출력 필터링(Llama Guard, NeMo)
더 작은 보호 모델로 출력을 검사해 유해성, PII 유출, 정책 위반을 배포 전에 찾아보세요.
출력 필터링(Llama Guard, NeMo)은(는) CoddyKit의 무료 AI Agents 강의입니다. 이것은 4개 중 2번째 강의입니다. 아래에서 전체 강의를 무료로 읽을 수 있으며, 내장 코드 에디터와 24/7 AI 튜터와 함께 브라우저에서 직접 실습할 수 있습니다. 이 강의는 AI Agents 학습 경로의 일부이며, 진행 상황이 웹과 CoddyKit 앱에 동기화됩니다. AI Agents 강의에는 총 4개의 강의가 포함되어 있습니다.
출력을 필터링하는 이유
입력이 안전하더라도 모델은 다음과 같은 출력을 생성할 수 있습니다.
- 개인 데이터 유출
- 혐오 발언 / 괴롭힘
- 자해 콘텐츠
- 사용자 의도를 위반하는 도구 호출
출력 필터는 사용자가 무엇이든 보기 전에 작동하는 마지막 방어선입니다.
Llama Guard
Meta의 안전성 분류기입니다. 공개 가중치를 사용하며 매우 빠릅니다.
from transformers import AutoTokenizer, AutoModelForCausalLM
model = AutoModelForCausalLM.from_pretrained('meta-llama/Llama-Guard-3-8B')
# Outputs 'safe' or 'unsafe' with category.NeMo Guardrails
NVIDIA NeMo Guardrails는 검사 기능으로 LLM을 감싸는 Python 프레임워크입니다.
# pip install nemoguardrails
from nemoguardrails import RailsConfig, LLMRails
config = RailsConfig.from_path('./config')
rails = LLMRails(config)
response = rails.generate(messages=[{'role': 'user', 'content': '...'}])Guardrails AI
guardrails-ai는 검증과 보호에 중점을 둔 Python 라이브러리입니다. XML 기반 "레일"과 reAsk 복구 루프를 지원합니다.
Anthropic 헌법 기반 분류기
Anthropic은 Claude의 안전성 학습과 별도로 분류기를 출시했습니다. 모든 모델 출력의 사후 필터링에 유용합니다.
사용자 정의 LLM 기반 필터
가장 저렴한 방법은 출력을 검사하는 더 작은 LLM을 사용하는 것입니다.
FILTER_PROMPT = '''
Analyse the output. Return JSON: {safe: true/false, reason: str, categories: list}
Unsafe categories: PII leak, harmful instructions, copyright violation, prompt-injection echo.
Output:
{output}
'''
result = guard_llm.invoke(FILTER_PROMPT.format(output=text))정규식 / 규칙 필터
특정 패턴에는 정규식이 빠르고 안정적입니다.
import re
EMAIL_RE = re.compile(r'[\w\.-]+@[\w\.-]+')
SSN_RE = re.compile(r'\b\d{3}-\d{2}-\d{4}\b')
def has_pii(text):
return bool(EMAIL_RE.search(text) or SSN_RE.search(text))
# --- demo ---
samples = ['Contact me at jane@example.com', 'My SSN is 123-45-6789', 'No PII in this sentence']
for s in samples:
print(f'{s!r} -> has_pii={has_pii(s)}')
PII 마스킹
단순히 차단하지 말고, 때로는 마스킹한 뒤 나머지 내용은 통과시키십시오.
def redact(text):
text = EMAIL_RE.sub('[email]', text)
text = SSN_RE.sub('[ssn]', text)
return text이중 계층 필터
먼저 빠른 규칙을 적용하고, 그다음 비용이 큰 LLM을 사용하십시오.
def filter_output(text):
if has_obvious_pii(text):
return BLOCKED
result = guard_llm.invoke(...)
return result출력 스트리밍
스트리밍되는 출력은 SENTENCE-BY-SENTENCE로 필터링하십시오.
buf = ''
for token in stream:
buf += token
if buf.endswith(('. ', '! ', '? ', '\n')):
if not safe(buf):
stream.close()
emit_to_client('[content filtered]')
break
emit_to_client(buf)
buf = ''오탐과 미탐
적절한 균형을 이루도록 조정하십시오.
- 위험도가 높은 분야(의료, 금융): 오탐 쪽으로 조정합니다(더 많이 차단)
- 창작/엔터테인먼트: 미탐 쪽으로 조정합니다(덜 차단)
필터 기록은 민감합니다
필터 기록에는 차단된 콘텐츠가 포함됩니다. 짧은 보존 기간으로 안전하게 저장하십시오.
log.warning('Blocked output', extra={'reason': r, 'category': c}, sanitize_payload=True)사용자 교육
차단할 때는 사용자가 재시도를 반복하지 않도록 이유를 알려 주십시오.
def handle_privacy_request():
return 'I cannot share that information for privacy reasons.'
print(handle_privacy_request())다중 계층 필터
정규식과 LLM 기반 필터링을 결합하는 이유는 무엇입니까?
요약
Llama Guard / NeMo / 사용자 정의 LLM 필터 + 정규식 규칙을 사용하십시오. 두 계층을 적용하십시오. 가능하면 마스킹하십시오. 콘텐츠가 차단되었을 때는 항상 사용자에게 알려 주십시오.
자주 묻는 질문
“출력 필터링(Llama Guard, NeMo)” 강의는 무료인가요?
네 — “출력 필터링(Llama Guard, NeMo)” 전체 내용을 이 웹사이트에서 무료로 읽을 수 있습니다. 인터랙티브하게 실습하려면(내장 코드 에디터와 24/7 AI 튜터), CoddyKit PRO로 업그레이드하면 AI Agents 강의 전체를 잠금 해제할 수 있습니다. AI Agents 강의에는 총 4개의 강의가 포함되어 있습니다.
“출력 필터링(Llama Guard, NeMo)”에서 뭘 배우나요?
더 작은 보호 모델로 출력을 검사해 유해성, PII 유출, 정책 위반을 배포 전에 찾아보세요. 브라우저에서 직접 실행하는 실습 코드로 AI Agents을(를) 배우며, 24/7 AI 튜터가 강의를 진행하면서 질문에 답변해줍니다.
AI Agents을(를) 시작하는 데 경험이 필요한가요?
사전 경험은 필요하지 않습니다. CoddyKit의 AI Agents은(는) 초급자부터 고급 학습자까지를 위해 구성되어 있으므로, 여기서 시작하거나 처음부터 시작할 수 있으며 자신의 속도대로 진행할 수 있습니다. 이것은 4개 중 2번째 강의입니다.
“출력 필터링(Llama Guard, NeMo)” 강의는 얼마나 걸리나요?
대부분의 CoddyKit 강의는 약 5~10분이 소요됩니다. 각 강의는 간결하고 인터랙티브하여 꾸준한 진행이 가능하며, 웹과 앱에서 중단한 부분부터 바로 시작할 수 있습니다.
이 AI Agents 강의에서 코드를 작성하고 실행할 수 있나요?
네. 모든 AI Agents 강의에는 내장 코드 에디터가 포함되어 있으므로, 브라우저에서 바로 실제 코드를 작성하고 실행한 후 즉시 AI 피드백을 받을 수 있습니다 — 로컬 설정이 필요 없습니다.
이 강의의 모든 강의
- 프롬프트 주입 방어
- 출력 필터링(Llama Guard, NeMo)
- 코드 에이전트를 위한 샌드박스 실행
- 도구 접근 제어