D1 AI技术与攻防安全
涵盖AI系统面临的直接技术威胁的识别、防御和测试能力，是AI安全的技术基础。
保护AI模型训练和推理过程中的算法安全与数据安全，涵盖数据脱敏、防投毒、隐私保护技术。
标准框架NIST Privacy Framework 1.0
美国NIST发布的隐私风险管理框架，适用于AI训练数据的隐私保护设计。
标准框架ISO/IEC 27701 隐私信息管理
国际隐私信息管理体系标准，为AI数据处理的合规性提供认证路径。
开源工具TensorFlow Privacy / PySyft
差分隐私训练框架与联邦学习库，实现"数据可用不可见"。
前沿研究Backdoor Attack & Data Poisoning
数据投毒与后门攻击的系统性研究，涵盖检测方法与防御策略。
AICSO研究AICSO-CF C01能力矩阵
白皮书第5章定义的C01 L1-L6能力要求，指导个人与组织的数据安全能力建设。
防御Prompt Injection、越狱、模型滥用，以及配置安全护栏(Guardrails)的系统性能力。
行业标准OWASP Top 10 for LLM Applications (2025)
大语言模型应用十大安全风险，Prompt Injection、敏感信息泄露位列前三。
攻击知识库MITRE ATLAS
AI系统攻击技术知识库，覆盖对抗机器学习的战术、技术和过程(TTPs)。
开源工具NeMo Guardrails / LLM Guard
安全护栏框架，提供输入过滤、输出过滤与对话策略控制的可编程防护。
前沿研究Prompt Injection Attacks & Defenses
提示注入攻击与防御的系统性综述，覆盖直接注入、间接注入和跨上下文注入。
AICSO研究AICSO-CF C02能力矩阵
白皮书第5章定义的C02 L1-L6能力要求，从识别注入模式到设计企业级护栏架构。
通过系统化的模拟攻击(Red Teaming)发现AI系统安全弱点并推动演练修复的能力。
方法论Microsoft AI Red Teaming Guide
微软发布的AI红队测试指南，涵盖组织管理、测试方法与工具使用。
开源工具Garak / PyRIT / artprompt
自动化红队工具集，Garak由NVIDIA开发，PyRIT由微软发布，提升攻击测试效率。
评测基准HELM Safety / TruthfulQA / BBQ
LLM安全评测基准，为模型安全性提供标准化衡量尺度。
AICSO研究AICSO-CF C03能力矩阵
白皮书第5章定义的C03 L1-L6能力要求，从执行红队用例到建立行业联防联测机制。
D2 AI工程与架构安全
涵盖支撑AI系统运行的底层环境安全保障——从GPU集群到供应链，确保基础设施韧性。
保护GPU集群、云原生环境、容器化AI服务及推理API接口安全的能力。
安全基线CIS Benchmarks for Kubernetes
Kubernetes安全基线配置标准，覆盖AI工作负载的容器编排安全。
安全标准NIST SP 800-204 系列
微服务安全参考架构，适用于AI推理服务的API安全设计。
开源工具Falco / Trivy / Aqua Security
容器运行时安全监控、镜像漏洞扫描与云原生安全平台。
前沿研究GPU Side-Channel & CUDA Security
GPU侧信道攻击与CUDA安全配置研究，覆盖显存隔离与分布式训练通信安全。
AICSO研究AICSO-CF C04能力矩阵
白皮书第5章定义的C04 L1-L6能力要求，从基础设施基线检查到企业级架构设计。
管控开源模型、第三方API服务、MCP工具链及AI开源组件供应链风险的能力。
安全框架SLSA Framework / NIST SSDF
供应链安全等级框架与安全软件开发框架，适用于AI软件供应链治理。
开源工具Syft / Grype / ModelScan
SBOM生成工具与漏洞扫描器，ModelScan专门用于AI模型文件安全检查。
前沿研究AI SBOM & Model Supply Chain
AI软件物料清单与模型供应链安全研究，覆盖开源模型后门检测与供应商风险评估。
AICSO研究AICSO-CF C05能力矩阵
白皮书第5章定义的C05 L1-L6能力要求，从开源模型安全检查到企业级供应链架构。
建立AI系统日志审计、安全事件监控、态势感知(AI SOC)及告警响应机制的能力。
运营框架NIST Cybersecurity Framework 2.0
网络安全框架，"识别-保护-检测-响应-恢复"五 functions 适用于AI安全运营。
SIEM平台Splunk / Sentinel AI Analytics
SIEM平台的AI分析模块，支持AI特有安全事件的集成监控与自动化响应。
前沿研究AI SOC & Model Behavior Anomaly
AI安全运营中心概念与模型行为异常检测研究，覆盖基线建模与偏差告警。
AICSO研究AICSO-CF C06能力矩阵
白皮书第5章定义的C06 L1-L6能力要求，从日志采集到企业级AI SOC架构设计。
D3 AI治理与风险合规
从技术层面转向制度层面，确保AI应用在合规框架内安全运行，构建组织治理能力。
在企业内建立AI资产台账、生命周期审批流、管理制度及跨部门治理委员会的能力。
管理体系ISO/IEC 42001 AI管理体系
首个AI管理体系国际认证标准，要求建立AI引入、验证、上线和退出的闭环机制。
治理框架OECD AI Principles
OECD AI原则，覆盖包容性增长、人类中心价值、透明度、鲁棒性与问责制。
前沿研究AI Governance Maturity Models
AI治理成熟度模型研究，涵盖从"AI可用"到"AI可治理"的五级演进路径。
AICSO研究AICSO-CF C07能力矩阵 & ASGMM
白皮书第5章C07能力要求 + 第6章AI安全治理成熟度模型(ASGMM)，含评估维度矩阵。
掌握国内外AI法规并确保企业AI应用合规落地的能力。
中国法规生成式AI服务管理暂行办法
网信办等七部门发布，覆盖算法备案、安全评估、内容安全与数据合规。
中国法规算法推荐 / 深度合成 / 内容标识
算法备案制度、深度合成管理规定与AI生成内容强制标识办法。
国际标准EU AI Act & ISO 42001
EU AI Act风险分级体系与ISO 42001 AI管理体系，为出海企业提供双轨合规参照。
AICSO研究白皮书第10章 中国监管要求映射
AICSO-CF能力与6部中国AI法规的映射表，含算法备案与大模型备案实施指南。
处理AI系统的偏见公平性、可解释性审查、生成内容版权及责任归属分配的能力。
伦理框架UNESCO AI Ethics / IEEE EAD
联合国教科文组织AI伦理建议书与IEEE伦理设计标准。
开源工具LIME / SHAP / Fairlearn
可解释AI工具与公平性评估工具，支持模型决策解释与偏见检测。
前沿研究AI Copyright & Liability Allocation
AI生成内容版权归属与责任分配研究，覆盖各国司法实践与立法动态。
AICSO研究AICSO-CF C09能力矩阵
白皮书第5章定义的C09 L1-L6能力要求，从偏见识别到企业AI伦理框架设计。
D4 业务与组织领导力
超越技术和制度层面，关注AI安全的组织推动力——从风险评估到事件管理再到安全文化建设。
识别AI应用场景业务风险，进行量化评估(BIA)，并为管理层提供投资回报与风险决策支持的能力。
风险框架NIST AI Risk Management Framework
NIST AI风险管理框架，"治理-测度-管理-映射"四轴指导AI风险管理实践。
国际标准ISO 31000 风险管理
ISO风险管理通用标准，为AI业务风险评估提供方法论基础。
前沿研究FAIR Model & AI Risk Quantification
FAIR风险量化模型在AI场景的应用，支持风险的定量化分析与决策支持。
AICSO研究白皮书第5.7节 企业AI采纳深度与能力适配
三种企业AI采纳类型(全栈/部署/消费)的能力相关性矩阵与团队配置建议。
制定AI特定安全事件（如幻觉失控、越狱传播）的应急预案、舆情公关及模型熔断回滚机制的能力。
响应标准NIST IR 800-61 / ISO 27035
事件响应指南与信息安全事件管理标准，适用于AI安全事件的流程设计。
前沿研究Model Rollback & Circuit Breaker
模型紧急回滚与熔断机制研究，覆盖版本管理、灰度发布与降级策略。
前沿研究AI Incident Management & Crisis PR
AI安全事件的舆情管理与危机响应研究，覆盖对外沟通策略与品牌声誉保护。
AICSO研究AICSO-CF C11能力矩阵
白皮书第5章定义的C11 L1-L6能力要求，从按预案响应到企业级事件管理体系设计。
将技术风险转化为业务语言向董事会汇报、推动跨部门安全文化及开展全员AI安全意识培训的能力。
培训体系Security Awareness Training Frameworks
安全意识培训体系框架，覆盖分层培训设计与效果评估机制。
组织模型Security Champions Program
安全冠军计划，在各业务团队培养安全代言人，推动安全文化落地。
前沿研究AI Risk Communication to Board
向董事会汇报AI风险的方法论研究，覆盖风险可视化与业务语言翻译。
AICSO研究白皮书第7-8章 岗位体系与组织架构
AI安全官岗位说明书模板、各等级典型岗位对照、AI治理委员会与团队配置建议。
AICSO研究成果
AICSO-CF 1.0白皮书及其衍生研究，为企业AI安全治理提供系统性知识支撑。
定义4-12-6能力模型，涵盖10章正文+3个附录，从个体能力到组织体系的完整图景。
白皮书AICSO-CF 1.0 能力框架白皮书
执行摘要→AI安全官定义→4-12-6能力模型→成熟度等级→能力矩阵→治理模型→岗位体系→组织架构→案例→监管映射。
附录工具附录A：AI风险评估检查表
数据安全、模型安全、基础设施安全、治理合规四维度检查项，可直接用于AI系统上线前必检流程。
附录工具附录B：AI安全能力自测问卷
12项能力自评(1-6分)，对照L1-L6等级标准判断自身所处阶段与发展短板。
术语标准附录C：AICSO术语表
收录16个核心术语的中英文对照与定义，提供统一的理解基准。
白皮书中深度展开的专题研究成果，按主题索引。
专题研究企业AI采纳深度与能力适配（第5.7节）
三种企业AI采纳类型(全栈/部署/消费)的12项能力相关性矩阵、风险优先级差异与团队配置建议。
专题研究ASGMM治理成熟度模型（第6章）
AI安全治理成熟度五级模型，含组织/流程/技术/文化四维度评估矩阵与评估方法。
专题研究中国AI监管法规映射（第10章）
6部中国AI法规与AICSO-CF能力的映射表，含算法备案与大模型备案实施指南。
专题研究行业建设路线与案例（第9章）
按企业规模(初创/中型/大型)与行业(金融/互联网/医疗/自动驾驶/制造业)的差异化建设路线。
在线工具AI安全官能力自测工具
基于白皮书附录B的在线评估，12题3分钟，自动生成雷达图与能力短板分析。
认证课程AICSO体系化课程矩阵
覆盖就业入门→标准实战→深度实战→企业内训→认证考试的完整学习路径。