣布收购Lakera，并在同年完成交易。收购后，Lakera的护栏能力被纳入更完整的AI安全产品线，原有客户仍可通过现行控制台和接口使用相关功能。

两类核心产品

企业可以单独部署运行时护栏，也可以采用覆盖代理资产全生命周期的AI Agent Security。后者包含护栏能力，并把发现、评估和持续防护放在同一管理流程中。

AI代理发现

代理发现模块连接企业使用的代理平台，建立统一资产清单。它可以识别代理、工作流、工具、数据连接和权限关系，减少团队不知道哪些AI代理正在运行的问题。

• 支持连接Amazon Bedrock及AgentCore环境。
• 支持检查Google Cloud中的代理资产。
• 支持Microsoft Copilot Studio工作区。
• 支持Salesforce Agentforce代理。
• 支持n8n自动化工作流。
• 支持Relevance AI代理平台。
• 可在统一视图中查看资产及其风险关系。

代理风险评估

风险评估会分析代理配置、权限、工具和数据访问关系，并把多个单点问题关联成可处理的风险路径。结果按照严重程度排序，便于安全团队优先处理可能造成真实业务影响的组合风险。

运行时安全护栏

AI Guardrails在应用与模型之间执行实时筛查，可以只记录风险，也可以直接拦截违规请求。它适合覆盖用户输入、模型响应、检索片段、工具描述和工具返回结果。

提示注入与越狱防护

Prompt Defense用于识别直接提示注入、间接注入、越狱和操纵系统指令的尝试。间接攻击可能隐藏在网页、文件、知识库片段或工具返回内容中，因此需要在代理每一步交互时检查。

内容与数据防护

• 识别仇恨、暴力、自残、性内容和其他不合规类别。
• 检测个人身份信息及敏感数据泄露。
• 降低系统提示词和内部指令被套取的风险。
• 识别恶意链接及可疑跳转内容。
• 限制代理偏离授权任务或执行无关操作。
• 通过工具允许列表和拒绝列表控制可调用能力。
• 为特定行业和企业规则配置自定义护栏。

检索增强生成与工具调用防护

在检索增强生成流程中，平台可以分别检查用户问题、检索到的上下文和模型最终回答。这样既能发现用户直接攻击，也能识别知识库文档中隐藏的恶意指令。

对于代理和工具调用，应在每个推理步骤前后执行安全检查，而不是只检查最终答案。工具描述、参数、执行结果和外部协议上下文都可能成为间接提示注入入口。

Guard API工作方式

开发者通过Guard API提交待检查的消息、角色和策略信息，接口返回违规状态及检测结果。应用随后根据策略决定放行、记录、替换提示或终止当前交互。

1. 在控制台创建项目并取得访问凭据。
2. 为应用选择预设防御并配置需要执行的策略。
3. 在用户输入送入模型前调用Guard接口。
4. 在检索内容、工具结果和模型输出进入下一步前再次检查。
5. 读取违规类别和处理结果，并执行阻断或降级逻辑。
6. 在控制台查看日志、趋势和误报情况。
7. 根据真实业务数据调整策略及阈值。
8. 将高风险事件发送到企业安全运营流程。

检测模式与强制模式

API与平台能力

当前接口以第二版Guard能力为主，并提供结果查询、策略和项目管理等企业功能。自托管部署还提供健康检查、配置检查和服务就绪状态接口，便于接入容器编排与运维监控。

SaaS与自托管对比

数据区域与语言支持

SaaS可选择美国东部、美国西部、欧盟爱尔兰和亚洲新加坡等处理区域，企业还可配置日志存储与允许处理区域。组织应根据数据驻留、跨境传输和内部合规要求选择区域。

平台支持一百多种语言，适合多语言聊天机器人和跨地区代理应用。实际识别效果会受到语言、领域、提示长度和业务上下文影响，仍需使用自身数据进行评估。

AI红队测试

AI Red Teaming用于在上线前或版本更新后自动攻击模型、代理和自定义接口。它覆盖安全、安全性和负责任AI类别，并把测试结果汇总为风险评分及可导出的结构化报告。

• 测试直接模型接口、聊天应用和AI代理。
• 自动生成并执行多类对抗性攻击。
• 记录攻击提示、响应、分类和成功状态。
• 帮助比较不同版本、策略和模型的风险变化。
• 支持把结果导出为JSON或CSV文件。
• 适合安全评审、发布门禁和回归测试。

红队SDK

Lakera Red提供面向TypeScript和Python的预览版SDK，可把自定义应用或内部接口接入测试任务。部署组件采用主动向外连接方式，企业仍应评估运行环境、依赖版本和测试数据边界。

1. 准备与生产隔离的测试目标和专用账号。
2. 安装对应语言的SDK并配置测试凭据。
3. 实现目标适配器，将攻击输入发送到模型或代理。
4. 返回模型输出和必要的运行状态。
5. 选择测试类别、范围和最大请求量。
6. 执行扫描并检查高风险成功案例。
7. 修复提示、工具权限、数据访问或护栏配置。
8. 再次运行相同测试集验证修复效果。

价格与套餐

价格信息于2026年8月23日核验，实际金额、税费、汇率和优惠可能变化，最终以结算页面显示为准。

Lakera采用免费社区额度与企业定制合同并行的模式。社区方案适合原型验证，生产系统通常需要根据请求规模、上下文长度、部署方式和企业功能联系销售。

企业安全与合规

产品提供角色权限、日志、数据保留设置和安全系统集成，并公开说明其企业安全与隐私控制。采购方仍需结合自身监管义务审查数据处理协议、子处理方、事件响应和删除机制。

• 确认提示词、响应和检测日志分别保存多久。
• 确定项目所使用的处理区域和日志区域。
• 限制能查看原始交互内容的管理员角色。
• 对敏感字段进行最小化、遮蔽或令牌化。
• 将高风险事件接入企业安全信息与事件管理系统。
• 为模型、代理和工具变更建立重新测试流程。
• 在正式采购前完成数据处理和合规评审。

GitHub与开源状态

Lakera核心平台、Guard检测模型和企业控制台不是开源产品。其官方GitHub组织曾发布演示、研究和辅助项目，但当前公开仓库大多已归档，不能据此认为商业平台可自行部署。

适合哪些用户

• 正在上线大语言模型应用的开发团队。
• 需要保护检索增强生成知识库的企业。
• 管理多平台AI代理和影子AI资产的安全团队。
• 需要阻断提示注入、越狱和数据泄露的产品负责人。
• 希望建立模型发布安全门禁的平台工程团队。
• 需要自托管或指定数据区域的受监管组织。
• 开展生成式AI渗透测试和风险评估的顾问。

产品优势

• 同时覆盖资产发现、风险评估、运行时防护和红队测试。
• 能够检查用户输入、模型输出、检索上下文和工具调用。
• 提供检测与强制两种运行模式，便于分阶段上线。
• 支持SaaS和企业自托管部署。
• 支持多语言应用和多个数据处理区域。
• 可与日志、监控和安全运营流程集成。
• 免费社区额度适合开发者先完成技术验证。

限制与注意事项

任何护栏都不能保证阻断所有未知攻击，也可能产生误报或漏报。厂商公布的高检测率、低延迟和低误报率属于特定测试条件下的产品指标，不应直接视为所有语言、模型和业务的实际结果。

• 完整代理安全能力仍可能处于早期访问或分阶段开放。
• 企业版没有公开固定价格，采购成本需要单独评估。
• 每一步调用护栏会增加请求次数、延迟和运维复杂度。
• 长上下文、多语言和特定行业术语需要单独测试。
• 自定义策略过严可能影响正常用户和代理任务。
• 自托管版本需要客户承担扩容、监控、升级和故障恢复。
• 已归档的开源仓库不应作为持续维护能力的证明。
• 护栏不能替代身份权限、密钥管理和人工审批。

选型与验证建议

1. 列出需要保护的模型、代理、知识库和工具。
2. 按数据敏感度和可执行权限划分风险等级。
3. 使用真实但脱敏的历史请求建立测试集。
4. 先以Detect模式测量误报、漏报和延迟。
5. 逐项启用提示注入、内容、数据和工具防御。
6. 对高风险操作增加身份校验与人工确认。
7. 运行红队测试并保存版本间对比结果。
8. 确认月请求量、上下文大小和峰值并发成本。
9. 评估SaaS区域或自托管方案的数据边界。
10. 通过回归测试后再切换到Enforce模式。

常见问题

Lakera现在叫什么？

Lakera已并入Check Point，核心护栏能力主要以Check Point AI Guardrails继续提供。部分控制台、文档、SDK和历史技术资源仍会使用Lakera名称。

Lakera能防止提示注入吗？

可以识别直接与间接提示注入、越狱和系统指令操纵，并可在策略模式下阻断请求。实际效果取决于语言、上下文、策略和攻击类型，需要持续测试。

免费版有多少额度？

Community方案每月最多提供1万次筛查请求，适合原型和小规模验证。企业生产使用的请求量、上下文和功能需要定制合同。

支持自托管吗？

企业客户可以洽谈自托管部署，在自有基础设施内运行护栏并管理策略、日志和扩容。具体技术要求和许可证费用需要销售确认。

Lakera是开源项目吗？

不是，商业护栏、代理安全平台和检测模型均为闭源产品。官方GitHub中的开源或已归档项目只涵盖部分研究工具、扩展和演示代码。

是否适合保护AI代理？

适合，它不仅能检查提示词和回答，还能发现代理资产、评估工具权限与数据关系，并在运行时检查代理步骤。高风险动作仍应设置最小权限和人工批准。

总结

Lakera已经从单一大语言模型护栏扩展到Check Point旗下的企业AI安全体系，覆盖代理发现、风险评估、运行时防护和自动化红队测试。它适合需要把生成式AI安全纳入开发和安全运营流程的团队。

个人开发者可用每月1万次免费筛查请求验证Guard接入，企业则需根据部署、区域、请求量和治理功能询价。选择前应使用真实业务测试检测率、误报、延迟和成本，并把护栏与身份、权限、审批和监控共同部署。