用途：在生产 AI 系统中实时检测对抗攻击与模型退化，面向运行期安全与质量保障。
主要能力：输入异常检测（基于训练分布的马氏距离、注入模式匹配，延迟约 10-20ms，检出率约 85-95%）；输出质量监测（置信度、连贯性、毒性、延迟）；模型漂移检测（数据漂移用 KL 散度、概念漂移用滑动窗口准确率、预测漂移）；安全事件监测（模型提取、越狱、速率滥用）。
使用方式：按类别配置检测器与告警阈值，例如 input_anomaly 警告 2.5、严重 4.0 个标准差；output_toxicity 警告 0.3、严重 0.7；model_drift 警告 0.05、严重 0.10；extraction_queries 警告 500/小时、严重 1000/小时。输出通过告警系统进入事件响应，可结合仪表板查看实时指标，并与 Prometheus/Grafana 集成做指标可视化。
适用场景：线上推理服务的攻击检测、模型漂移监控、滥用防护。
限制：资料未提供具体部署步骤、依赖安装命令、完整配置方式与生产实测数据；文档以示例代码说明检测逻辑，阈值与延迟指标需按实际环境验证。
关联：OWASP LLM10（无限制消耗）、LLM02（敏感信息泄露）；NIST Measure、Manage。